锚定婴儿与成人脑功能图谱评估青少年早期神经认知成熟度：开拓认知发展研究新视角

为解决现有方法难以准确预测青少年认知发展的问题，研究人员开展基于青少年静息态功能连接（rsFC）与婴儿、成人大脑功能图谱对比的研究。结果显示，锚定 rsFC 成熟分数（AFC）可预测青少年认知表现和发展，这为神经认知成熟度研究提供新方法。

　　在青春的成长旅程中，青少年的大脑宛如一座正在建设的复杂城市，发生着翻天覆地的变化。认知能力的提升是这一时期的重要标志，然而，如何精准解读大脑变化与认知发展之间的神秘联系，一直是科学界苦苦探索的谜题。以往，研究人员尝试借助各种手段揭开这层面纱，数据驱动的脑年龄差距测量方法曾备受关注，它试图通过复杂的算法，从大脑数据中挖掘出与认知衰退相关的线索，进而预测青少年的认知发展。但现实却给了大家沉重一击，这些方法在青少年群体中的应用结果参差不齐，犹如雾里看花，难以捉摸。

在这样的困境下，一项新的研究应运而生。来自国外的研究人员怀揣着探索未知的热情，踏上了寻找新方法的征程。他们将目光聚焦于青少年的大脑，希望能找到一种更为可靠的方式，来评估青少年早期神经认知的成熟度。为此，他们开展了一项别具一格的研究，该研究成果发表在《Developmental Cognitive Neuroscience》上。

研究人员巧妙地利用青少年大脑认知发展（ABCD）研究的丰富资源，收集了大量 9 - 10 岁（基线）和 11 - 12 岁（2 年随访）青少年的静息态功能磁共振成像（fMRI）数据。他们的核心思路是，将青少年的静息态功能连接（rsFC）与婴儿和成人的典型大脑功能图谱进行直接对比。具体而言，他们构建了基于婴儿和成人皮质网络的连接矩阵，通过计算连接矩阵中网络内和网络间连接的差异，得到了一个关键指标 —— 锚定 rsFC 成熟分数（AFC）。这个分数就像是一把精准的尺子，用来衡量青少年大脑功能连接的成熟程度。

为了深入探究 AFC 与认知发展的关系，研究人员运用了多种关键技术方法。在数据采集方面，他们借助 ABCD 研究的多中心协作，获取了不同地区青少年的大脑影像数据和行为学数据。在影像处理上，采用了自动化脚本对 fMRI 数据进行处理，包括 FreeSurfer 归一化、ICA - AROMA 去噪、CompCor 校正等一系列操作，以确保数据的质量。在数据分析阶段，运用线性混合效应回归和间接效应模型等统计学方法，全面分析 AFC 与认知表现、年龄、家庭社会经济地位等因素之间的关系。

下面来看看具体的研究结果：

1. 网络模型的有效性：研究发现，婴儿和成人的网络模型在捕捉青少年大脑功能连接方面，都比随机生成的或基于距离的空模型表现更出色。这表明，使用这两种网络模型来分析青少年大脑功能连接是合理且有效的。
2. AFC 与认知表现的关联：无论是在 9 - 10 岁还是 11 - 12 岁的青少年中，AFC 得分越高，N - back 任务（该任务可测试持续注意力和工作记忆能力）的表现就越好。而且，从基线到 2 年随访期间，AFC 得分的增加与 N - back 任务表现的提升显著相关。这意味着，AFC 能够有效地反映青少年认知功能的发展情况。
3. AFC 与家庭资源的关系：研究还发现，家庭社会经济资源与 AFC 有关，较高的父母教育程度和家庭收入与更高的 AFC 得分相关。然而，即使考虑了这些家庭资源因素，AFC 仍然能够独立地预测认知任务表现，这说明 AFC 在评估认知发展方面具有独特的价值。
4. AFC 的中介作用：进一步的分析表明，AFC 在年龄与认知任务表现之间起着重要的中介作用。年龄的增长与 AFC 得分的增加相关，而 AFC 得分的增加又与更好的认知表现相关。这揭示了年龄影响认知发展的一个潜在神经机制。
5. 其他相关发现：在后续的分析中，研究人员还进行了一系列的补充实验。他们发现，与传统的基于图论的脑模块化指标相比，AFC 在预测认知表现方面更具优势。此外，AFC 在使用其他认知任务（如 NIH - Toolbox 任务）进行评估时，也能表现出与认知发展的相关性，尽管在某些方面存在差异。同时，研究人员还测试了不同计算 AFC 的方法，结果表明原始的计算方法在预测认知表现上具有较好的性能。

综合上述研究结果，研究人员得出结论：AFC 作为一种简单且易于计算的指标，能够有效地预测青少年的认知表现和发展。它不仅反映了青少年大脑功能连接从婴儿模式向成人模式的转变，还揭示了这种转变与认知发展之间的紧密联系。这一研究成果意义非凡，为神经认知发展领域开辟了新的研究方向。AFC 的应用可以帮助研究人员更好地理解青少年大脑发育的过程和机制，为早期干预和教育策略的制定提供科学依据。例如，通过监测 AFC 的变化，教育工作者可以及时发现青少年认知发展中的问题，并采取针对性的措施进行干预。此外，AFC 的计算方法简单且无需复杂的数据驱动模型，这使得它在不同研究和临床实践中具有广泛的应用前景。

然而，这项研究也存在一些局限性。研究样本的年龄范围较窄，未来需要在更大年龄跨度的青少年群体中进行验证。同时，尽管 AFC 对不同的成人网络和脑区划分具有一定的稳健性，但对于替代的婴儿网络，仍需谨慎验证。此外，研究仅关注了大脑皮层，未来的研究可以拓展到小脑和皮层下区域，以实现全脑覆盖。最后，研究的纵向样本在种族代表性方面存在不足，后续研究需要更具代表性的样本，以确保研究结果的普适性。

尽管存在这些不足，但这项研究无疑为我们理解青少年神经认知发展打开了一扇新的窗户，让我们看到了大脑与认知之间更为清晰的联系，为未来的研究和实践奠定了坚实的基础。