综述：从异质性到转化：基于数据的自闭症多层级框架下的亚型划分

《Translational Psychiatry》：From heterogeneity to translation: data?driven subtyping of autism in a multilevel framework

　　

摘要

自闭症谱系障碍在遗传、神经生物学和临床表型层面存在显著异质性，这为揭示其机制及实现临床应用带来了巨大挑战。本综述总结了利用数据驱动方法分析自闭症谱系障碍异质性的最新进展，重点探讨了三大互补维度：神经层面、行为层面以及跨诊断亚型。在神经影像学方面，通过功能连接性和大脑结构等特征的研究，人们已确定两种核心神经亚型，分别以神经活动增强和减弱为特征。这两种神经亚型在时间动态、空间结构以及网络层级上存在差异，且与特定的症状表现和认知功能密切相关。在行为层面，数据驱动方法能够根据严重程度和功能损害程度对表型进行分类，并进一步揭示其与神经回路之间的关联。跨诊断研究显示，自闭症谱系障碍与常共存的疾病具有相似的神经生物学基础和认知内表型。总体而言，这些研究结果表明行为亚型与神经亚型之间并不存在简单的一一对应关系，更符合多对一、一对多或多对多的映射关系，而这些映射最终都指向整体功能损害这一核心问题。尽管取得了这些进展，但仍存在诸多挑战，包括样本异质性、方法一致性不足，以及分类模型与维度模型的整合问题。未来的研究应注重大规模样本、多中心协作、纵向研究设计以及跨诊断框架的构建，同时通过干预反应进行反向验证，从而为基于机制的个性化评估和干预提供有力依据。