大脑图像（图示）说明了社交互动的大脑表示如何在这个例子中“拥抱”，在神经型和自闭症参与者之间不同。左侧的图像显示了控制参与者中“拥抱”的神经激活;右侧的图像显示了脑后部中线地区近乎没有激活的自闭症组 - 一个有助于“自我”的代表的区域。虽然这些图像显示了群体平均激活模式，但杀人参与者的社会互动的大脑表示足以享受参与者被识别为属于自闭症或对照组的准确性97％。
来自卡内基梅隆大学的研究人员已经开发了脑阅读技巧，使用社会思想的神经表征来预测闭着眼症，以97％的准确性诊断，建立了措施衡量一个人思考，以检测全世界许多儿童和成人的疾病的思考。
匹兹堡 - 精神病疾病，包括自闭症，基于对口头和物理行为的临床评估来表征和诊断。然而，脑成像和认知神经科学都准备好提供强大的先进新工具。
在PLOS中发布，研究组合功能磁共振成像（FMRI）和机器学习技术首先在Carnegie Mellon开发，使用大脑激活模式扫描并解释一个人对物体或情绪思想的内容。以前的工作也表明，具体的思想和情绪在正常的历史上具有非常相似的神经签名，表明脑障碍可能显示思想激活模式中的可检测的改变。
现在，由CMU的Marcel领导的研究团队刚刚使用这种方法来通过检测某些概念在自闭症习惯性大脑中表示的方式来识别自闭症。他们称这些改变“思想标记”，因为它们表示某些思想的脑表征中的异常，这些思想是诊断疾病的疾病。
“我们发现我们可以在他们考虑社会概念时，我们可以判断一个人是否有自闭症，或者不是他们的大脑激活模式。这使我们对理解精神疾病和疾病的全新视角，“D. O. Hebb大学心理学教授在饮食中的人文学科和社会科学学院和闭心神经碱的主要基础上，D. O. Hebb大学教授。“我们不仅仅表明了自闭症的人的大脑可能是不同的，或者他们的激活是不同的，但形成社会思想的方式不同。我们已经发现了自闭症的生物学思想标记。“
对于学习，他的同事们暂时扫描了17名成年人的大脑，高效的自闭症和17名神经典型的控制参与者。要求参与者思考大约16种不同的社交互动，例如“说服”，“崇拜”和“拥抱”。
由此产生的脑格图像表明，控制参与者的社会互动思想明确包括在大脑后部中线地区表现出“自我”的表现形式的激活。
然而，在自闭症组中缺席了自我相关的激活。机器学习算法在FMRI思想标记基于自闭症或非自闭症，基于FMRI思维标记，纯粹是自闭症或非自闭症。
“当被要求思考说服，拥抱或崇拜时，神经典型的参与者将自己置于思想中;他们是互动的一部分。对于那些患有自闭症的人，思想更像是考虑字典定义或观看戏剧 - 没有自我参与，“刚才说。
该研究的含义可以扩展到其他精神疾病，例如自杀或具有强迫性疾病，其中某些类型的思想被改变。通过提供与临床评估结合使用的改变思路的基于脑的衡量标准，这项新的研究可以使临床医生能够更快，更快地诊断，并且更快地实施专注于改变的目标疗法。
“这是一种潜在非常有价值的方法，不仅可以补充目前的精神病评估。它可以识别精神疾病，而不仅仅是通过它们的症状，而是由无法正常运作的脑系统。最终可以使用思想的定量生物学措施来筛选精神疾病，这将测试一系列疾病或疾病，“刚才说。
这种神经科学研究位于两位前锋的先锋：基于行为和神经生物学措施（而不是常规症状），推进了分类和诊断精神障碍的科学使命，并通过评估思想来整合大脑和思想的概念脑功能。
除了只是，研究团队还包括CMU的Vladimir L. Cherkassky，Augusto Buchweitz，Timothy A. Keller和Tom M. Mitchell。国家心理健康研究所提供了这项研究。
作为人工智能和认知心理学的出生地，Carnegie Mellon一直是大脑和行为研究超过50年的领导者。该大学创造了一些第一批认知导师，帮助发展了危险的Watson，在神经计算中创立了一个开创性的博士计划，并完成了理解自闭症的遗传学方面的尖端工作。基于其生物学，计算机科学，心理学，统计和工程的优势，CMU最近推出了一项全球倡议，专注于大脑的结构和活动如何产生复杂的行为。
出版物：Marcel Adam Just，等，“识别社会互动神经表征的自闭症：自闭症的神经认知标志，“Plos一个，2014; DOI：10.1371 / journal.pone.0113879.
图像：Marcel Adam Just等，等。
