问题——如何从海量影像数据中抓住“大脑联通的关键变化” 随着神经影像技术和开放数据平台发展，研究者能够构建覆盖数百个脑区的功能连接网络，观察脑区活动如何同步、如何协同。然而，网络越复杂，解读越困难：哪些结构变化只是个体差异，哪些反映健康衰老的规律，又有哪些与自闭症谱系障碍等神经发育状态有关？传统统计指标常难以同时兼顾“全局形态”和“局部细节”，也难以不同尺度之间建立一致的描述框架。 原因——以数学拓扑刻画“形态”，为神经网络提供可比较的结构语言 研究团队引入拓扑数据分析中的持久同调等工具，将功能连接网络视为可随阈值变化的“形态对象”，用一组稳定的拓扑指标刻画其结构特征。与单一相关系数或局部节点指标相比，这个方法强调结构在不同尺度上的“持续性”和“稳健性”，有助于从噪声与个体差异中提取更具普适意义的模式。相关成果发表于《Patterns》期刊。 影响——从全脑到网络再到脑区，发现差异并非均匀发生 一是全局尺度呈现年龄与自闭症状态的不同“拓扑指纹”。研究显示，青年组大脑功能网络的拓扑特征更复杂、存续更久，提示其全局组织更具多样性与稳定性。与正常发育人群相比，自闭症谱系障碍人群在部分全局拓扑指标上表现出差异：整体不确定性指标更高，但与一维结构相关的持续性偏弱，提示其网络组织方式可能存在不同的整合路径。 二是介观尺度指向差异集中于特定静息态网络。研究将大脑划分为七个主要静息态网络后发现，衰老影响更明显地集中在躯体运动网络、背侧注意网络、显著/腹侧注意网络及默认模式网络等系统；自闭症相关差异则主要落在躯体运动网络、显著/腹侧注意网络和默认模式网络。该结果表明，大脑连接性的全局变化往往由关键功能系统的重构“牵引”，并非在全脑均匀扩散。 三是局部尺度给出可更验证的候选脑区线索。研究在不同数据集中比较不同人群的“节点持续性”后发现，健康青年与健康老年之间存在多处脑区的显著差异，整体呈现青年组高于老年组的趋势；而在自闭症谱系障碍与正常发育对照之间，也观察到若干脑区存在显著差异，并呈现自闭症谱系障碍组更高的特点。研究认为，这些局部差异为理解特定脑区在网络重组中的角色提供了更精细的入口。 对策——推动数学方法与临床研究协同，服务可解释、可转化的神经科学 业内人士指出，方法创新的价值不仅在于“检测到差异”，更在于差异能否转化为可复核、可解释的生物学结论。下一步工作可从三上推进：其一，加强跨数据集、跨扫描参数、跨人群结构的重复验证，提升结论可比性与稳健性；其二，将拓扑指标与行为量表、认知测评、遗传与发育信息等联合建模，建立从结构特征到功能表现的解释链条；其三，面向临床应用需求，形成可操作的分析流程与质量控制规范，降低方法门槛，使其更好服务多中心研究。 前景——为无创脑刺激等干预策略提供“网络靶点”参考 研究提出，拓扑数据分析提供的多尺度视角有望帮助锁定与衰老或自闭症相关的关键网络与脑区，从而为无创脑刺激等干预手段提供潜在作用靶点的筛选思路。未来若能在纵向随访、干预前后对照研究中验证这些指标对疗效预测与机制解释的能力，或将推动从“描述差异”走向“指导干预”的跨越。同时，随着数据规模扩大与算法工具成熟，数学与神经科学之间的接口有望进一步拓宽，为理解大脑连接的动态规律提供新的通用框架。
人类对大脑的探索从未停止，数学与神经科学的交叉融合正为我们打开新的大门。这项研究不仅揭示了大脑运作的深层规律，也为脑疾病的精准诊疗带来希望。在科技快速发展的今天，跨学科合作将成为破解生命奥秘的关键。