女性大脑在怀孕及产后会发生显著变化，其中产后抑郁症影响全球10%-20%的母亲，但这一领域的研究长期严重不足。加州大学圣塔芭芭拉分校电子与计算机工程系助理教授Nina Miolane近期获得陈-扎克伯格倡议（CZI）100万美元资助，开展名为"母体大脑AI模型"的研究项目。该研究旨在揭示妊娠和育儿过程中大脑变化机制，并为解析产后抑郁等健康问题提供新视角。
"获得这项资助令人倍感荣幸。母体大脑是重要却被忽视的科学领域，我们希望为其研究注入应有的严谨性。"Miolane表示。作为几何智能实验室负责人，她同时担任全美安·S·鲍尔斯女性脑健康倡议（WBHI）AI方向联合主任。WBHI官网指出，当前神经科学研究多以男性身体为基准，严重忽视月经周期、避孕药、妊娠、更年期等与全球半数人口相关的生理特征。
项目核心是鲍尔斯WBHI母体大脑项目（MBP）数据集，这是全球首个追踪美国和西班牙初产妇从受孕前至产后两年神经解剖变化的多模态数据库。该数据集包含认知评估、生殖健康和蛋白质组学等数据，为突破性AI研究奠定基础。"这些数据驱动的洞察与AI技术的结合，将革新我们对孕产妇心理健康的理解——这是亟待解决的公共卫生优先课题。"项目摘要强调。
研究团队通过AI预测大脑未来状态，并用实证测量验证预测。他们结合几何智能技术创建动态3D脑模型（即"图谱"），该模型可随激素水平、生理参数和人口统计学特征变化进行调整。配套的交互式网页应用允许用户通过滑动条调节孕周或激素水平，实时观察大脑结构和功能变化。"这些模型不仅能识别大脑演变模式，预测产后抑郁等状况，还将揭示群体差异。"Miolane解释说。
研究团队在西班牙与Susanna Carmona教授和Magdalena Martinez-Garcia研究员合作，收集了包含数百名女性脑部影像和抑郁评估问卷的数据集。他们整合两组数据：一组包含10名女性（含Miolane本人）在孕期及产后每两周采集的脑部影像，另一组虽仅采集两次数据但覆盖数百名参与者。"通过这种互补式数据整合，我们才能构建完整的模型。"Miolane指出。
面对神经影像学数据量有限的挑战（通常AI模型需要数百万张图像），研究团队专门开发了针对小数据集的机器学习方法。同时，他们将模型可解释性和消除算法偏见作为重点，通过数据加权等技术确保预测结果对不同群体的准确性。"我们会首先评估模型是否存在群体差异，再应用成熟技术修正偏差。"Miolane强调。
研究已揭示海马体、杏仁核和下丘脑等15个脑区体积随孕期变化的规律。未来计划开发可视化工具，允许用户输入"显示12个月后大脑状态"或"高激素水平时大脑形态"等指令，实时观察记忆、学习等功能相关脑区的动态演变。"这个交互界面将成为探索大脑深层功能的窗口，我们希望最终为孕妇提供每周更新的教育工具，实现预测性医疗护理。"Miolane展望道。
【全文结束】
