中央研究院分子生物研究所特聘研究員薛一蘋，與資訊科學研究所副研究員王建堯團隊，在國科會及中研院長年支持下，成功開發出「全腦自動腦區校正定量分析(Brain Mapping with Auto-ROI correction, BM-auto)」系統。該研究利用此系統分析自閉症模式小鼠的全腦迴路，首度證實「嗅覺皮質」在自閉症病理機制中扮演核心角色，這項科研成果已正式發表於國際權威期刊《Molecular Psychiatry》。

圖一 : 左起)中研院分子生物研究所許璨庭博士、生科處處長楊台鴻、中研院分子生物研究所特聘研究員薛一蘋、資訊科學研究所副研究員王建堯

AI深度學習驅動：BM-auto系統突破傳統瓶頸

為解決全腦神經迴路過於複雜且分析耗時的難題，研發團隊歷時7年建構BM-auto系統。該系統的技術核心在於導入了AI深度學習技術，利用過去5年累積蒐集的基準真相(Ground truth)數據資料進行訓練。透過自動化的AI成像辨識，研究人員能迅速從鼠腦樣本處理、全腦螢光影像掃描到定量分析，精準辨識出全鼠腦500多個腦區，獲取極具可靠性的量化數據，大幅提升了腦科學研究的效率。

圖二 : 全腦自動腦區校正定量分析系統

加速檢測效率：量化分析全腦神經投射

這套系統與特殊螢光標定技術結合，展現出強大的加速檢測優勢。相比傳統手動校正的繁瑣程序，BM-auto系統能自動且快速地分析全鼠腦神經細胞的軸突投射與神經活性。團隊曾於2024年利用此技術發表有關杏仁核的分析，而此次進一步優化性能後的AI成像系統，更展現了在極短時間內處理海量影像數據的能力，為後續比對正常腦區與病灶提供了穩固的技術支撐。

鎖定共同病灶：嗅覺皮質神經細胞顯著下降

研究團隊透過BM-auto系統完成三種具代表性的自閉症小鼠影像定量分析，並將數據與美國艾倫腦科學研究所(Allen Institute for Brain Science)的正常小鼠資料庫進行比對。結果發現，這三種自閉症模式小鼠皆存在共同的病理特徵：嗅覺皮質中的特定投射神經細胞數量顯著下降。這項發現精確鎖定了自閉症在全腦連結體中的具體異常區域，揭示了神經迴路缺陷的源頭。

功能性連結弱化：嗅覺辨識障礙影響社交行為

研究進一步證實，雖然自閉症小鼠仍保有基本的嗅覺感應能力，卻失去了「分辨氣味異同」的能力。透過AI系統分析嗅覺皮質與其他腦區間的功能性連結，團隊發現自閉症小鼠在接受氣味刺激時，各腦區的神經活性普遍低於正常小鼠。更重要的是，當研究人員以化學遺傳方法抑制正常小鼠的嗅覺皮質活性時，小鼠隨即出現不愛社交的自閉症傾向，顯見該區域異常會連帶影響整體社會行為。

人鼠嗅覺皮質具高度參考價值

儘管人類與小鼠在嗅覺感知的靈敏度與習慣上存在差異，但薛一蘋表示，許多神經科學證據顯示人類的嗅覺皮質同樣存在相同的運作機制。她強調，雖然感官表現型態不同，但底層的神經迴路構造與功能邏輯具有高度一致性，因此她非常有信心將此次小鼠的研究結果作為人類自閉症病理研究的重要參考。

智慧醫療展望：廣泛應用於多種腦部疾病分析

BM-auto系統的建立不僅是本次研究的一大亮點，更代表了腦部疾病分析進入了AI影像處理的新紀元。這項結合AI成像系統與自動化定量的技術，不僅是目前研究自閉症的利器，未來更有潛力廣泛應用於其他複雜的腦部疾病分析。