讨论与启示
本研究汇集了迄今为止最庞大的MRI数据集，基于生长图表的概念，绘制了典型和非典型人脑发育和老化的图表，在人生百年的范围内界定了大脑发展的里程碑和关键期。孕期17周时，脑体积约为成年期10%，3岁时则达80%成人脑体积。以标准神经影像发育轨迹为参考，评估个体化百分位数。同时，这一百分位数表现出与神经精神障碍及其各类表型显著相关。此外，这一常模评估分数，与原始数据相比，可显著增强影像遗传学研究[65]检测遗传度的效力，这可能是由于GAMLSS模型将众多研究的多样性融合协调一致，从而增加了大规模研究的常模泛化水平。
与儿科生长图表的类比并不意味着脑图表可以立即应用于临床实践，并对病人个体进行定量诊断。即使对于传统的人体测量生长图表(身高、体重和身体指数)，在儿童个体的诊断解释上也仍然存在明显的注意事项和细微差别[66]。同样，未来还需要开展系统化研究来验证脑图表的临床诊断效用。当然，本研究目前的结果已预示了未来非典型大脑结构发展的数字化辅助诊断进展[67]。通过提供特定年龄和性别下的群体参考标准，使用百分位数可以跨越不同生命周期阶段的疾病进行诊疗；而其纵向测量的高稳定性也有助于对疾病转归的诊断，比如MCI到AD的应用，为百分位数在未来进行性神经退行疾病方面的临床应用，提供了一个定量预测或诊断的案例。本研究提供了标准化的脑生长图表和在线工具，为检测临床样本中的非典型脑结构形态，创造了群体参照的量化评估方法。
本研究存在若干局限。首先，即使是在如此大型数据集中，人群仍然存在采样偏差，本研究中的志愿者多来自欧洲和北美人群。遗憾的是，这类偏差在临床和科学研究中很常见，包括人体测量生长图表和遗传研究的基础数据集，也是全球科学界必须解决的不平等问题[68]。在脑图表的研究中，进一步增加MRI研究的种族、社会经济地位和人群多样性，将能绘制出更具有代表性的常模轨线[69,70]，有望在合适常模下增加百分位数精度并加强其相关解释力[26]。其次，数据集的年龄分布是不均匀的，比如胎儿、新生儿和中年(30-40岁)的代表性不足。此外，虽然使用了统计建模方法来减轻特定研究或站点对百分位数影响，但并不能完全纠正研究设计的某些局限性，如临床诊断标准的偏差或变异。通过遵循和人体测量学生长图表的类似逻辑，本研究按生理性别将毕生发展模型进行了分类[71]；已有研究均已证实男性的脑体积绝对值大于女性，但这并不表明在临床或认知结果方面存在任何性别差异，根据自我报告对生理性别和心理性别进行更加详细的区分可以作为未来研究的实验设计考虑之一。最后，脑图表的使用也不能回避对MRI数据质量控制的基本要求。研究表明，在包含了低质量扫描数据的情况下，全脑结构形态MRI表型的GAMLSS模型依然非常稳健，但不应假设其适用于特定区域MRI或功能MRI表型的脑图表建模。因此，MRI数据质量控制仍然是至关重要的基本处理需求。
本研究中主要关注全脑范围、大尺度的脑影像学表型。这主要是因为考虑其在最大的样本、在最广泛的年龄范围内的可行性，受方法、理论和数据共享的限制最少。同时，也提供了局部区域灰质体积的脑图表，证明了脑毕生发展在皮层架构上的异质性，并阐明了这种方法对各种高精度MRI表型的潜在用途。随着越来越多的高质量MRI数据积累、越来越多高时空精度多模态神经影像表型[72]的增加，以及开放式大团队科学研究实践的推进，脑图表将不断迭代更新。这种变化需要开发和使用精准的数据质量控制程序，支撑稳健的脑图表建模。为了促进基于脑参考图表的研究，本团队在www.brainchart.io上提供了交互式工具，可以协助计算毕生发展中的新数据的标准化百分位数，探索这些统计模型的未来研究与转化。