第三届北京大学脑研究国际论坛举办

2019年11月8-10日，“第三届北京大学国际脑研究论坛” （Third Peking University Brain Research Summit Forum）在北京大学医学部会议中心举行，会议主题为“高新技术在脑科学及临床医学的应用”。此次论坛由北京大学医学部主办，北京大学医学部医学技术研究院、北京大学第三医院、北京大学航天临床医学院联合承办，北京大学公共卫生学院、磁共振设备与技术北京市重点实验室、北京大学—航天中心医院航天医学科技创新中心等单位协办。

马克斯普朗克脑科学研究所Moritz Helmstaedter教授、北德州大学医学院Kunlin Jin教授、慕尼黑工业大学Behrooz Hooshyar Yousefi副教授、Kuangyu Shi副教授、剑桥大学Emanuele Di Angelantonio教授、Stephen Kaptoge博士、帝国理工大学Daqing Ma教授、Charlotte Lynne Bevan教授、Sadaf Ditri教授、Hector Charles Keun教授、莱斯特大学Toru Suzuki教授、伦敦大学学院Indran Davagnanam博士、Ashwami Jha博士、中国科学院自动化研究所蒋田仔研究员、大连医科大学刘爱连教授、复旦大学附属华山医院耿道颖教授、北京大学韩鸿宾教授、杨军教授、武阳丰教授、高培研究员、姚晨教授、唐迅副教授、李宏田副研究员等来自海内外的专家学者出席，吸引全国各地近500人次参会。

会议分为开幕式及3个分论坛，11月8日，外科智慧医疗与AI技术应用论坛拉开帷幕，论坛主题为“智慧医疗与人工智能技术在现代外科领域的转化应用与前沿进展”，主旨是“科学、科普和科创”。展示了人工智能、全息影像、机器学习等AI研究在各个医学学科的场景应用，让大家对智慧医疗有了更全面和更深入的认识，为今后开展智慧医疗的应用提供了引领。并聚焦智能医疗机器人、智慧健康领域的前沿研究，挖掘医疗机器人产业的细分领域蓝海，促进医疗与AI技术的相互交叉与智慧碰撞。

11月9日上午，开幕式以促进合作与交流为宗旨，追踪国际上神经科学领域医学技术研究的最前沿，探索中枢神经系统疾病中细胞微环境损伤的研究现状，并重点探讨脑细胞微环境成像相关神经科学及医学技术的未来发展方向。会议议题围绕脑科学研究，深入探讨医学尤其是神经科学的前沿技术及其应用。北京大学医学部医学技术研究院常务副院长、磁共振成像设备与技术北京市重点实验室主任韩鸿宾教授，马克斯普朗克脑科学研究所Moritz Helmstaedter教授，德国马尔堡佩利普斯大学、慕尼黑工业大学Behrooz Hooshyar Yousefi副教授，中国科学院自动化研究所蒋田仔研究员，北德州大学医学院Kunlin Jin教授在9号会议中分别就各自研究成果与大家进行了分享与讨论。

随后，健康数据科学转化研究合作平台论坛举行。论坛主题为“健康医疗数据的集成与转化”，国内外众多知名学者应邀出席了本次论坛，并围绕如何利用多种类型的健康医疗数据解决临床问题、完善公共卫生服务等议题展开讨论，共同促进跨学科多领域的国际合作。

11月10日，会议最后一个分论坛，航天医学与医工结合论坛举行，论坛以“跨界、融合、创新、引领”为主题，围绕航天医学发展、医工结合等诸多议题展开研讨。航天医学作为特种医学，对发展载人航天事业起到重要的保障作用，航天技术的发展也极大推动了航天医学的发展，医工结合为航天医学与工程技术学科提供了“交互”平台，对推动科技创新发展、催生重大原创性成果起到重要的驱动作用。fMRI创始人，来自日本东京的Seiji Ogawa 教授，德国慕尼黑工业大学Behrooz Yousefi副教授及Kuangyu Shi副教授及航天中心医院杜继臣教授等就各自的研究成果进行分享与讨论。

第三届北京大学国际脑研究论坛的举办，为与会者提供前沿医学进展的同时，加强了北大与世界顶级学术机构的交流，宣传了我国科学家的优秀原创成果，并切实促成了相关合作。在前三届论坛成功举办的基础上，北京大学未来将持续举办此论坛，以期将其打造为北大医学成果的宣传及国际合作孵育平台。

部分专家的汇报及分享如下：

在会议开幕式中，韩鸿宾教授代表论坛主席团向来自世界各地的顶级科学家，以及来自中国34省市地区的医学工作者表示欢迎。会上他回顾总结了北京大学医学部医学技术研究院的发展成长之路，并对远道而来的国际嘉宾、来自高校、研究机构和企业的各位授课教师表示敬意和感谢，祝大家在未来可以学习进步，学有所成，更好的为病人服务，同时也预祝国际论坛顺利举办！

韩鸿宾致辞

韩鸿宾围绕脑细胞微环境成像相关技研究进行了主题演讲。韩鸿宾教授团队研究并发明了新型成像分析方法，对以往业界尚未充分认识的脑内超微结构空间（脑细胞外间隙）及其内容的类淋巴组织液的引流机制进行了系列解密和开发利用的研究工作：阐明了类淋巴组织液在脑内的引流途径，发现类淋巴组织液分区引流现象，确认并证实导致脑细胞外间隙结构空间分区分隔的结构基础，由此发现并证实了髓鞘的新功能：对脑内类淋巴组织液引流起到匝道、引导或屏障分区阻隔的重要作用。在新发现和新理论假说的基础上，进一步建立了经细胞外间隙途径给药的脑病治疗新方法。目前新方法、新发现和新理论已逐步在脑病新药研发、航天、人工智能、发育、衰老、脑病诊治基础和临床研究等前沿方向或领域得到实际应用。

Moritz Helmstaedter对使用神经系统中连接组学的研究进展进行了介绍。Moritz教授提出，运用新颖的电子显微镜技术和基于机器学习的数据分析，有可能在更大范围内获取神经元网络图谱。他希望使连接组学可以成为神经科学的高通量筛选技术，可以通过使用连接组学来发现大脑实现的算法，将感觉体验映射到大脑中的神经网络，并研究精神病模型中的连接组改变。

Moritz Helmstaedter

Behrooz Hooshyar Yousefi围绕阿尔茨海默病和帕金森病的PET放射性药物诊断、现状和未来展望做了精彩报告。他表示大多数神经退行性疾病（NDD）由病原性神经蛋白，尤其是淀粉样蛋白β（Aβ），tau和α-突触核蛋白的沉积所引起，如阿尔茨海默氏病（AD）很有可能由Aβ和tau的聚集引起。核医学成像可通过使用Aβ-PET和Tau-PET帮助诊断阿尔茨海默氏病。他还介绍了本课题组一种新合成的诊断探针——DABTA，一种创新性的小分子，作为敏感、选择性和特异性示踪剂，适用于核医学成像对β-核糖核病的可视化和定量。

Behrooz Hooshyar Yousefi

蒋田仔主要聚焦人类脑网络组图谱及其在脑认知和脑疾病中的应用。系统总结了人类脑组基因组图谱的进展，分享了其生物学基础以及在神经科学和脑部疾病中的实际应用。

蒋田仔

Kunlin Jin介绍了血清外来体作为炎症介质对中风预后的影响。他表示外来体在与年龄有关的疾病中的新兴作用对循环外来体具有诊断和治疗潜力。通过实例论证进行全面剖析，表明循环血清外体作为炎症介质可以影响缺血性卒中的预后，该研究为临床脑卒中提供了新型的预后评估手段，极大地推进脑卒中疾病的诊治。

Kunlin Jin

在“北大医学”健康数据科学转化研究合作平台国际论坛上，北京大学公共卫生学院高培教授对应邀参加论坛的专家学者进行介绍，阐明此次论坛的构建及在数据整合、图像处理、人工智能等方面的应用，表达了对“健康医疗数据的集成与转化”议题的支持以及合作意愿。

高培致辞

Emanuele Di Angelantonio教授通过介绍剑桥大学心血管研究中的三个步骤，分别是科学探索、流行病学地应用治疗及临床评估，向我们展示了将分子科学与健康记录联系起来的必要性。再者，近年来种群生物资源及后基因组分析工具的迅速成熟也为这种连接提供了可能性，并认为更大的跨学科交流合作、人口数据的整合将会极大的促进人们对心血管疾病的认识、预测和预防。

Emanuele Di Angelantonio

Toru Suzuki教授报告的主题为“心血管表型组学——组学与临床数据科学的结合”，通过肠道微生物与心脏病发病风险的例子向我们介绍了精准医疗目前的诉求——一个能够推动并严格检测精准医疗的广泛项目，使其最终能为临床实践提供基础的指导证据。通过将组学与临床数据进行整合，把基因风险、表型风险及临床结局联系起来构建风险模型，相信这种模型将更好的预测疾病，推动精准医疗向前迈进。

Toru Suzuki

武阳丰教授分享的内容为如何运用大数据和真实世界研究，推动未来新型医疗产品临床开发。他回顾了多项真实世界证据推动药物临床应用的研究，告诉我们除了传统随机对照试验，同样可以从真实世界获得高质量证据，随后他介绍了真实世界数据、真实世界证据的概念和来源，以及真实数据研究可以提供的证据类型，他强调了运用真实世界数据产生真实世界证据的过程中存在的挑战，如非标准化数据，缺失数据等等，同时也提出快速发展大数据分析为未来解决这些问题提供了可能。

武阳丰

Indran Davagnanam博士介绍了如何使用高维机器学习对卒中进行重分类。他指出缺血性卒中的功能紊乱和结构损伤均有其规律，并非随机，从而能够产生可供分析的数据集。他讲解了如何对数据进行预处理，以保证最大化预测和推理的准确性，建立模型和运用大样本数据对模型进行优化，以增加模型的外推性。传统研究仅考虑2个维度，而高维机器学习可以读取上千个独立样本的图片像素，纳入50个维度，从而显著增加分类的准确性。他期待高维机器学习的方法能够被应用到更多的临床实践中，为临床医生作出更为精准的医疗决策提供助力。

Indran Davagnanam

Stephen kaptoge博士的研究重点是利用人群特定的常规数据对风险模型进行再校正，以提高心血管疾病风险评估的准确性。他指出由于心血管疾病发病风险可能因人群而异，基于一个人群建立的风险模型可能不直接适用于另一个人群，而重新校准能够解决结果不准确的问题，并提高研究效率。该团队近期还开发了新的世界卫生组织心血管疾病风险预测模型，利用现有的常规特定人群数据对全球21个区域的心血管疾病风险进行了重新校准，以便更准确地估计心血管疾病风险。该类模型简单易用，在多国的广泛使用促进了降低全球心血管疾病负担工作的持续推进。

Stephen kaptoge

Ashwani Jha博士报告围绕的主题是“癫痫猝死的预测”。他指出在人群中有一部分人在癫痫二次发病时会发生猝死，而另一部分人却不受影响，这种现象促使我们构建预测模型来确定高危人群。在这种实践中他们共整合了4项病例对照研究研究并构建了预测模型，但问题是缺失值并不随机。接着他介绍了一个工具软件Stan MCMC帮助我们更好的进行个体化预测，同时他还指出通过量化确定性、定制模型、记录概率等方式使工具更具有实用性和可靠性。

Ashwani Jha