Group differences in resting state functional magnetic resonance imaging connectivity between individuals with autism and typically developing controls have been widely replicated for a small number of discrete brain regions, yet the whole-brain distribution of connectivity abnormalities in autism is not well characterized. It is also unclear whether functional connectivity is sufficiently robust to be used as a diagnostic or prognostic metric in individual patients with autism. We obtained pairwise functional connectivity measurements from a lattice of 7266 regions of interest covering the entire grey matter (26.4 million connections) in a well-characterized set of 40 male adolescents and young adults with autism and 40 age-, sex- and IQ-matched typically developing subjects. A single resting state blood oxygen level-dependent scan of 8 min was used for the classification in each subject. A leave-one-out classifier successfully distinguished autism from control subjects with 83% sensitivity and 75% specificity for a total accuracy of 79% (P = 1.1 × 10−7). In subjects <20 years of age, the classifier performed at 89% accuracy (P = 5.4 × 10−7). In a replication dataset consisting of 21 individuals from six families with both affected and unaffected siblings, the classifier performed at 71% accuracy (91% accuracy for subjects <20 years of age). Classification scores in subjects with autism were significantly correlated with the Social Responsiveness Scale (P = 0.05), verbal IQ (P = 0.02) and the Autism Diagnostic Observation Schedule-Generic's combined social and communication subscores (P = 0.05). An analysis of informative connections demonstrated that region of interest pairs with strongest correlation values were most abnormal in autism. Negatively correlated region of interest pairs showed higher correlation in autism (less anticorrelation), possibly representing weaker inhibitory connections, particularly for long connections (Euclidean distance >10 cm). Brain regions showing greatest differences included regions of the default mode network, superior parietal lobule, fusiform gyrus and anterior insula. Overall, classification accuracy was better for younger subjects, with differences between autism and control subjects diminishing after 19 years of age. Classification scores of unaffected siblings of individuals with autism were more similar to those of the control subjects than to those of the subjects with autism. These findings indicate feasibility of a functional connectivity magnetic resonance imaging diagnostic assay for autism.

Intrinsic or resting state functional connectivity MRI and structural covariance MRI have begun to reveal the adult human brain's multiple network architectures. How and when these networks emerge during development remains unclear, but understanding ontogeny could shed light on network function and dysfunction. In this study, we applied structural covariance MRI techniques to 300 children in four age categories (early childhood, 5–8 y; late childhood, 8.5–11 y; early adolescence, 12–14 y; late adolescence, 16–18 y) to characterize gray matter structural relationships between cortical nodes that make up large-scale functional networks. Network nodes identified from eight widely replicated functional intrinsic connectivity networks served as seed regions to map whole-brain structural covariance patterns in each age group. In general, structural covariance in the youngest age group was limited to seed and contralateral homologous regions. Networks derived using primary sensory and motor cortex seeds were already well-developed in early childhood but expanded in early adolescence before pruning to a more restricted topology resembling adult intrinsic connectivity network patterns. In contrast, language, social–emotional, and other cognitive networks were relatively undeveloped in younger age groups and showed increasingly distributed topology in older children. The so-called default-mode network provided a notable exception, following a developmental trajectory more similar to the primary sensorimotor systems. Relationships between functional maturation and structural covariance networks topology warrant future exploration.

The natural history of brain growth in autism spectrum disorders remains unclear. Cross-sectional studies have identified regional abnormalities in brain volume and cortical thickness in autism, although substantial discrepancies have been reported. Preliminary longitudinal studies using two time points and small samples have identified specific regional differences in cortical thickness in the disorder. To clarify age-related trajectories of cortical development, we examined longitudinal changes in cortical thickness within a large mixed cross-sectional and longitudinal sample of autistic subjects and age- and gender-matched typically developing controls. Three hundred and forty-five magnetic resonance imaging scans were examined from 97 males with autism (mean age = 16.8 years; range 3–36 years) and 60 males with typical development (mean age = 18 years; range 4–39 years), with an average interscan interval of 2.6 years. FreeSurfer image analysis software was used to parcellate the cortex into 34 regions of interest per hemisphere and to calculate mean cortical thickness for each region. Longitudinal linear mixed effects models were used to further characterize these findings and identify regions with between-group differences in longitudinal age-related trajectories. Using mean age at time of first scan as a reference (15 years), differences were observed in bilateral inferior frontal gyrus, pars opercularis and pars triangularis, right caudal middle frontal and left rostral middle frontal regions, and left frontal pole. However, group differences in cortical thickness varied by developmental stage, and were influenced by IQ. Differences in age-related trajectories emerged in bilateral parietal and occipital regions (postcentral gyrus, cuneus, lingual gyrus, pericalcarine cortex), left frontal regions (pars opercularis, rostral middle frontal and frontal pole), left supramarginal gyrus, and right transverse temporal gyrus, superior parietal lobule, and paracentral, lateral orbitofrontal, and lateral occipital regions. We suggest that abnormal cortical development in autism spectrum disorders undergoes three distinct phases: accelerated expansion in early childhood, accelerated thinning in later childhood and adolescence, and decelerated thinning in early adulthood. Moreover, cortical thickness abnormalities in autism spectrum disorders are region-specific, vary with age, and may remain dynamic well into adulthood.

Systematic differences in functional connectivity MRI metrics have been consistently observed in autism, with predominantly decreased cortico-cortical connectivity. Previous attempts at single subject classification in high-functioning autism using whole brain point-to-point functional connectivity have yielded about 80% accurate classification of autism vs. control subjects across a wide age range. We attempted to replicate the method and results using the Autism Brain Imaging Data Exchange (ABIDE) including resting state fMRI data obtained from 964 subjects and 16 separate international sites.For each of 964 subjects, we obtained pairwise functional connectivity measurements from a lattice of 7266 regions of interest covering the gray matter (26.4 million "connections") after preprocessing that included motion and slice timing correction, coregistration to an anatomic image, normalization to standard space, and voxelwise removal by regression of motion parameters, soft tissue, CSF, and white matter signals. Connections were grouped into multiple bins, and a leave-one-out classifier was evaluated on connections comprising each set of bins. Age, age-squared, gender, handedness, and site were included as covariates for the classifier.Classification accuracy significantly outperformed chance but was much lower for multisite prediction than for previous single site results. As high as 60% accuracy was obtained for whole brain classification, with the best accuracy from connections involving regions of the default mode network, parahippocampaland fusiform gyri, insula, Wernicke Area, and intraparietal sulcus. The classifier score was related to symptom severity, social function, daily living skills, and verbal IQ. Classification accuracy was significantly higher for sites with longer BOLD imaging times.Multisite functional connectivity classification of autism outperformed chance using a simple leave-one-out classifier, but exhibited poorer accuracy than for single site results. Attempts to use multisite classifiers will likely require improved classification algorithms, longer BOLD imaging times, and standardized acquisition parameters for possible future clinical utility.

Lateralized brain regions subserve functions such as language and visuospatial processing. It has been conjectured that individuals may be left-brain dominant or right-brain dominant based on personality and cognitive style, but neuroimaging data has not provided clear evidence whether such phenotypic differences in the strength of left-dominant or right-dominant networks exist. We evaluated whether strongly lateralized connections covaried within the same individuals. Data were analyzed from publicly available resting state scans for 1011 individuals between the ages of 7 and 29. For each subject, functional lateralization was measured for each pair of 7266 regions covering the gray matter at 5-mm resolution as a difference in correlation before and after inverting images across the midsagittal plane. The difference in gray matter density between homotopic coordinates was used as a regressor to reduce the effect of structural asymmetries on functional lateralization. Nine left- and 11 right-lateralized hubs were identified as peaks in the degree map from the graph of significantly lateralized connections. The left-lateralized hubs included regions from the default mode network (medial prefrontal cortex, posterior cingulate cortex, and temporoparietal junction) and language regions (e.g., Broca Area and Wernicke Area), whereas the right-lateralized hubs included regions from the attention control network (e.g., lateral intraparietal sulcus, anterior insula, area MT, and frontal eye fields). Left- and right-lateralized hubs formed two separable networks of mutually lateralized regions. Connections involving only left- or only right-lateralized hubs showed positive correlation across subjects, but only for connections sharing a node. Lateralization of brain connections appears to be a local rather than global property of brain networks, and our data are not consistent with a whole-brain phenotype of greater "left-brained" or greater "right-brained" network strength across individuals. Small increases in lateralization with age were seen, but no differences in gender were observed.

Since the impairments associated with autism spectrum disorder (ASD) tend to persist or worsen from childhood into adulthood, it is of critical importance to examine how the brain develops over this growth epoch. We report initial findings on whole and regional longitudinal brain development in 100 male participants with ASD (226 high-quality magnetic resonance imaging [MRI] scans; mean inter-scan interval 2.7 years) compared to 56 typically developing controls (TDCs) (117 high-quality scans; mean inter-scan interval 2.6 years) from childhood into adulthood, for a total of 156 participants scanned over an 8-year period. This initial analysis includes between one and three high-quality scans per participant that have been processed and segmented to date, with 21% having one scan, 27% with two scans, and 52% with three scans in the ASD sample; corresponding percentages for the TDC sample are 30%, 30%, and 40%. The proportion of participants with multiple scans (79% of ASDs and 68% of TDCs) was high in comparison to that of large longitudinal neuroimaging studies of typical development. We provide volumetric growth curves for the entire brain, total gray matter (GM), frontal GM, temporal GM, parietal GM, occipital GM, total cortical white matter (WM), corpus callosum, caudate, thalamus, total cerebellum, and total ventricles. Mean volume of cortical WM was reduced significantly. Mean ventricular volume was increased in the ASD sample relative to the TDCs across the broad age range studied. Decreases in regional mean volumes in the ASD sample most often were due to decreases during late adolescence and adulthood. The growth curve of whole brain volume over time showed increased volumes in young children with autism, and subsequently decreased during adolescence to meet the TDC curve between 10 and 15 years of age. The volume of many structures continued to decline atypically into adulthood in the ASD sample. The data suggest that ASD is a dynamic disorder with complex changes in whole and regional brain volumes that change over time from childhood into adulthood.

Motivation: Heterogeneity of neuroimaging findings remains a challenge to identify specific brain-related phenotypes in ASD. Quantitative metrics of individual deviation across brain measurements are needed for parsing variation and identifying individuals who may or may not have abnormal brain structure. Goal(s): This study aims to quantify individual brain differences in individuals with and without ASD. Approach: We investigated the Mahalanobis distance to characterize multidimensional brain measures of microstructure in individuals with and without ASD in a set of white matter regions. Results: We found multivariate Mahalanobis distance is superior to univariate comparisons at distinguishing between individuals with and without ASD. Impact: Normative modeling and multivariate approaches may provide informative metrics for parsing heterogeneity in the multivariate patterns of brain development in autistic individuals.

Importance Traumatic brain injury (TBI) is a leading cause of death and disability in children, and predicting functional outcome after TBI is challenging. Magnetic resonance imaging (MRI) is frequently conducted after severe TBI; however, the predictive value of MRI remains uncertain. Objectives To identify early MRI measures that predict long-term outcome after severe TBI in children and to assess the added predictive value of MRI measures over well-validated clinical predictors. Design, Setting, and Participants This preplanned prognostic study used data from the Approaches and Decisions in Acute Pediatric TBI (ADAPT) prospective observational comparative effectiveness study. The ADAPT study enrolled 1000 consecutive children (aged &amp;lt;18 years) with severe TBI between February 1, 2014, and September 30, 2017. Participants had a Glasgow Coma Scale (GCS) score of 8 or less and received intracranial pressure monitoring. Magnetic resonance imaging scans performed as part of standard clinical care within 30 days of injury were collected at 24 participating sites in the US, UK, and Australia. Summary imaging measures were correlated with the Glasgow Outcome Scale–Extended for Pediatrics (GOSE-Peds), and the predictive value of MRI measures was compared with the International Mission for Prognosis and Analysis of Clinical Trials in TBI (IMPACT) core clinical predictors. Data collection, image analysis, and data analyses were completed in July 2023. Exposures Pediatric severe TBI with an MRI scan performed as part of clinical care. Main Outcomes and Measures All measures were selected a priori. Magnetic resonance imaging measures included contusion, ischemia, diffuse axonal injury, intracerebral hemorrhage, and brainstem injury. Clinical predictors included the IMPACT core measures (GCS motor score and pupil reactivity). All models adjusted for age and sex. Outcome measures included the GOSE-Peds score obtained at 3, 6, and 12 months after injury. Results This study included 233 children with severe TBI who were enrolled at participating sites and had an MRI scan and preselected clinical predictors available. Their median age was 6.9 (IQR, 3.0-13.3) years, and more than half of participants (134 [57.5%]) were male. In a multivariable model including MRI measures and IMPACT core clinical variables, contusion volume (odds ratio [OR], 1.13; 95% CI, 1.02-1.26), brain ischemia (OR, 2.11; 95% CI, 1.58-2.81), brainstem lesions (OR, 5.40; 95% CI, 1.90-15.35), and pupil reactivity were each independently associated with GOSE-Peds score. Adding MRI measures to the IMPACT clinical predictors significantly improved model fit and discrimination between favorable and unfavorable outcomes compared with IMPACT predictors alone (area under the receiver operating characteristic curve, 0.77; 95% CI, 0.72-0.85 vs 0.67; 95% CI, 0.61-0.76 for GOSE-Peds score &amp;gt;3 at 6 months after injury). Conclusions and Relevance In this prognostic study of children with severe TBI, the addition of MRI measures significantly improved outcome prediction over well-established and validated clinical predictors. Magnetic resonance imaging should be considered in children with severe TBI to inform prognosis and may also promote stratification of patients in future clinical trials.

Abstract Annually, approximately 3 million children around the world experience traumatic brain injuries (TBIs), of which up to 20% are characterized as moderate to severe (msTBI) and/or have abnormal imaging findings. Affected children are vulnerable to long-term cognitive and behavioral dysfunction, as injury can disrupt or alter ongoing brain maturation. Post-injury outcomes are highly variable, and there is only limited understanding of how inter-individual differences in outcomes arise. Small sample sizes have also complicated efforts to better understand factors influencing the impact of TBI on the developing brain. White matter (WM) disruption is a critical aspect of TBI neuropathology and diffusion MRI (dMRI) is particularly sensitive to microstructural abnormalities. Here we present the results of a coordinated analysis of dMRI data across ten cohorts from three countries. We had three primary aims: (1) to characterize the nature and extent of WM disruption across key post-injury intervals (acute/subacute - within 2 months, post-acute - 2-6 months, chronic - 6+ months); (2) evaluate the impact of age and sex on WM in the context of injury; and (3) to examine associations between WM and neurobehavioral outcomes. Based on data from 507 children and adolescents (244 with complicated mild to severe TBI and 263 control children), we report widespread WM disruption across all post-injury intervals. As expected, injury severity was a significant contributor to the pattern and extent of WM degradation, but explained less variance in dMRI measures with increasing time since injury, supporting other research indicating that other factors contribute increasingly to outcomes over time. The corpus callosum appears to be particularly vulnerable to injury, an effect that persists years post-TBI. We also report sex differences in the effect of TBI on the uncinate fasciculus (UNC), a structure with a key role in emotion regulation. Females with a TBI had significantly lower fractional anisotropy (FA) in the UNC than those with no TBI, and this phenomenon was further associated with more frequent parent-reported behavioral problems as measured by the Child Behavior Checklist (CBCL). These effects were not detected in males. With future harmonization of imaging and neurocognitive data, more complex modeling of factors influencing outcomes will be possible and help to identify clinically-meaningful patient subtypes.

Abstract Background Autism spectrum disorder has been linked to a variety of organizational and developmental deviations in the brain. One such organizational difference involves hemispheric lateralization, which may be localized to language-relevant regions of the brain or distributed more broadly. Methods In the present study, we estimated brain hemispheric lateralization in autism based on each participant’s unique functional neuroanatomy rather than relying on group-averaged data. Additionally, we explored potential relationships between the lateralization of the language network and behavioral phenotypes including verbal ability, language delay, and autism symptom severity. We hypothesized that differences in hemispheric asymmetries in autism would be limited to the language network, with the alternative hypothesis of pervasive differences in lateralization. We tested this and other hypotheses by employing a cross-sectional dataset of 118 individuals (48 autistic, 70 neurotypical). Using resting-state fMRI, we generated individual network parcellations and estimated network asymmetries using a surface area-based approach. A series of multiple regressions were then used to compare network asymmetries for eight significantly lateralized networks between groups. Results We found significant group differences in lateralization for the left-lateralized Language (d = −0.89), right-lateralized Salience/Ventral Attention-A (d = 0.55), and right-lateralized Control-B (d = 0.51) networks, with the direction of these group differences indicating less asymmetry in autistic individuals. These differences were robust across different datasets from the same participants. Furthermore, we found that language delay stratified language lateralization, with the greatest group differences in language lateralization occurring between autistic individuals with language delay and neurotypical individuals. Limitations The generalizability of our findings is restricted due to the male-only sample and greater representation of individuals with high verbal and cognitive performance. Conclusions These findings evidence a complex pattern of functional lateralization differences in autism, extending beyond the Language network to the Salience/Ventral Attention-A and Control-B networks, yet not encompassing all networks, indicating a selective divergence rather than a pervasive one. Furthermore, a differential relationship was identified between Language network lateralization and specific symptom profiles (namely, language delay) of autism.