北京最好白癜风专科医院 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/ 原创KesleyIchikawa神经现实收录于合集#深度
Deep-diving个#神经科学62个#神经技术37个
一个秋天的下午，我在加州大学伯克利分校李嘉诚中心（LiKaShingCenter）观察自己的脑。我刚刚在3T核磁共振扫描仪（3TeslaMRIscanner）中呆了10分钟。那是一台昂贵、维护成本极高，且磁性很强的脑部摄像机。我躺在狭小的舱内，强忍着幽闭恐惧，周身被黑暗和雾号一样的刺耳声音包围。
当时，我还是加州大学神经经济学实验室的研究实习生。那是我第一次从核磁共振成像（magneticresonanceimaging，MRI）扫描中窥见我的脑——一张浮在电脑屏幕黑色背景上的灰度三维重构图。作为神经科学专业的本科生，当时的我欣喜如狂。一个青年科学家初遇一种将不可见变为可见的成像技术，还有比这更令人兴奋的事吗？总之，MRI令我叹为观止。我觉得我不光看到了自己身体的内部，更看到了心智的生物学实体。
如果那张图算得上是一种对自我的描绘，那它可真是奇怪：上面没有我的头发，只有我的头骨、面部轮廓和其内部组织的横截面。我拖动鼠标、浏览脑部的水平切面，我看到了分叉的、树根似的的小脑，许多黑色空隙——那是脑室，还有脑皮层上起伏的脑回，像是沙地中扭动的蛇。
看到我的核磁共振扫描图后，我抑制不住兴奋，开始投入到科学论文里，并研究起这些图：脑的灰度图上有橙色或蓝色的斑点代表着激活增加的脑区。第二年，我加入了哈佛大学的一个实验室，并开始用功能性核磁共振成像（functionalmagneticresonanceimaging，fMRI）技术来研究参与社会决策的脑区。fMRI让我们记录下人们在完成思维任务时，他们的脑在“忙些什么”。那时，我正在完成毕业论文，并将目光投到了认知科学的博士学位上。
那时的我没料到自己就这样陷入了科学界的沼泽之地。的确，fMRI改变了医学。因为有了它，我们才能对病人的脑区进行无创测绘，从而使神经外科手术更为精确、准确[1]，并验证了一些潜在药物对于人脑的药理作用[2]。但众所周知，fMRI在认知和心理科学中的应用是极具争议的。部分原因是这项科技并不能直接测量神经活动，而仅能测量一项替代真实神经活动的指标——含氧血流量。此外，为了将信号和噪声区分开来，该技术所需的数据处理的工作量巨大，而这样的数据处理却依赖于研究人员“酌情”作出的决策。
近些年来，该领域前后应对了包括软件故障[3]、数据误用[4]、研究无法复现[5]在内的各种问题。这些问题让MRI在临床和商业领域的应用情况变得愈加复杂。企业试图将fMRI引进法庭，这样，不管一个人是否讲了真话、是否精神错乱或是经历过伤害，脑图像都能反映出来——我们好像期待从这些脑的血流量图中看到更加深刻、更与人相关的东西。我们找寻着心灵及其纷繁细节中的奥秘，那正是我们的能动力、个性和疯狂之所在。
这个故事关乎我们——科学家和非科学家、媒体工作者和读者——如何在试图理解心智的过程中绘声绘色地讲好脑的故事。当我们说脑的某一部分“亮了起来”，或者说大脑皮层上的某一块是负责社交痛苦（socialpain）的枢纽时，其实这些用词都源于我们所看到的脑影像的样子，而这些影像呈现更多是出于人工选择而非生物学事实。除此之外，我再讲讲我的故事。我曾决心研究群际关系（intergrouprelations）背后的神经机制。如果我们能解开大脑在社会偏见中扮演的角色之谜，某天我们或许就能克服偏见了。MRI则将会照亮这条道路。
-StephanSchmitz-
“把你的胳膊和腿伸开，就像一只海星一样，让我来看看你是不是一个金属机器人。”和我一起扫描的搭档、我的博士后导师威尔（Will）对一名被试志愿者说道。威尔拿一根金属检测棒扫过被试的身体。（fMRI研究需要我们对于任何金属都极其谨慎，这可不是没有原因——哈佛的脑科学神经成像中心[CenterforBrainScienceNeuroimaging]的扫描仪有着3T的磁场，足以将一把办公椅吸进机器里。任何有磁性的东西都会变成致命的抛射体。）
被试在扫描仪的平台上仰卧躺好后，威尔和我扣紧了他头部的线圈——这是一顶笨重的头盔，能发射并接受机器发出的频射脉冲（radiofrequencypulse）。它让我想起一只同样笨重的超级英雄面罩。志愿者们将会执行一项决策任务，他们会重复地操作一架老虎机，老虎机能产生两种类型的经济回报：一种会把钱给他们所支持政党的人，另一种除此之外还会从对立政党的人那里扣钱。我们想知道他是否会展现出对于其中一种回报的偏好。（之后我们计算得出，一些被试更倾向于对对立政党有损的经济回报——他们有对外群体恶意[out-groupspite]的偏好——而这一偏好或许有着对应的神经机制。）
我们在他右手上绑了一个按钮盒，然后我升高了扫描仪的平台，看着他一点一点进入那个磁铁构成的空间内。一回到控制室，威尔就启动了老虎机的游戏。很快，我们就听到高频的蜂鸣声一阵狂响，这说明我们已经开始收集被试脑部的功能性图像了。这有时候看起来很奇怪，我们竟把一个人绑在一个寒冷的、宇宙飞船似的“甜甜圈”里玩一个小时的低分辨率游戏，来研究群际决策的神经生物学基础。不过，这些确然是大多数fMRI实验室研究的局限——一个模拟现实世界特征但又将其高度简化的电脑任务界面、一台记录你血流模式的机器，这就是全部。
MRI测量的是BOLD信号，也就是血氧水平依赖（bloodoxygenlevel-dependent）信号。由于神经元在放电时需要氧气，含氧量高的血液会在此时流到相应的脑区。里克伯恩（RickBorn）帮助我理解了这一过程，他是哈佛医学院的一名神经生物学家，主要使用电生理技术研究视皮层。在实验室的休息室里，他很健谈，散发出科学家谈论自己所在领域时的那股兴奋劲。他在白板上兴致勃勃地画了一张图表，箭头从“神经元放电”（neuralspikes）指向“细胞外场电位”（extracellularfieldpotential），然后指向“新陈代谢增加”，最终指到“血流水平提高”。由于多半时候科学家并不能直接测量人体内的神经元放电（这要打开头骨、直接植入电极才行，这种程序一般只能在动物和诸如癫痫治疗等医疗案件中进行），我们不得不就此满足于fMRI的间接测量。
那么机器是如何监测到富氧血流的呢？答案就藏在原子世界及其量子特性中，准确来说是由于核磁共振——也就是fMRI中的“M”（magnetic，“磁”）和“R”（resonance，“共振”）。当磁场非常强大时，氢质子的方向是一致的；你可以想象成它们都指向一个方向。然后，MRI机器中调好的射频脉冲会打断它们原本的排列，就像当你用手指轻弹摇头玩具一样。摇头玩具会弹回来，氢质子也一样。它们会逐渐“放松”回到原本的排列中。而头骨中氢质子以不同于皮质组织中氢质子的速率放松回弹，正因如此我们才能用数据处理的方式得到解剖结构的图像。
但是fMRI带给我们的不止是解剖结构。带不带“f”可大有不同。医院里做的MRI检查一般是结构性MRI扫描，它能提供肌肉、肌腱、骨骼的高分辨率三维图像，也能突出像肌腱撕裂这种潜在损伤或者癌症之类的疾病。而fMRI捕捉的是我们脑和身体的动态，它能测量和神经元放电及认知紧密相关的血液随时间变化的流动情况。
fMRI这样的功能得益于磁共振中蕴含的复杂原理。每个氢质子都有一种名为“进动频率”（precessionfrequency）的量子特性，也就是旋转自旋（rotatingspin）。频射脉冲不光能把质子击落，还能使它们的自旋相互同步，将它们的进动频率匹配至一种协调的“群舞”状态。脉冲过后，进动频率逐渐回归非同步的状态，而质子也变回直立方向，开始以不同的速率旋转，就像各自独舞的舞者一般。而在脑的富氧血液的磁场中，这一去同步化的过程发生得更缓慢。正是这一自然界事实最终实现了fMRI的功能。也就是说，在富氧血液中的质子更倾向于保持同步，也就比脱氧血中的质子发出的信号更强，这种差异就是MRI扫描仪监测到的BOLD信号了。
最后，fMRI中的“I”代表“成像”（imaging），因为本质上来说，这一过程最终产出的是一段记录脑活动的三维视频。扫描过程中，脑被分成叫作“体素”（voxels，相当于三维上的像素）的小立方体。从每个体素中量化测量出的BOLD信号构成了人脑扫描最终得到的数据。体素的大小从1mm?3;到27mm?3;不等——这对我们来说很小，但对神经元来说可是巨大的规模。毕竟，脑包含了亿个神经元，而一体素的人类脑皮层中就有50万个神经元。这些神经元能做非常多事情——它们使其他神经元变得兴奋或受到抑制，在同一个神经元亚群中就可以存在不同的放电模式——但fMRI能监测到的却只有那一个体素空间上方的富氧血每2s内的净变。这就像尝试从50万个和其他人或是争论、或是意见一致、又或是正在辩论的人中确定出一个关于外交政策的平均意见。
-StephanSchmitz-
威尔和我在扫描了近50个人之后，终于开始处理那些以太字节为单位的数据了。我买了一杯咖啡，戴上耳机，放起“海马体”（HippoCampus）乐队的歌（我觉得这很切题），准备开始在图书馆里的漫漫长夜。我做起了质量控制检查，在我们收集的脑数据中寻找不自然的条纹或是不寻常的亮部。
我用一个特殊的软件来浏览功能性成像的原始数据——那是一段灰黑色的视频，模糊的脑（的各个区域）在其中缓慢搏动。本质上来说，扫描仪给出的原始数据是一个四维矩阵，记录了每个体素在时间轴上的变化。于是，那曾躺在扫描仪里、有生命的、生物学上的脑，现在被转换成了一些用数值表示的时间序列（timeseries）。就和你对着日落按下快门之时一样——相机将有实体的景色转换成了由数字组成的矩阵、像素灰度和颜色。而一旦脑变成了这种能用数字来表示的形式，你就能对它做很多事情了。在计算神经科学家的实验台，也就是电脑和桌面上，我能对数据作变形（warping）、平滑（smoothing）和滤波（filtering）的处理，我们将这一数据分析的阶段称为数据预处理（datapre-processing）。
fMRI是一场在毫米尺度上的较量：哪怕是轻微的头动（headmotion），只要超过3mm，就会导致图像变形，最终无法使用。而预处理能通过数学变换，补偿因脑的弹动、滚动而产生的位移，从而帮助校正头动。预处理也通过拉伸、改变、或缩小体素，将模糊的原始功能性数据进行转换，使之既与被试的解剖扫描结果一致、又和标准脑模板相匹配。
人跟人之间的脑存在很大差异——有些人脑的两个半球有轻微的不对称、有些人枕叶突出，或者总体来说脑的尺寸比较大（正如头盖测量从业者早期注意到的那样）。如果我们不把每一位被试的脑都和模板进行对应，我们永远无法比较研究样本之间的脑活动。
-StephanSchmitz-
我们还用算法对数据作空间平滑处理，即取相邻体素活动水平的平均值，进一步去除噪声。至少，我们认为那是噪声；我们并不想把真实的目标信号过滤掉。这就像在铅笔画上用手轻擦，将阴影晕染开来。这些重塑和校正的步骤使脑图像更清晰、更均匀、边缘不再那么粗糙，不过代价是空间分辨率的降低。
预处理的步骤有无数种，就算有斯坦福的可复现神经科学中心（CenterforReproducibleNeuroscience）带头施行的标准化计划，还是鲜有整个领域都遵循的标准，所以大部分时候还是要取决各个研究者自己的谨慎选择。那些看来无足轻重的决定，包括计算机操作系统、软件或是扫描仪硬件的选择，都会对结果产生关键影响。
马蒂诺生物医学影像中心（AthinoulaA.MartinosCenterforBiomedicalImaging）计算中心的负责人、医院（MassachusettsGeneralHospital）的神经科学家、也是fMRI分析算法的早期先驱者之一布鲁斯菲舍尔（BruceFischl）说：“磁共振的优点在于，它是一项非常灵活的技术。它能产出结构图像、功能图像，甚至绘制出有关神经连接的脑图谱，还能方便我们监测化学物质变化；而灵活性的另一面，则是如何将不同实验室间的图像标准化的难题。”
-StephanSchmitz-
“好吧，希望接下来的分析更顺利。”威尔和我看着黑白色的脑模板（也就是我们所有被试的数据总和），它没有任何颜色——没有表示热度的彩色斑点，也没有可以未来用作感兴趣区（regionofinterest,ROI）的集群。终于，预处理结束后轮到我们上场进行真正的统计学分析了。我们的假设是，根据被试选择的经济回报是否对外群体造成伤害，我们会看到皮质下奖赏环路活动水平的差异。而这可能表明有一种奖赏信号对伤害竞争团体的决定产生了影响。在花了那么多晚对大脑进行扫描、周末在图书馆学习新的编程语言、以及用了那么多小时排除实验装置的故障之后，我曾多么希望我们能看到新的成果——但那些不过是无效结果，是哑弹。但幸运的是，那只是我们的初步分析，虽然我还是有些心灰意冷。
一个普遍的误解是，fMRI研究能告诉我们在特定任务中有哪些脑区是活跃的。但事实上，一切都是相对的。fMRI研究只能告诉我们哪些脑区在一项任务中比在另一项任务中更活跃。换句话说，fMRI分析让我们知道哪一群体素的活动模式（比起其他条件）更能匹配某一特定条件。甚至得益于机器学习之发展的最前沿方法也少不了要分析体素是否包含着能区分不同条件的信息。
fMRI实验中最常见的分析程序，即零假设检验，需要研究人员指定一个统计阈值。而选定统计阈值则决定了什么才能算作显著的体素——也就是哪些体素最终能被染上樱桃红或柠檬黄。正是统计阈值决定了我们得到的是《自然》或《科学》等著名期刊中发表的有意义结果，还是可以胡乱塞到档案柜中的无效结果。
科学家们面临着发表积极结果的压力，尤其是因为，竞争激烈的学术界就业市场把论文发表记录作为衡量科学成就的标准（虽然可重复性危机已经让人们开始注意到这一奖励机制的弊端）。如果一项fMRI研究最终得到的是无效或者平淡无奇的结果，研究者可不是每次都能从头做一遍同一研究的改良版本。MRI实验都非常昂贵和耗时的，比如我自己的实验就需要美元，耗时一年才完成。现在你知道了，研究者可能会被诱惑着，甚至下意识地想“再调一调分析参数吧”，看看能不能从他们耗尽精力得到的数据中找到一些显著的效果。
伯恩说：“显然，fMRI给出的数据不完全是噪声，它是真实的信号，但是它的自由度太高了，你可以不断摆弄数据，以不同的方式过滤数据来得到你想看到的任何结果。”
而这种统计学上的过度问题，也就是“多重比较”（multiple
