分类
加州大学圣地亚哥分校新闻

神经影像学分析的新方法

brain images

加州大学圣地亚哥分校医学院的一组神经科学家应用了一种神经成像方法,他们认为这种方法将重振许多大脑研究人员的工作。

他们的工作发表在《大脑皮层》杂志上,概述了一种使用神经影像学数据来预测认知和行为变量元素的方法。该技术涉及检查广泛使用的大脑磁共振图像(MRI),以找到与各种行为的关联,然后将这些关联的预测应用于独立的看不见的样本。

加州大学圣地亚哥分校医学院放射学系的博士后Carolina Makowski博士解释说,研究人员通常使用MRI来检查大脑的特定结构,以确定它们在行为或能力中的作用,包括短期记忆,解决问题的能力或广泛的认知功能。

该论文的第一作者和通讯作者Makowski表示,该小组的工作显示了一种普遍持有的信念,即除非该研究包括数千名参与者,否则神经影像学研究无法产生有意义的结果。

“并不总是有成千上万的人,”Makowski说。“有很多研究和资助都是基于较小的数据集。

研究小组发现,正确使用多变量方法产生了令人满意的结果,研究涉及的参与者只有几十人。根据Makowski的说法,典型的神经影像学研究是从单变量分析开始的,这些分析测试了大脑中的一个点与一种行为之间的相关性或关联性。“在这种情况下,是的,你可能需要数千名参与者参与这项研究。

她解释说,多变量研究采用一种关联模式。此外,Makowski表示,该小组通过关注基于任务的功能性MRI数据,看到了相关性和关联的最大影响。“对于一项利用工作记忆过程的任务来说,这尤其强大,”她说。“这些任务激活模式可以预测一般认知,也可以预测实际上是任务一部分的相关行为。

合著者、加州大学圣地亚哥分校认知科学、精神病学和放射学教授、人类发展中心主任Terry L. Jernigan博士补充说,该团队能够通过使用多变量分析方法“训练和调整”大型数据集,从较小的数据集中获得良好的结果。为了进行训练,该团队使用了青少年大脑认知发展(ABCD)研究数据库,该数据库是来自约12,000名9岁和10岁儿童的MRI纲要。

“当有很多特别结构良好的数据与我们希望预测的复杂结果相关时,我们可以使用多变量方法(顺便说一下,这些方法通常被称为人工智能)来’训练’大型数据集,”杰尼根说。她补充说,在大型数据集中“调整”选择关系在应用于小型研究时可以提高预测能力。

Makowski补充说,一般来说,训练样本越大,实际研究就越小,但即使是训练样本也不一定需要包括成千上万的人,如果你一开始就有很强的效果。

“因此,在预测一般认知时,如果你在训练样本中有5000个孩子,你可以从与工作记忆相关的大脑激活中预测认知,而复制中只有40个孩子。即使在训练样本中的100个孩子中,我们仍然能够很好地预测认知,只有60个孩子使用这些相同的大脑激活模式进行复制,“她说。

资深和共同通讯作者、加州大学圣地亚哥分校神经科学、精神病学、认知科学和数据科学教授Anders M. Dale博士表示,该小组的方法将帮助科学家挖掘ABCD数据库的全部潜力,使他们能够专注于与不同健康结果相关的猛犸象研究的较小部分。

“ABCD首先如此之大是有原因的,”他说。“这真的是因为你希望能够看到一部分人的影响。我们想看看物质使用结果,精神病学结果,痴呆。这就是它以这种方式设计的原因。

Dale补充说,当辅以其他类型的分析(例如遗传学研究或其他类型的成像)时,小样本方法的预测能力可以被放大。

共同作者、加州大学圣地亚哥分校医学院神经科学系研究员蒂姆·布朗(Tim Brown)博士表示,该小组的发表很重要,因为它重新打开了世界各地的大脑研究人员认为被2022年一篇论文所关闭的大门,该论文声称只有非常大的数据库才能产生有价值的结果。

“你有一大堆资助获得者,他们的研究中没有成千上万的人,”他说。“他们突然被告知:’你不能做可重复的工作。我们在这里展示的是,可重复的全脑关联研究不需要成千上万的人。

除上述人员外,还有:加州大学圣地亚哥分校多模态成像与遗传学中心和认知科学系的Weiqi Zhao;Donald J. Hagler Jr.,加州大学圣地亚哥分校多模态成像和遗传学中心和放射学系;Pravesh Parekh,挪威奥斯陆大学奥斯陆大学医院和临床医学研究所心理健康和成瘾部;Hugh Garavan,精神病学系, 佛蒙特大学;托马斯·尼科尔斯(Thomas E. Nichols),牛津大学纳菲尔德临床神经科学系。

青少年大脑认知发展 (ABCD) 研究得到了美国国立卫生研究院 (NIH) 和其他联邦合作伙伴的支持,奖励编号为 U01DA041048、U01DA050989、U01DA051016、U01DA041022、U01DA051018、U01DA051037、U01DA050987、U01DA041174、U01DA041106、U01DA041117、U01DA041028、U01DA041134、U01DA050988、U01DA051039、U01DA041156、U01DA041025、U01DA041120、U01DA051038、U01DA041148、U01DA041093、U01DA041089、U24DA041123 和 U24DA041147。此外,这项工作还得到了美国国立精神卫生研究所(授予卡罗莱纳·马科夫斯基K99MH132886)的支持,欧盟根据玛丽·斯克沃多夫斯卡-居里(Marie Skłodowska-Curie)资助协议下的地平线2020研究和创新计划(授予Pravesh Parekh的801133号)和挪威研究委员会(授予Pravesh Parekh的324252号)。

利益冲突声明:Anders Dale 报告说,他是 CorTechs Labs, Inc. 的创始人并持有其股权,并在其科学顾问委员会任职。他是Human Longevity, Inc.科学顾问委员会的成员。他通过GE医疗向加州大学圣地亚哥分校(UC San Diego)提供的研究资助。这些安排的条款已由加州大学圣地亚哥分校根据其利益冲突政策进行审查和批准。Dale 还报告说,他是以下研究联盟的成员:阿尔茨海默病遗传学联盟 (ADGC);通过荟萃分析增强神经影像遗传学 (ENIGMA);前列腺癌协会小组调查基因组中与癌症相关的改变(实用);精神病学基因组学联盟 (PGC)。所有其他作者均声明无利益冲突。

并不总是可以拥有成千上万的人。有很多研究和资助都是基于较小的数据集。

Carolina Makowski博士

新闻旨在传播有益信息,英文版原文来自https://today.ucsd.edu/story/a-new-approach-to-neuroimaging-analysis