我们每个人都是独特的,拥有各自的长处、短处和个性特质。这一点人人都能直觉地理解,但要确定这种个体差异是否以及如何体现在脑活动中,一直很困难。
为此,我和同事分析了通过功能性磁共振成像( fMRI)获取的志愿者脑部影像。该技术通过测量人在清醒且进行思维活动时大脑的血流,来反映神经活动。我们根据每个人大脑不同区域之间同步活动的个体模式,为其计算了一份“功能连接概况”。
事实上,脑活动的起伏变化与指纹相似:每个人都有其独特的特征模式, 据我们的研究显示 ,该研究刚发表于《自然·神经科学》期刊。仅凭每个人的连接概况,我们就能从一个群体中识别出个体。仅基于这些概况,我们还能预测人们在某一类型智力测验中的表现。
以森林换取树木
fMRI是我们以安全且无创的方式研究活体、思考中的人脑时所能采用的最佳工具。然而,fMRI数据以噪声大著称——在任一时刻,许多因素都会影响信号,而其中只有一部分与我们真正关注的脑活动相关。
这就是为什么,传统上,fMRI研究会将许多不同个体的数据进行平均:其思路是,通过找出共同的脑活动模式,我们可以消除大部分噪声,从而得到更接近“真实”信号的结果。本质上,我们将所有个体的信号混合,得到一个能代表整个群体的版本。
研究人员通常会综合多次fMRI扫描的数据,以找出在某些任务中通常活跃的脑区。
John Graner, CC BY
但你无需是脑科学家,也能认识到每个人都是不同的;这种平均化处理很可能掩盖了每个人特有的、有趣的活动模式。而要使fMRI在医学等领域切实有用,我们需要基于单个人的一次扫描获得有意义的信息。
我们着手证明,分析个体的fMRI数据确实可行,方法是表明这些独特的活动模式足够可靠,能够从大群体中识别出个体。
分析个体扫描数据
我们使用了人类连接组计划(HCP)的数据。该计划是一项重大研究工作,旨在收集大量健康人群的脑成像数据,以及行为、人口统计学和遗传信息。目前已发布500人的数据,计划总共收集1200人的数据。所有数据均面向公众开放,因此世界各地的研究人员都可以下载数据、以不同方式进行分析,并从中挖掘有价值的见解。
我们分析了前126名 HCP参与者的数据。每人接受了六次不同的扫描。其中两次扫描时,受试者只是静息,任由思绪漫游。其余四次扫描时,他们需完成某种认知任务:在工作记忆测试中尝试记住一组项目、聆听一个故事、解答数学题、观察带有情绪的面孔,或移动身体的不同部位。
为分析每位参与者个体的fMRI数据,我们首先将整个大脑划分为268个独立区域。大脑中究竟有多少个不同的功能区域,仍是一个悬而未决的问题, 我们此前的工作 表明,使用200至300个区域既能检测到细微效应,又能将运行分析所需的时间和计算能力控制在可管理的范围内。
对于每一对脑区,我们计算了它们之间功能连接的强度。要理解何为“功能连接”,可以想象两位同时演奏的音乐家:我们测量的不是每位音乐家演奏的音量大小,而是他们演奏的同步程度。它关注的不是任何单一脑区的整体活动水平,而是脑区成对之间活动同增同减的趋势。我们对全脑所有脑区对计算了这一同步性指标。对于每位参与者,其接受的六次扫描中的每一次都有一份功能连接概况。
我们想看看连接概况能否像指纹一样发挥作用。因此,我们取某一次扫描(例如工作记忆环节)的单一概况,将其与另一次扫描环节(例如静息状态)的全部126份概况进行比对。依据数值概况,我们找出与之最接近的匹配者。我们能否将参与者的工作记忆扫描与静息扫描配对?也就是说,无论大脑在执行何种任务,个体的大脑是否都会“看起来一样”?
在大多数情况下,我们预测的身份确实是正确的:我们能够以高达99%的准确率识别个体。准确率范围为64%至99%,具体取决于所比较的扫描环节组合。如果只是随机猜测,我们选中正确身份的概率预计不到1%,因此这是一项非常显著的结果。
预测流体智力
某些连接最能区分个体,即大脑前额叶(紧邻额头后方)与顶叶(位于头顶更靠后的位置)之间的连接。这些区域是进化得最晚的部分,神经科学家早已知道,它们对注意力、记忆和语言等复杂功能至关重要。
我们发现,这些连接还能预测人们在流体智力测验中的表现,即即时推理能力的测试。流体智力是指识别模式并解决推理问题的能力。
虽然对流体智力的预测总体上准确的情况多于不准确的情况,但仍存在相当大的误差——模型高估了一些人的分数,低估了另一些人的分数——因此,我们当然不会主张用脑部扫描取代智商测试或其他传统评估。
你的脑部扫描本质上就是你自己
在研究的第一部分,我们发现,无论人们在做什么,他们的脑部影像总是最像其本人。换言之,同一个大脑执行两项不同任务时的影像,总比两个不同大脑执行同一任务时的影像更为相似。在研究的第二部分,我们发现这些连接概况与高度复杂的认知属性相对应。
为什么这很重要?毕竟,我们无需把人放进核磁共振扫描仪,也能知道他们是谁——只需看他们一眼即可。这一发现的重要之处在于,这些连接概况可能提供仅凭外表难以判断的有关个人的信息。
例如,它们可能有助于预测谁有患病风险。也许个体脑连接强弱的模式中蕴含着某些信息,可以揭示一个人对不同神经系统疾病或精神疾病的易感性,例如精神分裂症、抑郁症或阿尔茨海默病。如果我们在人们仍健康时采集其fMRI图像,然后长期追踪,看谁后来发病,或许就能建立一个模型,将连接概况的某些部分与未来健康状况关联起来。随后,我们可以将该模型应用于全新个体的概况,以预测其患病的可能性。这或许是一种针对高风险人群进行早期干预和治疗的方式,希望早期干预能改善他们的预后。
最终,我们希望这些概况有朝一日能用于个性化医疗,即根据个体的生物学特征为其量身定制干预措施和疗法。
但仍有许多悬而未决的问题。例如,我们测试了相隔数天的扫描之间的识别,但连接概况在数月或数年的时间跨度上有多稳定?它们是否会随衰老、疾病、认知训练或其他过程而发生变化?脑连接模式还反映了哪些其他行为特质?尽管仍有大量工作有待完成,但我和同事认为,这些结果为未来研究提供了令人振奋的基础。
本文与 The Conversation合作发表。刊发并不意味着世界经济论坛认可文中观点。
如需紧跟Agenda的最新动态, 请订阅我们的每周简报。
作者:Emily S Finn是耶鲁大学神经科学专业的博士候选人。
图片:一名女子从一块展示脑切片的显示屏旁走过。REUTERS/Brian Snyder。

