Neuron：不再「一刀切」，AI识别功能脑网络与认知的关系 - ai人工智能 - 透明七彩巨人-tmqcjr.com

近日，发表在神经生物学顶级期刊《神经元》（ Neuron）的一项研究中，来自宾夕法尼亚大学（University of Pennsylvania）的研究人员使用了机器学习技术来分析近700名儿童、青少年和年轻成年人的功能性磁共振成像（fMRI）的扫描结果。

研究首次表明， 每一个儿童大脑中的变化具有个体唯一性，并且执行功能相关的功能脑网络变化最大。如同指纹或虹膜识别，这种变化，能鉴别出个体，更能够对其发育后的大脑功能产生影响。

过去关于人类大脑功能的研究普遍的假设是，所有人的脑功能解剖单元均处在大脑皮层相近或相似的位置，这样的假设适用于简单的控制运动的神经功能。近些年的研究则发现，大脑神经网络的功能具有个体差异的特点，这种差异在通过精确的比对大脑结构后更明显。

对于成年人来说，由于学习、认知等因素，人的大脑功能会发生巨大变化，而这种变化对于个体来说是独一无二的，通过这些变化，人们甚至可以反推判断属于哪一个人。不过到目前为止，仍没有人在儿童等更年轻的群体中观察大脑功能的变化。为此本文作者提出以下假设：

大脑功能改变会系统地受到大脑皮质发育的影响；
预测变化的大脑功能协同网络将在进行执行功能时产生个体差异；
大脑功能的变化受制于大脑组织基本属性，包括进化扩张和皮质髓鞘形成。

于是，宾夕法尼亚大学的研究人员使用机器学习技术来验证了这些假设。他们招募了693名年龄在8-23岁之间的儿童、青少年、青年群体参加试验，每人首先需要接受时长27分钟的fMRI扫描。这些成像数据则会交由负责机器学习技术的团队分析处理，AI通过学习这些参与者的神经成像数据，为每位参与者的大脑皮层“绘制”了17个功能网络。

图片来源：参考资料[2]

接下来，研究人员分析了这些网络在参与者整个发育期的变化方式，以及它们与参与者所参加的多项认知测试中的表现的关系。结果发现，随着个体年龄的增长，大脑的功能网络会产生变化。而通过了解大脑皮层的体素分属哪一个功能网络，可进行“反向”预测，得知参与者的具体年龄、其大脑执行功能的能力。

▲不同个体所表现出明显有区别的大脑功能网络（图片来源：参考资料：[2]）与执行功能相关的功能网络占据的皮层区域多大，儿童在执行特定任务时的表现更好，反之亦成立。具有执行功能的网络负责调节儿童、青少年群体的各种行为，比如冒险、冲动等，从而避免使其陷入各种困境。所以，预测变化的功能脑网络将在进行执行功能时产生个体差异。

文章通讯作者Theodore D.Satterthwaite教授表示：“这一发现令人兴奋的是， 人工智能使研究人员确定了不同孩子功能脑网络的空间布局，而不是使用‘一刀切’的方法进行识别。与成年人一样，每个孩子的脑中都有一个独特的功能分区，且在这些功能分区中变化最大是与执行功能相关的功能网络。”

这些结果提供了有关儿童发育过程中大脑的可塑性和多元化的见解。作者认为，这些发现未来可能有助于个性化治疗方法和诊断技术的发展。

题图来源：Pixabay

参考资料

[1] Teenagers are a mystery, but machine learning couldhelp crack the code Retrieved Feb 26, 2020 from https://www.inverse.com/innovation/not-all-brains-are-same

[2] Individual Variation in Functional Topography ofAssociation Networks in Youth Retrieved Feb 26, 2020 from https://www.cell.com/neuron/fulltext/S0896-6273(20)30055-6?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0896627320300556%3Fshowall%3Dtrue

[3] Artificial Intelligence Sheds New Light on Childrens’Brain Structures Retrieved Feb 26, 2020 from https://www.docwirenews.com/docwire-pick/artificial-intelligence-sheds-new-light-on-childrens-brain-structures/

[4] https://www.sohu.com/a/375620029_650136

药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康，带你看全AI时代的智慧之光。

产业机器学习 AI Neuron