（圖片來源：Unsplash）

隨著人工智能（AI）、深度學習（ML）技術的不斷演進發(fā)展，很多研究人員發(fā)現(xiàn)，AI 在腦科學領域的應用前景廣闊，特別是在精神腦、老年腦、兒童腦的研究中，能夠提供更好的方法與策略。

北京時間10月7日、8日的凌晨，由盛大網(wǎng)絡創(chuàng)始人、慈善家陳天橋夫婦出資成立的天橋腦科學研究院（以下簡稱TCCI），與頂級學術期刊《Science》（科學）雜志共同舉辦了一場兩天共計6小時的線上研討會。

本次線上研討會售價100美元（學生證免費），主題為“認知科學領域的前沿研究”，核心是分享與腦科學相關的最新科學領域的突破性技術，兩天分別探討包括情感計算、情緒和面部表情，以及機器學習（ML）、演講和語言等具體議題，希望利用現(xiàn)代化、跨領域的科學手段來攻克有關人腦和大腦認知的深層問題。

兩天的演講嘉賓（按照出場順序）包括上海交通大學心理與行為科學研究院特聘研究員楊志博士，德國馬克斯·普朗克神經(jīng)生物學研究所娜丁·戈加拉（Nadine Gogalla）博士，麻省理工學院 Rosalind Picard博士，TCCI轉(zhuǎn)化中心主任、華山醫(yī)院院長毛穎教授，加州大學舊金山分校神經(jīng)外科學教授Edward Chang，以及麻省理工學院麥戈文腦科學研究所、腦神經(jīng)科學副教授Evelina Fedorenko。

據(jù)悉，TCCI是由陳天橋、雒芊芊夫婦私人出資10億美元創(chuàng)建，是一所主要聚焦大腦探知、大腦相關疾病治療和大腦功能開發(fā)三大領域研究的機構，旨在支持、推進全球范圍內(nèi)腦科學研究，TCCI一期投入了5億元人民幣支持中國的腦科學研究，并與華山醫(yī)院、上海市精神衛(wèi)生中心等建立戰(zhàn)略合作；而《科學》雜志則是由美國科學促進會（AAAS）于1880年起出版的英文學術期刊，是極具權威性和影響力的世界頂級學術刊物。目前該期刊訂閱人數(shù)約為13萬。根據(jù)《期刊引證報告》，《科學》雜志在2019年的影響因子為41.845。

實際上，早在今年9月16日，科技部網(wǎng)站正式公布科技創(chuàng)新2030“腦科學與類腦研究”重大項目2021年度項目申報指南的通知，涉及59個研究領域和方向，國家撥款經(jīng)費預計超過31.48億元人民幣。

這標志著，比肩美國腦計劃、醞釀6年多的中國腦計劃項目正式啟動。那么，本次研討的機器學習（ML）、腦科學等交叉學科融合技術，是否會預示著行業(yè)新的科研技術發(fā)展前景？腦科學領域還能實現(xiàn)哪些技術突破？

利用看電影對照實驗識別精神分裂癥患者

人的大腦成像信息十分重要，醫(yī)院中就有多項“腦電圖”相關的檢查項目，就是利用腦成像提供的獨特信息，來更好地診斷和早期檢測精神等類型疾病。那么，不斷進步的神經(jīng)影像方法是否可以幫助我們客觀和定量化地測量腦的一些高級的、整合的功能呢？

作為研討會上第一位演講嘉賓，上海交通大學心理與行為科學研究院特聘研究員、TCCI轉(zhuǎn)化中心研究員楊志博士，在線上分享了他與科研團隊在去年8月1日《NeuroImage》（神經(jīng)影像）雜志上發(fā)表的一篇重要研究成果：利用開發(fā)的一種個性化的精神病神經(jīng)影像技術，基于126名參與者在觀看電影剪輯時記錄到的大腦活動，就可以檢測識別出具有精神分裂癥特征的患者。結果顯示，通過訓練SVM分類器（機器學習分析樣本工具）識別精神分裂癥參與者，在交叉驗證測試中獲得了71-78%的準確率，在獨立的驗證數(shù)據(jù)中實現(xiàn)了95%的準確度、100%的靈敏度和90%的特異性。

這一研究成果使轉(zhuǎn)化精神病學領域受益，并反映了這種方法在個體化診斷臨床工具方面的潛力。

楊志在接受鈦媒體App采訪時表示，他認為這一研究成果也可以應用診斷其他精神疾病。“我們的這項工作驗證了，通過測量人在接近生活的場景下產(chǎn)生的腦活動，我們可以測量腦的復雜功能，并據(jù)此對心理狀態(tài)和精神障礙進行推斷。我們的另外一項研究支持了這種方法在反映個體差異時的可靠性。因此這個方法有望用于研究其他的心理健康問題，我們也正在開展一些相關研究。”

對于本研究成果的局限性，楊志解釋稱，這一研究方法在解釋大腦活動的個體差異方面的能力有限。我們測量的腦功能是高度復雜和整合的。這好比我們可以測量智商，但是無法很清楚地解釋究竟為什么一個人智商很高。接下來，團隊將試圖通過一些措施，更好的解釋大腦系統(tǒng)或主體的行為狀態(tài)。

據(jù)悉，這項研究是由中國國家自然科學基金，上海市教委-高峰高原臨床醫(yī)學建設計劃等資助，上海市精神衛(wèi)生中心研究基金、以及TCCI轉(zhuǎn)化中心（天橋腦科學研究院和上海周良輔醫(yī)學發(fā)展基金會合作成立的上海陳天橋腦健康研究所）等機構的支持。

用老鼠的情緒表達佐證人腦的“情緒神經(jīng)元”

第二位演講者是德國馬克斯·普朗克神經(jīng)生物學研究所的娜丁·戈加拉（Nadine Gogalla）。她在研討會上分享了關于用機器學習技術獲取老鼠的情緒表達與神經(jīng)關聯(lián)，從而通過情緒發(fā)現(xiàn)人腦奧秘的研究故事。

實際上，情緒的神經(jīng)生物學起源對研究人員來說十分神秘。科學家們?nèi)匀粵]有充分理解情緒是如何在人腦的復雜回路中出現(xiàn)的，只能通過理解如小鼠等動物情緒的實驗嘗試，從而探究人腦對于情緒的分析與表達。

過去幾年，戈加拉博士和同事們通過一種AI 機器學習算法來分析小鼠的面部表情，用先進的機器視覺技術在毫秒時間尺度上客觀和定量地對鼠標面部表情進行分類，識別出了諸如愉悅、厭惡和不適等情緒相關的面部表情，并佐證至人類的基本情緒，進而深層研究人類大腦內(nèi)部情感體驗區(qū)域——島葉（Insula）皮層的反饋，從而表明了“情緒神經(jīng)元”的存在。

據(jù)悉，這一研究成果于去年4月3日登在了《科學》雜志上。

“我們的工作提供了一種客觀的分析工具，它對于理解情緒的神經(jīng)生物學機制，識別物種特異性情緒以及確定個體之間的變異性是至關重要的。”戈加拉博士在本次研討會上表示，他們從這一研究中發(fā)現(xiàn)了情緒狀態(tài)的神經(jīng)學起源，這項工作可能有助于朝著一種更加普遍且基于演化的情感定義及其跨物種的神經(jīng)基礎邁進。

實際上，與人類相似，當小鼠嘗到了甜味或苦味，或變得焦慮時，它們的臉看起來完全不同。有了這種測量小鼠情緒的新方法，神經(jīng)生物學家將得以研究大腦中產(chǎn)生和處理情緒的基本機制。利用機器視覺，研究人員能夠可靠地將五種情緒狀態(tài)與小鼠的面部表情關聯(lián)起來：小鼠的快樂、厭惡、惡心、疼痛和恐懼，對于計算機算法來說，小鼠的每個面部表情和情緒是有明顯差異的。

研究表明，小鼠的面部表情實際上不僅僅是對環(huán)境的反應。它反映了觸發(fā)因素（trigger）的情感價值。戈加拉舉了個實驗中的例子，當口渴的小鼠舔糖水時，它們露出的表情要比飽足的小鼠愉悅得多，而嘗了非常咸的水的小鼠則表現(xiàn)出“厭惡”的表情。從這些實驗和其它實驗中，研究人員得出結論：脫離感官刺激，面部表情實際上反映了一種情緒的內(nèi)在特性。

發(fā)現(xiàn)小鼠面部表情的主要好處是讓人類得以探索產(chǎn)生情緒的機制。論文顯示，大腦區(qū)域是島葉皮層（insular cortex），可以與動物和人類的情感行為和情感感知相關。當科學家們用雙光子顯微鏡測量單個神經(jīng)元的活動，并同時記錄小鼠的情緒面部表情時，竟顯示出，人類島葉皮層的單個神經(jīng)元反應與小鼠的面部表情強度相同，發(fā)生時間也完全相同。此外，每個神經(jīng)元只與一種情緒有關聯(lián)，即存在“情緒神經(jīng)元”這種觀點。

線上研討會中，戈加拉博士表示，這一研究可以確信，情感也存在于孤獨的動物身上，它們只是保護了自己的情感而已，所以說明動物也有溝通和社交功能，情緒對個人或動物來說是具有非常主觀和自我的功能之一。

機器學習是臨床中重要醫(yī)療工具之一

10月8日凌晨的在線研討會上，華山醫(yī)院院長、TCCI轉(zhuǎn)化中心主任毛穎教授發(fā)表演講，詳細分析了 AI、機器學習（Machine learning，簡稱 ML）等技術方法對于潛在的臨床實踐（即診斷、治療）神經(jīng)外科學中帶來的影響。

毛穎表示，ML 的意義與人類大腦的學習模式是一致的，主要取決于經(jīng)驗的積累、應用和修改。而ML 不等于AI，他認為，ML 不僅是 AI 的一部分，而且AI 中最重要的部分主要還有深度學習和強化學習，這些非常流行的精確學習技術方法，現(xiàn)在都屬于機器學習的范疇。

隨著ML算法的發(fā)展和演變，其技術已廣泛應用于包括神經(jīng)外科在內(nèi)的醫(yī)學教育疾病診斷的術前計劃、互操作、導航指引等。例如，傳統(tǒng)的開顱手術耗時且有風險，而未來隨著裝配下一代AI技術的神經(jīng)外科職能機器人，神經(jīng)外科醫(yī)生將在手術中非常有效和容易實現(xiàn)手術，降低手術過程的風險。

據(jù)悉，毛穎教授是中國著名神經(jīng)外科專家，現(xiàn)任復旦大學附屬華山醫(yī)院院長，還擔任中華醫(yī)學會神經(jīng)外科分會候任主委等諸多重要學術職務。

具體來說，基于機器學習模型，毛穎團隊開發(fā)了一種 AI 腦腫瘤病理診斷系統(tǒng)。通過對300例確診病例的90000多張MRI（核磁共振）圖像進行深度學習建立模型，這一系統(tǒng)最終的準確率在85% 以上，并隨著病例數(shù)量的增加，該模型將得到改進。此外，毛穎團隊還研發(fā)了一種新的算法系統(tǒng)，識別運動任務過程中不同腦區(qū)的時間順序，從而應用于搭載腦機接口的患者，以及時規(guī)范大腦活動。

毛穎表示，機器學習方法為潛在的臨床實踐（即診斷、治療）提供了神經(jīng)外科醫(yī)生友好的醫(yī)療工具，而且還讓事情更簡單，動作更快，在神經(jīng)外科學中做出正確的決定。當然，這其中大樣本、前瞻性、多中心化的數(shù)據(jù)是必不可少的。毛穎還認為，未來常規(guī)臨床實踐中，都需要使用基于ML技術的方法手段。“最好的機器學習比臨床醫(yī)生表現(xiàn)更好。”

不過，毛穎也指出，深度學習或 AI 技術依然基于條件經(jīng)驗以及大數(shù)據(jù)算法支撐，目前仍處于弱人工智能階段，需要輸入大量高質(zhì)量數(shù)據(jù)，才能取得接近準確的結果。但他相信，在不久的將來，計算機會變得越來越聰明，從而更好地幫助神經(jīng)外科醫(yī)生。

“但老實說，用機器人替代神經(jīng)外科醫(yī)生是不可能的，依然還需要我們醫(yī)生來繼續(xù)做手術。”毛穎在研討會上回答主持人提問時表示。

他在演講中強調(diào)，現(xiàn)在 ML 技術，人類只能看到前方的一小段距離，距離完成類似登頂運動這樣的“全智能神經(jīng)外科手術流程”，還有很長的路要走。

（本文首發(fā)鈦媒體App，作者｜林志佳）

更多精彩內(nèi)容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App