直击天桥脑科学研究院《科学》杂志研讨会：机器学习技术如何应用于脑科学领域？

钛媒体 • 3年前扫码分享

直击天桥脑科学研究院《科学》杂志研讨会：机器学习技术如何应用于脑科学领域？

林志佳

· 刚刚

微信扫码

本次会议核心是分享与脑科学相关的最新科学领域的突破性技术，分别探讨包括情感计算、情绪和面部表情，以及机器学习、演讲和语言等具体议题，希望利用现代化、跨领域的科学手段来攻克有关人脑和大脑认知的深层问题。

直击天桥脑科学研究院《科学》杂志研讨会：机器学习技术如何应用于脑科学领域？

00:00 12:06

（图片来源：Unsplash）

随着人工智能（AI）、深度学习（ML）技术的不断演进发展，很多研究人员发现，AI 在脑科学领域的应用前景广阔，特别是在精神脑、老年脑、儿童脑的研究中，能够提供更好的方法与策略。

北京时间10月7日、8日的凌晨，由盛大网络创始人、慈善家陈天桥夫妇出资成立的天桥脑科学研究院（以下简称TCCI），与顶级学术期刊《Science》（科学）杂志共同举办了一场两天共计6小时的线上研讨会。

本次线上研讨会售价100美元（学生证免费），主题为“认知科学领域的前沿研究”，核心是分享与脑科学相关的最新科学领域的突破性技术，两天分别探讨包括情感计算、情绪和面部表情，以及机器学习（ML）、演讲和语言等具体议题，希望利用现代化、跨领域的科学手段来攻克有关人脑和大脑认知的深层问题。

两天的演讲嘉宾（按照出场顺序）包括上海交通大学心理与行为科学研究院特聘研究员杨志博士，德国马克斯·普朗克神经生物学研究所娜丁·戈加拉（Nadine Gogalla）博士，麻省理工学院 Rosalind Picard博士，TCCI转化中心主任、华山医院院长毛颖教授，加州大学旧金山分校神经外科学教授Edward Chang，以及麻省理工学院麦戈文脑科学研究所、脑神经科学副教授Evelina Fedorenko。

据悉，TCCI是由陈天桥、雒芊芊夫妇私人出资10亿美元创建，是一所主要聚焦大脑探知、大脑相关疾病治疗和大脑功能开发三大领域研究的机构，旨在支持、推进全球范围内脑科学研究，TCCI一期投入了5亿元人民币支持中国的脑科学研究，并与华山医院、上海市精神卫生中心等建立战略合作；而《科学》杂志则是由美国科学促进会（AAAS）于1880年起出版的英文学术期刊，是极具权威性和影响力的世界顶级学术刊物。目前该期刊订阅人数约为13万。根据《期刊引证报告》，《科学》杂志在2019年的影响因子为41.845。

实际上，早在今年9月16日，科技部网站正式公布科技创新2030“脑科学与类脑研究”重大项目2021年度项目申报指南的通知，涉及59个研究领域和方向，国家拨款经费预计超过31.48亿元人民币。

这标志着，比肩美国脑计划、酝酿6年多的中国脑计划项目正式启动。那么，本次研讨的机器学习（ML）、脑科学等交叉学科融合技术，是否会预示着行业新的科研技术发展前景？脑科学领域还能实现哪些技术突破？

利用看电影对照实验识别精神分裂症患者

人的大脑成像信息十分重要，医院中就有多项“脑电图”相关的检查项目，就是利用脑成像提供的独特信息，来更好地诊断和早期检测精神等类型疾病。那么，不断进步的神经影像方法是否可以帮助我们客观和定量化地测量脑的一些高级的、整合的功能呢？

作为研讨会上第一位演讲嘉宾，上海交通大学心理与行为科学研究院特聘研究员、TCCI转化中心研究员杨志博士，在线上分享了他与科研团队在去年8月1日《NeuroImage》（神经影像）杂志上发表的一篇重要研究成果：利用开发的一种个性化的精神病神经影像技术，基于126名参与者在观看电影剪辑时记录到的大脑活动，就可以检测识别出具有精神分裂症特征的患者。结果显示，通过训练SVM分类器（机器学习分析样本工具）识别精神分裂症参与者，在交叉验证测试中获得了71-78%的准确率，在独立的验证数据中实现了95%的准确度、100%的灵敏度和90%的特异性。

这一研究成果使转化精神病学领域受益，并反映了这种方法在个体化诊断临床工具方面的潜力。

杨志在接受钛媒体App采访时表示，他认为这一研究成果也可以应用诊断其他精神疾病。“我们的这项工作验证了，通过测量人在接近生活的场景下产生的脑活动，我们可以测量脑的复杂功能，并据此对心理状态和精神障碍进行推断。我们的另外一项研究支持了这种方法在反映个体差异时的可靠性。因此这个方法有望用于研究其他的心理健康问题，我们也正在开展一些相关研究。”

对于本研究成果的局限性，杨志解释称，这一研究方法在解释大脑活动的个体差异方面的能力有限。我们测量的脑功能是高度复杂和整合的。这好比我们可以测量智商，但是无法很清楚地解释究竟为什么一个人智商很高。接下来，团队将试图通过一些措施，更好的解释大脑系统或主体的行为状态。

据悉，这项研究是由中国国家自然科学基金，上海市教委-高峰高原临床医学建设计划等资助，上海市精神卫生中心研究基金、以及TCCI转化中心（天桥脑科学研究院和上海周良辅医学发展基金会合作成立的上海陈天桥脑健康研究所）等机构的支持。

用老鼠的情绪表达佐证人脑的“情绪神经元”

第二位演讲者是德国马克斯·普朗克神经生物学研究所的娜丁·戈加拉（Nadine Gogalla）。她在研讨会上分享了关于用机器学习技术获取老鼠的情绪表达与神经关联，从而通过情绪发现人脑奥秘的研究故事。

实际上，情绪的神经生物学起源对研究人员来说十分神秘。科学家们仍然没有充分理解情绪是如何在人脑的复杂回路中出现的，只能通过理解如小鼠等动物情绪的实验尝试，从而探究人脑对于情绪的分析与表达。

过去几年，戈加拉博士和同事们通过一种AI 机器学习算法来分析小鼠的面部表情，用先进的机器视觉技术在毫秒时间尺度上客观和定量地对鼠标面部表情进行分类，识别出了诸如愉悦、厌恶和不适等情绪相关的面部表情，并佐证至人类的基本情绪，进而深层研究人类大脑内部情感体验区域——岛叶（Insula）皮层的反馈，从而表明了“情绪神经元”的存在。

据悉，这一研究成果于去年4月3日登在了《科学》杂志上。

“我们的工作提供了一种客观的分析工具，它对于理解情绪的神经生物学机制，识别物种特异性情绪以及确定个体之间的变异性是至关重要的。”戈加拉博士在本次研讨会上表示，他们从这一研究中发现了情绪状态的神经学起源，这项工作可能有助于朝着一种更加普遍且基于演化的情感定义及其跨物种的神经基础迈进。

实际上，与人类相似，当小鼠尝到了甜味或苦味，或变得焦虑时，它们的脸看起来完全不同。有了这种测量小鼠情绪的新方法，神经生物学家将得以研究大脑中产生和处理情绪的基本机制。利用机器视觉，研究人员能够可靠地将五种情绪状态与小鼠的面部表情关联起来：小鼠的快乐、厌恶、恶心、疼痛和恐惧，对于计算机算法来说，小鼠的每个面部表情和情绪是有明显差异的。

研究表明，小鼠的面部表情实际上不仅仅是对环境的反应。它反映了触发因素（trigger）的情感价值。戈加拉举了个实验中的例子，当口渴的小鼠舔糖水时，它们露出的表情要比饱足的小鼠愉悦得多，而尝了非常咸的水的小鼠则表现出“厌恶”的表情。从这些实验和其它实验中，研究人员得出结论：脱离感官刺激，面部表情实际上反映了一种情绪的内在特性。

发现小鼠面部表情的主要好处是让人类得以探索产生情绪的机制。论文显示，大脑区域是岛叶皮层（insular cortex），可以与动物和人类的情感行为和情感感知相关。当科学家们用双光子显微镜测量单个神经元的活动，并同时记录小鼠的情绪面部表情时，竟显示出，人类岛叶皮层的单个神经元反应与小鼠的面部表情强度相同，发生时间也完全相同。此外，每个神经元只与一种情绪有关联，即存在“情绪神经元”这种观点。

线上研讨会中，戈加拉博士表示，这一研究可以确信，情感也存在于孤独的动物身上，它们只是保护了自己的情感而已，所以说明动物也有沟通和社交功能，情绪对个人或动物来说是具有非常主观和自我的功能之一。

机器学习是临床中重要医疗工具之一

10月8日凌晨的在线研讨会上，华山医院院长、TCCI转化中心主任毛颖教授发表演讲，详细分析了 AI、机器学习（Machine learning，简称 ML）等技术方法对于潜在的临床实践（即诊断、治疗）神经外科学中带来的影响。

毛颖表示，ML 的意义与人类大脑的学习模式是一致的，主要取决于经验的积累、应用和修改。而ML 不等于AI，他认为，ML 不仅是 AI 的一部分，而且AI 中最重要的部分主要还有深度学习和强化学习，这些非常流行的精确学习技术方法，现在都属于机器学习的范畴。

随着ML算法的发展和演变，其技术已广泛应用于包括神经外科在内的医学教育疾病诊断的术前计划、互操作、导航指引等。例如，传统的开颅手术耗时且有风险，而未来随着装配下一代AI技术的神经外科职能机器人，神经外科医生将在手术中非常有效和容易实现手术，降低手术过程的风险。

据悉，毛颖教授是中国著名神经外科专家，现任复旦大学附属华山医院院长，还担任中华医学会神经外科分会候任主委等诸多重要学术职务。

具体来说，基于机器学习模型，毛颖团队开发了一种 AI 脑肿瘤病理诊断系统。通过对300例确诊病例的90000多张MRI（核磁共振）图像进行深度学习建立模型，这一系统最终的准确率在85% 以上，并随着病例数量的增加，该模型将得到改进。此外，毛颖团队还研发了一种新的算法系统，识别运动任务过程中不同脑区的时间顺序，从而应用于搭载脑机接口的患者，以及时规范大脑活动。

毛颖表示，机器学习方法为潜在的临床实践（即诊断、治疗）提供了神经外科医生友好的医疗工具，而且还让事情更简单，动作更快，在神经外科学中做出正确的决定。当然，这其中大样本、前瞻性、多中心化的数据是必不可少的。毛颖还认为，未来常规临床实践中，都需要使用基于ML技术的方法手段。“最好的机器学习比临床医生表现更好。”

不过，毛颖也指出，深度学习或 AI 技术依然基于条件经验以及大数据算法支撑，目前仍处于弱人工智能阶段，需要输入大量高质量数据，才能取得接近准确的结果。但他相信，在不久的将来，计算机会变得越来越聪明，从而更好地帮助神经外科医生。

“但老实说，用机器人替代神经外科医生是不可能的，依然还需要我们医生来继续做手术。”毛颖在研讨会上回答主持人提问时表示。