个体水平分析：日益流行的认知神经科学研究趋势

传统认知神经科学的fMRI研究是将不同个体的大脑配准到相同的空间中再进行统计推断（这就是本文中“组平均分析方法”的概念）。但近几年来，这种分析方式正在逐步被个体水平的分析（individual-subject analytic approach) 所替代，也就是在单个被试的大脑中定义兴趣区，然后再跨被试进行统计推断。本文作者Ev Fedorenko讨论了这种组平均分析的存在的问题以及个体水平分析如何解决这些问题。

1991年5月9日，一项实验革命性地改变了认知神经科学领域。该实验首次使用了fMRI对人脑活动进行了无创的观察，它发现了人类在观看闪烁灯光的时候，与没有视觉刺激的基线相比，引发了初级视觉皮层的活动。作为fMRI研究的先驱，这个实验只有一个被试。

在第一个实验之后，早期fMRI研究大多都是在个体身上进行的视觉研究。由于视觉皮层在每个被试身上的结构基本相同，这些研究的效应几乎可以在每个被试身上被检测到。

但是，使用fMRI的研究者并不只有视觉科学家，有一批先前使用正电子发射断层扫描（PET）的科学家也转向了fMRI研究。然而，使用PET的研究者习惯于使用组平均的方法（group-averaging approach；使用该方法是由于PET的性质所决定的）。

组平均的方法在这里指的是需要将不同个体的大脑配准到一个共同的大脑空间，然后在这个共同的大脑空间进行统计推断。这些PET科学家逐渐将这种方法沿用到了fMRI研究中，使这种方法逐渐流行起来。随着1990年代中叶，著名的fMRI分析软件SPM诞生，并将组平均方法作为fMRI的默认分析方法，这进一步促成了这种方法在fMRI研究中的广泛应用。

但是，这种“组平均的方法”存在一系列的问题。这些年来，fMRI研究由于无法超越对“where”问题的研究而受到批评。这些所谓“where”问题的研究的目的是寻找大脑中对某些特定任务或刺激起反应的脑区，这些研究在找到一些激活的大脑坐标后通常会根据宏观解剖区域或布罗德曼分区粗糙地对结果进行解释，比如“额下回对xx功能起作用”、“BA45区对xx起作用”等等。

然而，上述这种解释是存在问题的。因为除了初级感觉和运动皮层外，宏观解剖皮层的区域在结构和功能上具有高度异质性（即使是同一布罗德曼分区也存在异质性），在相邻区域甚至可能存在功能相反的区域。此外，不同被试负责相同功能的大脑解剖结构也存在一些个体差异。因此，如果fMRI研究在宏观脑区发现了一些激活的区域，可能无法进行更具体的解释或推断（如下图）。

传统fMRI组平均分析的局限性：（左）低敏感性（由于不同被试负责相同功能的脑区存在差异，导致平均后无法探测或低估激活）、低功能分辨率（平均之后，功能边界被模糊）；（右）基于宏观解剖的粗糙定位和解释

对上述问题的一个解决方法是进行功能定位（functional localization）。在这种方法之下，我们首先利用功能对比（functional contrast）识别出支持某一心理过程的脑区或网络，然后在之后的数十项甚至数百项研究中仔细探索这些区域的功能，努力缩小关于它的表征以及计算机制的假设空间。

由于不同个体的大脑解剖存在个体差异，仅仅使用解剖不足以确保“相同”脑区/脑网络在不同被试身上具有相同的功能。因此，这种功能定位方法将解剖和功能结合起来，在单个被试的大脑上定义兴趣区，确保这些区域具有相同的功能。之后，再在跨被试水平进行统计推断，以将观察到的效应进行一般化。

自上世纪90年代末Nancy Kanwisher使用这种方法发现了视知觉的腹侧通路组织结构以来，这种方法已经在语言、社会认知、执行功能等多个领域得到应用。这里要注意的一点是，这种方法使用的localizer任务以及相应的功能对比一定是先前被广泛测试和确认过的。

接下来作者谈论了几点个体水平分析的优点：首先，这种方法弥补了上图提到的由于平均带来的低敏感性（由于不同被试负责相同功能的脑区存在差异，导致平均后无法探测或低估激活）和低空间分辨率（平均之后，功能边界被模糊）的问题。因此，利用这种方法甚至可以对我们先前熟知的脑区得到新的见解。比如，作者观测到我们熟知的布洛卡区其实具有明显的异质性，其一部分负责语言加工，另一部分则属于领域一般性的多重需要网络。第二，个体水平的分析有助于我们研究神经结构的个体间差异，从而理解认识、脑和基因之间的关系。最后，这种手段有助于解决新的研究问题，尤其是需要在同一个被试身上收集大量fMRI数据（数百小时甚至长达数年）的无法达到大样本的研究。

个体水平分析的优点：在单个被试大脑定义兴趣区，具有高敏感性和高空间分辨率；由于结构和功能的匹配，可以对不同被试、不同研究的结果进行比较，

由于个体水平分析卓越的敏感性、功能分辨率和可解释性，因此作者认为，如果想让认知神经科学更为稳健、可重复和有意义，个体水平分析可能是未来研究的必然趋势。

注：本文发表在今年的Current Opinion in Behavioral Sciences主题为Deep Imaging - Personalized Neuroscience的专刊上。同一期还有一些相似主题的文章，有兴趣的同学可以点击阅读原文浏览。

论文原文：Fedorenko, E. (2021). The early origins and the growing popularity of the individual-subject analytic approach in human neuroscience. Current Opinion in Behavioral Sciences, 40, 105-112. doi:10.1016/j.cobeha.2021.02.023

感谢支持！欢迎转发、分享！