前沿综述：绘制大脑因果图

导语

绘制人脑功能图是神经科学的一个长期目标，它有望为脑部疾病新疗法的开发提供信息。早期的人脑功能图是基于导致功能障碍的脑损伤或脑刺激的位置绘制的。随着时间的推移，这种方法在很大程度上被功能性神经成像等技术所取代，这些技术可以识别人的行为或症状与哪些大脑区域的活动相关。尽管这些技术具有优势，但它们揭示的是相关性，而不是因果关系。这给解释这些工具产生的数据，并利用它们开发大脑疾病的治疗方法带来了挑战。因此，基于脑病变和脑刺激的人脑功能因果图的回归研究正在进行中。新方法可以将这些因果信息源与现代神经成像和电生理学技术相结合，以获得对大脑特定区域功能的新见解。2022年4月发表于 Nature Reviews Neuroscience 的综述文章“绘制人脑功能因果图”，为转化性研究提供了因果关系的定义，提出了一个连续统一体来评估人脑图谱研究中因果信息的相对强度，并讨论了因果脑图谱的最新进展及其与开发治疗的相关性。

研究领域：神经科学，因果推理

倪琴 | 编译

邓一雪 | 编辑

论文题目：

Causal mapping of human brain function

论文链接：

https://www.nature.com/articles/s41583-022-00583-8

前言

人脑图谱研究通常依赖于症状或行为的神经生理学相关性。这种方法已经产生了大量关于大脑组织的知识，但这些知识并没有常规地转化为治疗靶点。相关性和因果关系之间的差异可能是缺乏转化的一个重要原因。更广泛地采用因果方法可以帮助我们提高将大脑定位结果转化为成功干预的能力。使用脑病变和脑刺激进行的因果图研究有助于形成主流的临床治疗方法，如针对帕金森病的脑深部刺激（DBS）和针对重度抑郁症的经颅磁刺激（TMS）。这些成功可能会为基于人脑功能因果图的新治疗靶点的确定提供路线图。

在这篇综述中，文章提供了因果关系的临床相关定义，总结了因果脑图绘制的不同方法，提出了在脑图绘制研究中评估因果关系强度的框架，并描述了如何将这些研究转化为神经精神障碍的解剖学靶向治疗。

一、人脑绘图与因果推理

人类大脑绘图：早期的大脑图谱基于直接导致功能改变的病变或刺激部位。然而，在二十世纪后半叶，伴随着损伤和刺激研究的减少（图1），功能性神经成像得以出现。神经成像技术可以对包括健康人在内的无损伤患者的大脑功能进行无创成像。神经成像通常与先前的病变和刺激结果相关联，它为语言和记忆等复杂功能提供了额外的见解。然而，这种新的能力是有代价的，因为这些相关的工具远离了大脑损伤和疾病可能产生的因果推断和大脑刺激。尽管功能性神经成像很受欢迎，但它并没有带来新的临床治疗方法的发展。这导致了一些文章强调人类神经科学中的因果差距，以及将功能性神经成像与因果技术相结合的必要性。

图1. 1950年以来有关脑图谱文献的发展。二十世纪末，在神经影像学文献增长的同时，脑病变和脑刺激相关的文献在减少。将通过谷歌Ngram搜索专业术语“神经成像”、“脑刺激”和“脑病变”获得的数据绘制成图，图中显示1950年至2019年的数据统计，图中平滑度设置为5。

因果推理：因果推理的历史主要集中在解决一个基本的问题上——要得出干预会导致什么结果的结论，必须确定如果没有干预会发生什么。根据反事实的定义，如果一项活动发生了变化，之后会发生什么是不可观察的。因此，确定的因果推断是不可能的。相反，研究人员通过研究的影响（如大脑活动的局部性中断），做出谨慎的假设来估计反事实。

脑图中的因果推理：人脑图谱研究人员经常试图通过因果推理来实现两个目标之一。本文综述了症状定位（神经或精神问题与特定大脑区域相联系的过程）的目的，旨在确定症状与神经解剖之间的因果关系。当症状被成功定位后，可能通过调节相应的神经解剖学来治疗。第二个目标是绘制信息流的方向图，旨在了解一个大脑区域如何对另一个区域产生因果影响。这些实验试图通过各种有效连通性的测量来估计大脑中两个或多个节点之间信息流的方向。Box1总结了症状定位的不同方法，Box2总结了测量有效连通性的不同方法。

Box1

绘制症状或行为的神经成像技术

一些症状定位方法可以产生比其他方法更强的因果推断（图2）。值得注意的是，当与因果技术结合时，许多相关技术可以提供有用的补充信息。

• 无任务的神经成像

无任务神经成像可以测量静止状态下的大脑。可以使用正电子发射断层摄影术或动脉自旋标签测量血流，使用静息状态功能MRI（fMRI）和扩散张量成像估计连通性，使用测定体积的MRI57测量结构，使用脑电图或脑磁图测量电活动。这些测量结果可以与临床结果进行比较，以确定某种行为的神经解剖学相关性。尽管无任务神经成像不能满足因果推理的任何标准，但它可以与因果技术相结合，以更好地理解因果关系的基于回路的机制。无任务神经成像也可以可靠地用于绘制大脑组织，并且可以潜在地揭示因果操作的目标。

• 基于任务的神经成像

基于任务的神经成像测量某种行为任务的功能上的神经解剖学相关性。使用这种方法的研究通过比较实验任务和精心设计的控制任务来估计反事实。然而，由于实验的时间方向，基于任务的成像研究很少用于论证因果关系——这些研究不是通过操纵大脑活动来观察行为结果，而是操纵行为并观察由此产生的大脑活动。

• 神经反馈

神经反馈是基于任务的神经成像的一种变体，是参与者有意识地操纵他们自己基于任务的大脑活动。因此，与传统的基于任务的神经成像相比，这种技术可以改变大脑活动来测量行为的变化，从而产生更强的因果推断，而传统的基于任务的神经成像是通过改变行为来测量大脑活动的变化。

• 偶发性萎缩

偶发性萎缩模式可以与行为结果进行比较，可能说明特异性（假设萎缩以近乎随机的模式发生）和剂量反应（如果萎缩程度越大，症状越严重）。然而，因为萎缩进展缓慢，导致时间性很难评估。目前尚不清楚是萎缩导致了症状，还是症状导致了萎缩，或者两者都是由未测量的变量引起的。例如，黑质萎缩与嗅觉缺失有关，因为这两种现象都可能由帕金森病引起。

• 偶发性病变

偶发性病变可以以与偶发性萎缩相同的方式说明特异性和剂量反应。此外，由于病变发生迅速，其时间效应通常很明显。有些病变甚至是可逆的，如多发性硬化症。因此，病变研究可以提供相当强的因果推断。然而，由于病变发生在不受控制的环境中，很难应用实验操作或估计未测量的病变前因素的影响。由于神经机能联系失能或对远距离连接的大脑区域的下游影响，病变也很难解释。

• 偶然刺激部位

偶然刺激点的存在是因为治疗性脑刺激常常不精确地应用于近似目标。例如，经颅磁刺激（TMS）通常使用头皮标志物作为目标，导致大脑刺激部位的偶然变化。当对实际刺激部位进行回顾性定位时，在任何给定患者受刺激的精确区域都会显示出近随机变异性。因此，可以通过比较后处理状态和预处理状态来估计反事实，而通过比较有效和无效刺激部位可以证明特异性。然而，这种方法仍然依赖于偶然变异（自然实验），而不是前瞻性实验操作，因此可能会受到未测量的干扰因素的影响。

• 靶向病变

作为一种治疗干预，靶向病变通常通过外科手术产生。除了从偶发性病变中收集到的见解外，前瞻性靶向病变还可以通过实验进行操作，鉴于该手术具有侵入性且通常不可逆，所以这样的实验是罕见的。靶向病变使我们能够进行强有力的因果推断，但目前由于无法评估其可逆性而受到限制。

• 靶向刺激

靶向刺激与靶向病变有许多相同的优点，还有可逆性的额外好处。它还具有与偶然刺激部位相同的优点，并具有实现精确实验操作的额外好处。因此，靶向刺激提供了关于因果关系连续统一体的几乎所有标准的数据。然而，有关刺激对神经功能的影响，通常存在一些不准确的假设（例如，兴奋与抑制）。此外，为了说明连贯性，有针对性的刺激必须辅以其他技术。

• 收敛因果映射

收敛因果映射将多种因果方法整合到一个分析中。例如，如果一个症状是由一个特定的回路损伤引起的，而同一症状是通过刺激同一个回路缓解的，那么这种跨模态连贯性比单独使用任何一种模态都能产生更强的因果推理。

Box2

绘制大脑区域之间的因果关系图

• 脑刺激测量有效连通性

一些研究并没有评估某些大脑区域如何对特定行为产生因果影响，而是评估某些大脑区域如何对其他大脑区域产生因果影响。因果关系可以通过将焦点刺激与远程实时生理记录相结合来推断。例如，经颅磁刺激（TMS）或脑深部刺激（DBS）可以与即时功能磁共振成像（fMRI）或脑电图相结合。这些组合在因果关系连续体中处于高位，因为它们采用了有针对性的刺激。

这些实时实验研究有效的连通性，它测量大脑回路中信息流的方向。如果严格控制实验，则可以使用替代和假刺激条件来估计反事实。例如，将兴奋性TMS与抑制性TMS应用于默认模式网络（DMN）会对DMN连接产生分离效应。类似地，将兴奋性TMS应用于额叶顶控制/中央执行网络可以立即改变与DMN的连接，而抑制额叶顶控制/中央执行网络或刺激其他网络不会引起相同的改变。这种能力在不同的模式中是一致的，因为当刺激DMN时，颅内电刺激（iES）会引起不同的电生理反应，而不是额叶顶控制/中央执行网络或显著性网络。这种使用替代刺激目标来估计反事实的原理也扩展到了其他网络，因为相对于DMN，TMS对背侧注意网络的影响可以诱发网络特异性脑电图变化。总的来说，这些发现还表明，TMS可能能够间接改变无法直接访问的大脑深层区域。

有效的连通性可以提供对感兴趣的站点之间的直接或间接关系以及它们之间信号流的可能方向性和/或定时的机械见解。然而，它并没有提供关于特定行为或功能结果的任何部位重要性的因果推断。

• 间接估计连通性

有效连接性可根据不同脑区活动之间的时间关系间接估算。这些时间预测方法对于具有高时间精度的数据特别有用，例如在神经元水平上对局部场电位的颅内测量183。最常见的时间预测方法是格兰杰因果关系和动态因果建模。Granger因果关系最初是为经济时间序列分析而设计的，它基于两个变量活动的时间延迟来量化它们之间的方向关系184。动态因果建模使用类似的原理，但也将多个区域合并到概率图形模型中，允许通过改变其节点和定向边来指定不同的假设。然后，可以通过选择最简单的解释模型来估计偶然波动或行为任务的下游影响。

与大脑刺激实验相比，这些间接方法提供的因果推断较弱，因为时间预测无法避免虚假关系。无数未测量的混杂因素可能导致时间延迟，尤其是对于时间分辨率较低的技术，如功能性神经成像。然而，格兰杰因果关系和动态因果建模往往被误解为具有强因果推理的工具，这可能是由于术语的误导。

大脑区域之间的关系也可以通过无任务神经成像技术来估计，如静息状态功能连接和扩散束成像。这些方法在因果关系连续体上处于较低水平，并且没有提供有关信息流因果方向的信息。

对于任何一种提供因果知识的方法，该研究必须设计为估计在干预措施不同的情况下会发生的情况。当无法进行直接的实验操作时，这仍然可以通过回归潜在的干扰因素、逐步拟合包含相互作用的更大的模型或估计不同因素如何影响结果的概率来实现。这些方法在估计反事实的方式上有所不同，但可以结合为因果关系的单一公理定义：如果在所有其他条件相同的情况下，某事件的存在或不存在会影响结果，则该事件是构成原因的事件。即使病因不一定或不足以诱发效应，这种概率定义仍然可以揭示治疗目标。

除了估计反事实外，还可以借用布拉德福德·希尔的框架（图2）中的标准来评估大脑映射中的因果推断。在这些标准中，有六项对于评估不同人脑图谱研究中因果推断的强度特别有用：特异性、实验操作、剂量反应、一致性/收敛性、可逆性和暂时性。其他标准，包括效应大小、再现性、合理性和类比性，可以使用任何方法进行研究，因此，在比较大脑图谱研究中因果推断的强度时，这些标准都不太有用。

当严格应用这些标准时，观察数据的因果推断可以接近随机对照试验的因果推断强度。然而，目前还没有一个成熟的系统可以从人脑映射数据中估计因果推理的强度。基于Hume的框架和它启发的许多系统性方法，本文提出了一个人类大脑映射的“因果连续体”（图2b）。虽然不可能最终确定干预措施的因果关系，但这个连续体可用于对不同大脑映射技术的因果关系的相对强度进行评分。

图2. 评估人脑图谱研究中的因果关系。a|用于人脑图谱研究中评估因果关系的六个标准，改编自Bradford Hill 标准。颅内电刺激 (iES) 用于说明每个标准。可以通过模拟大脑活动未被调节或以不同方式调节的假设情况来估计反事实。当稍有不同的干预措施导致可测量的不同结果时，可以证明其特异性。例如，刺激运动皮层的不同部位会对运动功能产生特定的靶向效应。与对照干预（本例中为假干预）相比，实验操作可用于选择性地调节特定大脑区域的活动。当更高强度的刺激导致更高强度的结果时，剂量-反应关系明显，在这种情况下，肌肉收缩更加强烈。如果不同的方法趋于相似的结果，则可以证明一致性。例如，如果刺激某个部位会导致手指移动，那么同一部位的病变会导致手指无力。当大脑功能停止改变时，行为的逆转可以说明可逆性。b：我们在人脑成像中提出的因果连续体。举例说明如何使用改编自Bradford Hill标准的标准评估不同的脑图谱技术，按照因果关系连续体从因果关系最小到最大的顺序排列。靶向脑病变和脑刺激比其他脑成像技术更符合因果关系标准

二、概念因果映射框架

在不同的人脑绘图方法中，大脑病变和大脑刺激是因果关系连续体中相距最远的，假设可以经过严格设计，使用其中一种方法的研究用于估计反事实和证明特异性。然而，由于可能的病变或刺激部位的数量基本上是无限的，可能的行为结果的数量也是无限的，前瞻性地将每个大脑区域的行为效应从所有其他大脑区域中分离出来是不切实际的。而切实可行的挑战可以通过在病变或刺激部位的位置上确定偶然或近随机变化的自然实验来克服。使用大型数据集，通过比较大脑中数百个偶发性病变或刺激部位，可以测试结构特异性。这可以产生与某些病变诱发症状或刺激诱发反应相关的大脑区域的大比例脑图。这通常是通过比较病变部位或改变症状的刺激部位来实现，一般是通过比较这些病变或刺激部位的连通性，或直接刺激和记录实时改变症状的方式。

绘制近随机脑损伤图：大多数早期病变和刺激研究都基于病例报告或小病例系列，其中病变或刺激足以导致特定结果。这些研究提供了关于神经解剖学的有用知识，可以清楚地测量功能，如感觉、运动和视觉。然而，一些高阶功能很难用个别案例来研究，因为刺激高关联区域并不总是能产生可测量的反应。使用因果关系的概率方法可以减轻这种限制，即确定病变或刺激如何改变结果的概率。因为降低症状发生概率的治疗仍然可以在临床上使用，所以概率因果关系仍然有助于确定治疗目标。

在概率研究中，需要使用大型数据集来比较多个病变或刺激部位的影响。这首先通过体素病变症状映射（VLSM）来说明，VLSM将导致症状的病变与其他病变进行比较。例如，在遭受穿透性脑病变的退休美国军人中，杏仁核和前颞叶的病变降低了创伤后应激障碍的风险，而后颞叶的病变增加了焦虑的风险。尽管在足够的空间覆盖率和样本量下，网络层次的关系可能会变得明显，VLSM也不能直接解释神经机能联系失能（一个大脑区域的损伤会导致远处区域功能的改变）和相互连接的脑网络的作用。

将症状定位到大脑回路：当不同患者的非重叠脑部病变引起相似症状时，如何将症状定位到特定的神经解剖结构成为了一个挑战（图3a）。这些个体差异可以用一个共同网络的损伤来解释，不同部位的脑损伤造成了相同的症状，因为它们相交于相同的大脑回路。

图3. 导致相同症状的异质性病变会使因果推断复杂化。a| 如果引起同一症状（但不是其他病变）的病变相交于共同的大脑区域（病变1-3的重叠区域；用红色标出），可以推断该区域在症状产生中的因果作用。如果导致相同症状的其他病变未能与该脑区相交（病变4-6），则这种因果推断会更弱。b| 如果引起相同症状（但不是任何其他病变）的病变部位连接到一个共同的中心区域（病变1–6），那么此种连接定义了一个脑网络（橙色），它包含了引起症状的所有病变部位。这样我们可以推断出这个脑网络在症状产生中的因果关系。值得注意的是中枢区域不一定与症状有因果关系，而是定义了一个与症状有因果关系的脑网络。

为了测试脑回路的定位，损伤和刺激数据可以与脑成像或电生理数据导出的脑回路映射相结合 (Box 3)。该方法已被广泛应用于使用损伤网络映射 (LNM) 和相关技术的研究，这些研究使用相关的神经影像学来解释异质性的因果结果。

Box3

可能与因果技术相结合的回路映射方法

几种成像技术可以提供有关大脑回路组织的可靠信息。这些方法可以结合来自病变或大脑刺激部位的因果信息来映射影响到大脑回路。每一种大脑成像技术都有不同的优势和局限性。

• 结构连通性

扩散MRI可以测量白质束的位置，使我们能够研究刺激同一白质束不同部位的效果。这提供了高空间分辨率，但不能映射多突触关系或交叉白质纤维。

• 功能连通性

这种方法通过测量大脑远处区域自发波动之间的相关性来估计连接性，通常使用功能磁共振成像(fMRI)来测量。与扩散MRI不同，这种技术可以估计刺激点对全脑多突触网络的影响。然而，它受到时间相关性意味着不同大脑区域之间存在联系这种假设的限制。

• 标准连通性

与其测量个体的结构或功能连通性，不如使用大型连接体数据库来估计特定大脑区域的全脑连接。这种技术提供了更大的可靠性，但代价是不能映射大脑结构的个体间差异。

• 表面电生理学

脑电图或脑磁图可用于测量刺激远处大脑区域的即时电效应，提供了较高的时间精度。这些技术能够研究刺激对大脑其他部分的快速传播，但受到空间分辨率差的限制。

• 颅内电生理学

由于具有比表面脑电图更精确的解剖结构，颅内脑电图能够精确地绘制特定行为。然而，这些工具是侵入性的，通常只在专门的临床中心使用，在那里对患者进行难治性癫痫手术治疗的评估。

• 其他方法

理论上，可以使用任何神经成像方法，包括任务功能磁共振成像、有效连接、区域脑血流或容量成像，来定义先验回路。这些方法尚未被广泛用于绘制连接到特定病变或刺激部位的电路，因此仍需要方法学的验证。

因为LNM能映射出每个病变的全脑连接，每个病人都有大脑中任意体素的数据，因此LNM比VLSM具有更强的统计能力。LNM还可以量化病变或刺激部位与不同回路重叠的程度，从而揭示剂量-反应关系。即使VLSM没有显示出显著的重叠，但许多最近的研究表明，使用标准的大脑连通性具有检测病变或刺激部位与不同临床结果之间的因果关系的潜力。

大多数LNM研究使用标准的连接体数据库来定义该大脑回路，该连接体数据库充当“接线图”，描述了任何病变部位的预期连接情况。这个接线图是基于没有脑损伤或脑刺激的大量参与者的静息状态功能连接或弥散性脑道造影数据。目前正在进行的工作是比较不同方法生成的接线图，包括结构连接和功能连接，规范连接和个性化连接，每一种方法都可以独立增加数据库的价值。

在回路水平上研究病变和刺激部位也有一些缺点。这些方法会增加额外的复杂性，从而增加错误因果推理的风险。如果大脑病变引起了特定的症状，可以合理地推断病变部位与症状有因果关系。如果导致相同症状的不同病变位置连接到一个共同的中心，则很容易推断症状和中心之间的因果关系。但是，中心区只是定义包含导致症状的病变位置的连接网络。换句话说，因果推理是针对网络的，而不是定义网络的枢纽。中心区域可能代表了一个重要的治疗目标，但它是从应用于病变部位本身的因果推断的一步。人们需要独立研究病变或刺激中心区域的影响，以推断中心区域与症状之间的因果关系。

实时因果映射：因果推理的另一种方法通过使用实时刺激实验来处理时间性、实验操作和可逆性标准，在这些实验中，不同的大脑区域被局部刺激来诱发瞬态效应。

实时绘制人类大脑功能的最精确的工具是对有意识的人进行颅内电刺激 (iES)，尽管最近的研究表明热刺激可能达到类似的效果。这些研究通常是在患者进行癫痫手术前植入多焦点电极阵列来监测癫痫发作。虽然这些电极是植入的，但研究人员可以使用它们来传递焦点刺激，并测量参与者的主观体验状态或实验任务表现的变化。该方法还可以在刺激期间和之后同时进行颅内脑电图记录，从而产生有效连接的测量。尽管iES不像 LNM 和其他大脑回路分析那样提供全脑覆盖，但仍然可以通过比较多个患者的数千个可能刺激部位的临床结果来估计反事实。最近的一些研究也说明了iES是如何增加相关神经成像实验或动物模型研究结果的价值的，它有可能促进其转化为临床治疗。

三、未来研究的路线图

整合相关图和因果图：除了将相关和因果技术直接组合到一个分析中的 LNM 之外，还有几种方法来检验相关和因果技术之间的一致性 (或缺乏一致性)。这一原则在最近的两项研究中得到了很好的说明，其中基于任务的颅内脑电图 (因果评分= 2) 被用来识别简单音调感知和复杂语音感知之间的内外侧分离。然后，这些相关结果被用来指导因果操作 (iES，因果评分= 5.5) ，表明内侧位点诱发了简单声音的幻觉，而外侧位点中断了复杂词的感知。因此，通过将相关数据的高级分析与因果刺激相结合，这些研究在听觉皮层中发现了一个新的内外侧梯度。

因果技术也可以用来比较不同的相关脑成像结果。在最近的两项有关共轭能行磁共振成像的研究中，更多的因果技术表明，一些相关的方法比其他方法更为功能相关。今后，在可行的情况下，因果连续体的技术应该被用来检验因果关系较少的方法得出的结果。相反，相关成像也可以作为生物标志物来比较不同因果技术的效果，特别是那些不能诱导可测量的临床效果的技术。

最后，可以设计多焦点刺激方案，以针对相关技术定义的回路的不同部分。刺激同一回路不同节点的效果可能不同，刺激一个节点可能会改变第二个节点的兴奋性。

因果脑映射的最佳实践：不同的人脑成像技术可以产生不同层次的因果推理。重要的是要认识到哪个级别的因果推理适用于给定的研究，并形成适当的结论，特别是当目标是揭示治疗靶点。在此，本文提供一些在这方面可能有用的指导方针。

首先，纯相关性研究应避免声称因果关系，并谨慎建议治疗相关性。尽管一些相关性可能反映了因果关系，但其他相关性可能是虚假的或反向因果关系。第二，在做出任何因果结论（包括局限性）的研究中，应明确评估因果推理的强度。第三，病变和刺激研究应明确考虑形态之间的一致性程度。第四，为了确定治疗目标，不仅要关注因果关系的强度，还要关注其临床相关性。第五，因果关系的强度和研究的整体质量之间有一个关键的差异。本文提出的因果连续体适用于设计良好、执行良好、有严格方法和适当对照的研究。最后，也许是最重要的，仍需要前瞻性随机临床试验来将因果回路映射的结果转化为实际治疗。

神经动力学模型读书会

随着电生理学、网络建模、机器学习、统计物理、类脑计算等多种技术方法的发展，我们对大脑神经元相互作用机理与连接机制，对意识、语言、情绪、记忆、社交等功能的认识逐渐深入，大脑复杂系统的谜底正在被揭开。为了促进神经科学、系统科学、计算机科学等领域研究者的交流合作，我们发起了【神经动力学模型读书会】。

集智俱乐部读书会是面向广大科研工作者的系列论文研读活动，其目的是共同深入学习探讨某个科学议题，激发科研灵感，促进科研合作。【神经动力学模型读书会】由集智俱乐部和天桥脑科学研究院联合发起，已于3月19日开始，每周六下午14:00-16:00（或每周五晚上19:00-21:00，根据实际情况调整）进行，预计持续10-12周。期间将围绕神经网络多尺度建模及其在脑疾病、脑认知方面的应用进行研讨。

详情请见：

推荐阅读

点击“阅读原文”，报名读书会