Nature：功能神经成像作为整合神经科学的催化剂

功能性磁共振成像(fMRI)可以非侵入性地记录清醒的、有行为的人类大脑。通过跟踪不同认知和行为状态的全脑信号，或绘制与特定特征或临床状况相关的差异，功能磁共振成像提高了我们对大脑功能及其与正常和非典型行为之间联系的理解。尽管取得了这些进展，但使用功能磁共振成像的人类认知神经科学的进展与神经科学其他子领域的快速进展相对孤立，这些子领域本身也在某种程度上彼此孤立。从这个角度来看，我们认为功能磁共振成像可以很好地整合系统神经科学、认知神经科学、计算神经科学和临床神经科学的不同子领域。我们首先总结了功能磁共振成像作为一种成像工具的优点和缺点，然后重点介绍了在神经科学的每个子领域成功使用功能磁共振成像的研究实例。然后，我们为实现这一综合愿景所需的未来进展提供了路线图。通过这种方式，我们希望展示功能磁共振成像如何帮助开创神经科学跨学科一致性的新时代。

近几十年来，人们对脑科学的兴趣和投资迅速增加，我们在神经系统如何指挥复杂的适应行为方面获得了令人兴奋的发现。然而，由于神经科学的许多子领域从根本上是相互孤立的，因此进展缓慢。这样做的原因是可以理解的:神经科学研究是在不同的生物体中进行的，从人类到啮齿动物再到无脊椎动物;尺度从纳米级(例如，单个分子)到米级(例如，社会互动的人类);使用测量技术，从检测单个细胞中的基因表达到记录神经元群中的电活动以及观察复杂行为(例如，人类语言)。

这种广泛的方法提出了概念上和经验上的障碍，使得整合跨子领域的见解或进展本身就很困难。然而，最终，我们将需要跨越神经科学领域的桥梁，以充分了解大脑是如何工作的，以及识别和治疗它的许多不同的疾病和综合征。如果没有这些联系，我们就默认自己无法将一个领域的见解(例如，大脑刺激后突触可塑性的回路机制)转化为另一个领域(例如，理解如何以及在哪里刺激患有特定疾病的个体的大脑以获得最大的临床效益)。

从这个角度来看，我们认为功能磁共振成像技术很适合作为连接神经科学不同子领域的综合桥梁(图1)。功能磁共振成像具有许多令人羡慕的特征，例如在全脑水平上非侵入性地获取空间和时间信息，能够询问人类水平的认知、情感和运动能力，以及获得跨物种的相应数据。以及开放科学实践的坚实基础，这些实践正在提高有效性和可重复性。除了这些优点，功能磁共振成像也有明显的缺点，包括血氧水平依赖(BOLD)信号是神经活动的间接测量。至关重要的是，这些限制与其他领域使用的技术的突出优势相一致，例如能够以减少被测量信号来源的模糊性的方式因果驱动神经动力学。如果功能磁共振成像的独特优势可以被利用，同时找到弥补其弱点的方法，网络科学表明，更好的跨网络整合(即增加连接枢纽的密度或强度)将有助于催化神经科学领域总体上的强劲进步。

图片

图1 功能磁共振成像作为一种综合催化剂，在现有的神经科学网络中溶解模块边界

1. fMRI的优势和弱势

与结构核磁共振成像不同，功能磁共振成像能提供详细的大脑解剖图像，它能探测到大脑活动时血流动力学的变化。最常见的对比机制，被称为BOLD信号，是基于这样的原理，即有更多的含氧血液输送到可以用MRI检测到的神经元活动增强的区域。功能磁共振成像是非常安全的，因为它是非侵入性的，不需要使用电离辐射。尽管fMRI可能与认知神经科学联系最为密切——事实上，它的核心优势之一是为人们执行特定任务(例如感知、记忆和决策)时的大脑功能提供了一个窗口——但它的应用并不局限于认知领域。它也对系统、计算和临床神经科学做出了重要贡献，如下所述。

功能磁共振成像的一个关键特征是，它可以在人类以及所有哺乳动物模型系统(例如，啮齿动物和非人类灵长类动物)中进行，从而产生相应的数据，开辟物种之间的直接转化途径。另一个主要优势是它的全脑访问:它可以在每次读取时获得完整的三维大脑体积，具有合理的时间分辨率(大约1Hz或更快;图2)，具有所有非侵入性成像技术中最高的空间分辨率(约为1 mm或更小)尽管更具侵入性的技术更适合模型系统中的大多数应用，但即使是最先进的技术也无法与fmri的全脑、同时、深度不可知的特征相匹配。例如，在小鼠中，宽视场钙成像通常局限于皮层表面相对较浅的子集，无法同时成像皮层下结构。此外，功能磁共振成像的安全性和非侵入性使得它适用于人类，也使得它更适合于模型系统的某些应用，例如长期纵向设计。然而，更有侵入性的技术，如直接电生理记录和/或钙成像，在不同的会话中定位相同的神经元或神经元群，甚至反复获取损害组织健康的问题，fMRI使其安全且容易地在同一受试者(无论是人还是动物)中获得任意数量的重复测量，并准确地交叉记录这些测量结果。因此，尽管fMRI需要大量的技术专长来获取和分析数据，但它提供了其他成像技术难以获得的独特优势。

用于人类的其他成像方法与功能磁共振成像的优势互补;然而，每一种方法都有自己的弱点，我们认为这使得它不太适合作为跨学科的桥梁。脑电图(EEG)提供了一种更直接的测量电活动的毫秒时间分辨率，但空间分辨率很差，很大程度上局限于皮质表面。这削弱了我们与系统神经科学建立联系的能力，因为许多关键结构很小且/或位于皮层下(例如，海马体)。收集小动物表面脑电图在经验上具有挑战性，使其成为实现跨物种测量对应的糟糕选择。脑磁图(MEG)提供了出色的时间分辨率和空间分辨率，优于脑电图(尽管与功能磁共振成像相比仍然较差)。然而，MEG需要专门的设备，而这些设备不像MRI机器那样广泛可用，并且在大多数较小的模式生物中也很难或不可能执行。正电子发射断层扫描(PET)提供了与分子和细胞神经科学的直接联系，但时间和空间分辨率都比fMRI差得多，而且它具有侵入性，价格昂贵，可用性有限，难以规模化。由于暴露于电离辐射，对某些人群(例如儿童或孕妇)也不适宜。颅内脑电图(EEG)将电极直接置于神经组织上或内部，是测量大脑活动的最接近“金标准”的方法，但它在人类中的可用性极其有限(仅限神经外科患者)。此外，它不提供全脑覆盖，电极的放置取决于临床而不是研究目标。

尽管fMRI在人类可用的其他技术中具有优势，但它有几个值得注意的弱点(图2)。首先，BOLD信号是神经元活动的间接探测，而是跟踪尖峰活动、局部场电位、神经胶质细胞功能和血管平滑肌细胞之间的复杂关系。这些复杂的关系使得推断局部BOLD变化的可能神经元相关性变得具有挑战性，特别是当支持BOLD反应的机制在不同区域可能不同时。BOLD反应也相对缓慢，神经血管的空间分辨率也使其难以分辨小结构，以及不同的细胞类型或亚细胞过程。最后，由于动物通常需要麻醉才能进行MRI扫描，跨物种比较可能具有挑战性。尽管存在这些限制，但仍有理由保持乐观，因为新的成像序列正在继续改善空间信噪比。此外，即使是被认为更直接地捕捉神经元活动的侵入性成像技术也不能完全克服这些复杂的传递函数:例如，在动物模型的侵入性研究中，宽视场钙成像技术可以说是fMRI的主要竞争对手，它也需要专门的反卷积算法来将信号从背景中分离出来，并将恢复的信号与推断的引起它的峰值驱动事件联系起来，就像BOLD信号一样，算法的选择会对结果产生重大影响。与电生理成像技术(即脑电图和脑磁图)相比，功能磁共振成像的第二个主要缺点是时间分辨率相对较差。然而，特别是对于跨物种应用，我们认为准确的空间定位应该优先于时间分辨率:当比较特定环路如何引起跨物种行为时，更基本的任务是在空间中建立对应关系，以确保信号来自相同或同源区域;只有这样，事件的相对时间才能得到有意义的解释。最后，尽管基于核磁共振成像的方法是最安全的成像技术之一，但它们价格昂贵，并且仍然不适合某些人群，例如那些有某些医疗植入物或不能在扫描仪中俯卧足够时间的人。然而，与更具侵入性的技术(例如PET或颅内脑电图)的限制相比，这些限制排除的人群比例要小得多。因此，考虑到这种情况，尽管有其固有的局限性，我们认为fMRI是整合神经科学子领域的最强候选。

图片

图2 功能磁共振成像的好处和挑战。

2. 系统神经科学中的fMRI

在神经科学中，微观的、神经元水平的研究和宏观的、全脑的研究之间存在着历史性的分歧。在小尺度上，对单个元素的精度是保留的，但是这些微观细节如何影响到连贯的整体却经常被忽视。相比之下，在全脑水平上，我们获得了对嵌入在肉体和受限环境中的神经系统的低维约束的理解，但这种清晰的交换是对我们所追踪的信号的精确细胞水平组成的不认识。发现连接这些不同分析尺度的传递函数的身份是理解大脑如何工作的关键缺失部分。

尽管对于单个神经元的突触前或突触后活动或它们与星形胶质细胞的相互作用究竟是fMRI追踪BOLD信号的原因，目前仍存在争议，但对于在整个大脑中记录的BOLD信号中存在巨大的空间和时间组织这一事实，几乎没有疑问。例如，通过追踪分布在大脑中粗略映射的空间位置之间的零滞后相关的简单模式，可以识别出一组强大的分组(通常称为“大规模网络”)，这些分组在会话、个体和不同的MRI扫描仪中都是稳定的，但也会随着任务表现、觉醒、学习、发育和一系列疾病过程的功能而重新配置。最近在系统表征这些模式方面取得了巨大进展，这些模式已被证明包含强大的低维结构，同时也与其他神经成像方式的记录共变，例如脑磁图数据中的固有时间尺度，结构成像数据中的近似髓磷脂含量，以及基于死后研究的多种不同基因的差异表达。这表明在全脑水平的记录和组成大脑的微观元素之间存在着很有希望的联系，但到目前为止，还没有有效的方法在这些不同的尺度之间进行转换。

由于各种原因，跨尺度集成是一个难题:记录技术经常为了宏观尺度的覆盖而牺牲微观水平的精度，很少有技术能够同时解析多个独特尺度的信号。这是有问题的，因为微观层面的神经科学的尺度比目前最强大的高场功能磁共振成像技术所能检测到的尺度要小几个数量级。随着技术的进步，这一差距当然会变得越来越小，这些技术可以在清醒的动物身上同时绘制数千个神经元群的地图，通常使用侵入式钙传感器。然而，一个重要的问题仍然存在:目前还没有可用的技术可以在整个大脑的分辨率下绘制这些微观动态，特别是没有侵入性的。然而，尽管哺乳动物模式生物的全脑钙成像或任何规模的人类钙成像尚不可能，但在人类和其他哺乳动物模型中记录全脑fMRI是可能的。此外，最近的进展已经使不需要麻醉就能扫描动物成为可能，这为比较和对比不同物种行为的全脑成像特征提供了令人兴奋的机会。因此，一个有利可图的中间地带可能是使用fMRI作为尺度之间的转换，特别是考虑到层分辨fMRI和快速fMRI的最新进展。

对神经系统回路水平的功能进行因果假设，然后对人类全脑记录的宏观模式做出可测试的预测，这种能力对该领域的发展至关重要。重要的是，同时跟踪功能磁共振成像和神经活动的微观测量是不够的——学习信号之间的传递函数这一众所周知的难题也必须得到解决，同时还必须认真对待不同物种神经回路的重要差异。最近在这个领域有几个工作的例子为未来提供了希望。通过将轻度麻醉啮齿动物大脑中精确细胞群的因果光遗传学操作与全脑BOLD信号的记录相结合，研究人员已经能够将神经群的因果扰动与可以在全脑水平上记录的大规模网络特征联系起来。在功能磁共振成像(fMRI)记录过程中，通过植入电极对人类大脑进行电干扰的类似方法也提供了类似的大脑因果通路，尽管其空间分辨率比光遗传学方法更粗糙。光遗传功能磁共振成像技术也与基因表达图谱相结合，揭示了神经调节剂如何通过大规模受体网络调节人类行为的各个方面。其他方法将BOLD与其他成像方式相结合，如钙记录或电生理学，以确定每种技术中固有的模式是否一致或不同。早期的进展看起来很有希望，尽管神经回路有许多固有的特殊细节，包括对唤醒状态的敏感性和大脑中背侧-尾侧层次的神经化学变化，在该领域能够提供一种翻译工具之前，仍然需要有效地处理，这种工具可以在不同的空间尺度上进行映射，需要将这些不同的方法联系起来。

3. 认知神经科学中的fMRI

一旦在大脑微环路和我们从功能磁共振成像中记录的宏观测量之间建立了更强大的联系，微环路就可以通过利用人类全脑成像长期以来的优势，与神经系统的突发能力联系起来:能够揭示导致人类行为和思想的内在认知、情感和动机过程。信号采集和新的分析策略的发展使功能磁共振成像在这一过程中的作用发生了实质性和有意义的变化。

在数据采集方面，通过使用高场fMRI获取深度相关或“层特异性”测量，我们可以通过自上而下(反馈)和自下而上(前馈)的活动在皮质柱上具有不同的深度剖面来表征定向环路。关键的是，人类活动的这些层特异性特征也可以与动物模型中使用深度依赖探针的观察结果进行比较，从而为测试人类参与者的预测编码的长期理论提供了机会。尽管早期的层特异性功能磁共振成像工作试图通过将动物模型系统的既定发现扩展到人类来验证这些方法，但最近的研究已经开始有新的发现，这些发现很难或不可能在动物模型中进行测试。这些研究现在正以它们自己的方式为认知理论提供信息。例如，理论研究将感知(实际经历外部刺激)与心理意象(在脑海中调用刺激或想象一种行为而不执行它)进行比较，表明负责这两个过程的皮层回路存在精确的差异。层特异性功能磁共振成像研究开始从自上而下和自下而上的角度梳理这些现象。来自特定层的功能磁共振成像的发现也为注意力理论提供了信息，其效果可以显著改变大脑活动和对其他相同刺激的行为。例如，一项研究能够将自上而下的多感官互动分离为两种不同的深度依赖图谱，这表明这是两种(至少部分)可分离的机制，大脑通过这些机制调节和优先处理信息流。

敏锐的实验范式与细致入微的数据分析方法的结合也导致了认知神经科学的快速发展。例如，仔细的任务设计与基于模型的分析策略相结合，揭示了大脑使用网格状代码来导航空间和非空间(即概念)关系，并组织情景记忆，类似于在非人类动物的空间导航中观察到的网格细胞。基于强化学习领域的长期研究，最近的研究使用功能磁共振成像(fMRI)来区分大脑如何计算主观价值的可能模型，描绘从直接经验和社会观察中学习的机制，并分离行动选择和执行错误对学习的影响。值得注意的是，这些研究与早期的基于模型的方法有所不同，早期的方法首先将模型与行为数据相匹配，以选择获胜的模型，然后搜索相关认知操作的神经关联。相反，在这些情况下，所研究的模型对最终行为做出了类似的预测，这意味着仅凭行为就很难或不可能在它们之间做出裁决。相反，在这些研究中，模型直接拟合神经数据，以在认知过程的中间步骤中寻找假设潜在操作的证据。尽管使用脑电图、脑磁图或其他技术有可能得出相同的结论，但考虑到许多有问题的结构相对较深(例如纹状体、丘脑和内侧前额叶皮层)，它们不太可能得到与fMRI相同的空间特异性。人类的这种空间特异性对于跨物种的联系是重要的，在奖励学习和决策领域尤其应该优先考虑，在这些领域有令人兴奋的机会在人类和动物模型之间翻译类似的任务和回路。因此，这些例子强调了fMRI在加深我们对认知机制的理解方面的关键作用，这种理解也可以与神经科学的其他子领域进行有意义的交互。

随着方法学的进步推动了这一新的研究浪潮，功能磁共振成像帮助将认知神经科学与系统、计算和临床神经科学领域相结合的能力为发展提供了令人兴奋的机会。这些努力已经取得成果的一个例子是对内侧颞叶(特别是海马体)的研究;图1b)和跨物种现象，如重放和再激活，人类巩固记忆和学习新信息的过程。这些过程通常发生在“离线”(当个体不专注于特定任务时，通常没有明确的意识)，因此行为探针无法访问，并且还涉及内侧颞叶的深层大脑结构，因此功能磁共振成像已成为表征人类这些现象的关键工具。因此，这些现象是功能磁共振成像如何很好地定位于跨尺度连接的主要例子，这需要高空间精度，这可以通过非侵入性功能磁共振成像(在人类或动物模型中)和侵入性记录(在动物模型中或偶尔，人类进行颅内记录)来实现。为了进一步与系统神经科学相结合，未来的工作可以利用这些跨物种和尺度的清晰联系来完善我们对将动物模型中的侵入性记录映射到人类功能磁共振成像的一般传递函数的理解;这些函数可以反过来应用于其他实验中收集的测量数据，以做出更精确的转化预测和/或更精确地评估跨物种发现的收敛或分歧程度，尽管记录技术存在实质性差异。在计算方面，人们对海马体回路的计算性质有了很大的了解，这些算法特征可以通过设计复杂的认知任务来改进，这些任务在动物身上很难完成。最后，许多临床疾病，如阿尔茨海默病和癫痫，严重依赖于内侧颞叶内的病理，这表明我们使用功能成像绘制这些疾病的进展将与临床神经科学和患者群体数据的联系相互联系(图1b)。重要的是，这仅仅是功能性神经影像学固有的更广泛能力的一个例子，它以一种有意义的方式与系统、计算和临床神经科学交叉，促进了我们对大脑系统如何支持认知功能的理解(图1c)。

4．计算神经科学中的fMRI

有了功能神经成像获取认知过程的途径，神经科学家面临着如何理解功能神经成像数据中固有的复杂模式的新挑战。尽管功能定位和功能整合之间的权衡一直受到重视，但功能性神经成像多年来主要关注的是“大脑映射”——即开发大脑特定区域或网络与特定心理功能之间的联系。这种方法在我们对大脑功能的认识方面取得了重大进展，例如，在对分布式网络的表征方面，分布式网络在不同的任务中持续参与，并预测认知能力。然而，这种方法在准确解释不同的专门区域如何协同工作以产生更高的认知功能(如流体智力和解决问题的能力)方面存在不足。当然，这是一个困难的问题，需要对系统进行“鸟瞰”(也就是说，正是fMRI提供的有利位置);然而，从一组相对异构的研究中辨别出连贯的算法顺序也是具有挑战性的。我们需要的是筛选复杂的全脑成像的方法，以理解将大脑活动模式与心理功能联系起来的原理。

通过使用人工神经网络，一种解决这个问题的有希望的方法已经出现。先前fMRI分析的计算方法通常使用任务的特定计算子组件的相对抽象模型，而人工神经网络激发了一种将神经计算映射到大脑活动的替代方法:即，通过训练大脑启发计算单元的结构化网络中的连接，使网络能够以端到端方式执行任务(即从刺激到响应)。现在，这些模型在许多复杂任务上的表现可以和人类一样好(甚至更好)。虽然很明显，这些网络并不是详细的生物网络的精确再现，例如，常用的反向传播训练算法可能与生物神经网络使用的学习规则截然不同，人工神经网络无法解释人类心理学的关键发现——关键问题是，网络的分布式性质迫使系统使用生物神经网络可用的一些相同自由度来解决计算问题(即，作为单位的分布式网络，它们之间的连接强度不同。在某种程度上，大脑以类似于人工神经网络的方式解决计算问题，训练过的网络可以被认为是一种“计算模型生物”，可以被询问，以确定模型的计算组件，这些组件最能预测从生物大脑记录的信号，从而提供对大脑功能的进一步了解。

也许最关键的是，人类参与者执行的任务类型可以利用复杂的、基于语言的认知能力，这些能力基本上是不可能通过非人类模型来研究的。当这些人类实验的数据随后被映射到计算模型时，这些模型可以扩展到可以在动物身上被询问的行为范围之外，同时保留与使用系统神经科学工具识别的许多来之不易的关于神经系统的事实的联系。也就是说，可以从成功复制人类行为的计算模型中获得灵感，以帮助回答困难的“如何”问题，同时根据功能磁共振成像的测量结果评估候选解决方案，然后将这些结果与已知与功能磁共振成像有联系的系统神经科学的更精确测量相结合，以确定给定的计算解决方案是否具有合理的神经实现。这种迭代过程将提供改进现有认知本体的能力，使用的机制和方法非常适合解压缩认知结构。

为此，需要进一步发展的一个有希望的领域是精确地确定现有的人工神经网络架构是否以及如何映射到人类大脑的功能。例如，开创性的工作表明，分层卷积神经网络结合了许多层和过滤器来模拟维度的崩溃和扩张，为模拟哺乳动物视觉系统的关键特征提供了一种强大的方法。这些模型如何精确地映射到视觉系统的复杂性仍然是一个悬而未决的问题。然而，为这一目的而设计的高质量数据集的公开发布无疑将加速我们在这一领域的进展。最近的研究也证明了与语言理解相关的人类大脑活动(通过侵入性电生理学测量)和自回归神经网络(“变压器”)架构之间的类似同构性，这些结构在许多语言任务中都取得了很大的成功。

这种方法对于使用相同的工具绘制更抽象的认知功能具有很大的前景，例如，通过训练循环神经网络来执行模拟的认知任务，之后可以使用用于分析功能神经成像数据的相同方法来询问网络的功能。通过比较神经网络执行认知任务的特征与来自人类参与者的fMRI模式，可以识别认知挑战的计算解决方案的异同。相反，人们也可以使用功能磁共振成像来生成新的任务优化神经网络模型。然而，另一种有希望的方法是使用人工神经网络来评估刺激在特定理论争论方面的实际诊断程度 (在这种情况下，关于周围皮层在记忆和感知中的作用)，从而解决人类和猕猴损伤结果之间明显的不一致。简而言之，人类大脑与人工神经网络当然有一些关键的不同之处，但两者之间的相似之处和差异为我们理解大脑如何产生认知提供了许多潜在的途径。

5. 临床神经科学中的fMRI

在功能磁共振成像技术问世之初，许多人认为它的最终前景将是为临床和其他现实环境开发工具。目前，功能磁共振成像(fMRI)被用于术前定位，以确保关键的大脑区域在切除过程中不被破坏，最近，它被用于指导深部脑刺激电极的定向放置，以及非侵入性刺激技术，如经颅磁刺激。然而，这些应用仍然相对小众，许多人同意功能磁共振成像在诊断和/或治疗精神和神经系统疾病方面的全部前景尚未得到证实。阻碍fMRI取得有意义的临床进展的一个主要挑战是，尽管上面讨论的几乎所有发现都是基于来自多个个体的汇总数据，但为了开发具有现实价值的工具，我们需要识别神经或精神疾病的生物标志物，这些生物标志物在个体“n of 1”水平上是敏感和特异性的，这从根本上来说是一个困难的统计挑战。

基于fmri的工具适合广泛、常规的临床应用的梦想可能离现实还很遥远，因为基于成像的生物标志物已经被证明是不可靠的或太弱，无法在个体水平上支持强有力的推断，这可能是因为它们建立在数据不足的基础上。这并不是说fMRI在目前的状态下不能对临床神经科学做出有意义的贡献;相反，我们建议重新关注发生在系统、认知和计算神经科学中的基础科学发现如何为临床神经科学提供信息，反之亦然。

生物标志物面临的一个挑战是，行为和大脑功能在个体内部和个体之间都有相当大的差异。最终，要理解大脑、行为和临床状态之间的联系，将需要绘制出从健康到病理的光谱中提取的测量值的完整空间。虽然行为研究早就认识到受试者在执行特定任务时的波动(例如，试验与试验之间的差异)，但功能磁共振成像可以揭示这些波动发生的神经基础——换句话说，内源性大脑状态如何影响传入的感觉信息的处理，以及如何处理。这种神经和行为在不同时间尺度上的波动——从几秒到几年——有可能告诉我们对症状轨迹和治疗反应的理解。他们还强调了当前大多数精神健康障碍神经影像学研究逻辑中的一个基本问题:通过在单个时间点对个体进行采样，这些研究系统地忽略了在许多此类情况下已知发生的时间变异性。与单时间点诊断预测相比，以预后的名义将受试者大脑变化与行为变化联系起来的纵向设计可能是fMRI临床应用中更有效的途径。类似地，虽然丰富的跨主体可变性(即个体差异)在许多领域(人格、情感、认知和运动技能等)中都得到了很好的建立，但理解这些差异的大脑基础可以揭示不同的大脑如何以及为什么执行相同的任务或对相同的信息做出不同的反应，以及这可能与疾病或疾病风险有何关系。同样，即使在缺乏生物标志物的情况下，关于神经变异性的基础科学也可以以其他方式为临床实践提供信息，例如通过提出新的干预措施。例如，了解复杂刺激(如电影)中的哪些特征或事件会引发个体之间不同的大脑反应，可能会为认知行为疗法提供新的目标。

功能磁共振成像为临床神经科学提供信息的另一种方式是有助于对症状的机制理解。一个有力的例子是幻觉，或在没有外部刺激的情况下的感知体验。幻觉是一种跨诊断现象:虽然听觉幻觉(通常是言语幻觉)是精神分裂症的标志，但它们也与其他几种疾病和感觉领域有关(例如，帕金森病的视觉幻觉)。一些理论试图解释幻觉的预测编码和异常加权知觉先验在构建感官经验。较早的神经成像研究关注于识别与幻觉相关的活动位点，以了解幻觉在其功能神经解剖学上与真实感觉体验的相似程度，而最近的功能磁共振成像研究则利用方法上的进步，对幻觉发生的时间、方式和原因建立更机械的理解。例如，特定层的功能磁共振成像可以提供经验证据来约束预测编码，帮助判断异常的预测错误是由自上而下还是自下而上的信号受损造成的，并且将功能磁共振成像与条件幻觉任务的计算模型相结合可以揭示导致幻觉的潜在认知过程的神经回路。除了有可能推进临床科学(例如，通过提出新的治疗目标)，这两个方向也加强了临床和系统，认知和计算神经科学之间的桥梁。

虽然很多注意力都集中在基础科学的发现如何为临床问题提供信息上，但fMRI也可以促进从临床神经科学回到系统、认知和计算神经科学的基础科学模块的丰富可能的相互贡献。精神活性药物提供了一种可以随意操纵微观现象的方法，例如，通过针对特定的神经递质系统，以一种公认的生硬，但在伦理上可以接受的方式。如果从动物模型中知道如何操纵这些微观现象应该影响更宏观的大脑活动模式，那么药理学功能磁共振成像研究可以用来验证同样的原理适用于人类。就计算神经科学而言，如果有可能对心理过程如何工作以及它们如何在大脑中实例化进行建模，就有可能测试这些模型中不同程度的中断是否产生与疾病中所见的神经和/或行为缺陷相匹配的数据。例如，干扰多巴胺能功能的药理学制剂已被用于证实纹状体中fMRI信号与多巴胺能奖励预测错误之间的关联。这种方法是快速发展的计算精神病学领域的核心原则。

6. 未来功能磁共振成像的路线图

这个视角首先强调了当前神经科学领域相对分离的本质(图1)。然后我们认为，尽管有其局限性(图2)，功能磁共振成像是一种工具，它具有许多积极的特征，使其能够跨越并整合这些相对孤立的子学科。通过这一整合，我们设想了一个未来，fMRI将作为一个连接器枢纽，将我们领域的碎片重新整合在一起，重新发现其他分离的子领域之间的通信。

许多方面的进展将加速这一进程(图3)。其中的关键是需要更精确地了解BOLD反应如何与微观尺度上的详细神经元记录相一致，我们预计这将从多模态图像集成中出现。通过改进生物物理理解，使不同成像模式之间的转换成为可能，在一个领域(如特定皮层细胞类型在特定认知任务中的因果作用)和可能在非人类物种中难以或不可能成像的更复杂的认知背景(如复杂的社会互动或高度抽象的、基于规则的任务)中创建的预测将能够在其他物种中进行测试。我们还预计人类大脑细胞成分的神经解剖学特征的高度重要性，特别是为了确保跨物种的比较是高精度进行的;这一目标将在BRAIN(通过推进创新神经技术进行大脑研究)倡议细胞图谱网络的持续努力下得到极大的促进。将这种细胞水平的细节与用于非人类模型生物的因果技术以及BOLD成像相结合，将显著提高我们解释我们在人类受试者中非侵入性收集的测量结果的能力。使用这些方法确定的复杂因果网络将进一步增强现有的生物物理模型，揭示更高层次大脑功能的机制。

信号获取和范式设计的持续进步也将促进该领域的进展，特别是那些提高我们在执行认知任务期间识别大脑中不同神经解剖学相关信号的能力的进展。通过仔细考虑在人类和动物模型的fMRI研究中使用的认知任务的广度和范围，我们的认知能力的广泛范围将更有效地映射在健康和疾病状态。为此，旨在稳健地追踪全脑组织个体差异的研究将使我们能够将统计方法的力量与特殊认知和情感能力所提供的精度结合起来。最后，从元科学的角度来看，近年来fMRI社区一直处于数据和代码共享等实践的最前沿，并努力确保可复制性和可推广性，从而可以作为其他科学界的典范。这反过来又可以加强fMRI的综合作用，并有助于确保子领域内和跨领域的整体科学进步。

复杂的、多尺度的大脑组织不适合从单一的有利位置进行讯问。总的来说，我们认为神经科学的下一波突破将由一种多元化的方法来催化，这种方法利用特定经验工具的优势来弥补其他工具的弱点，而功能磁共振成像是一个关键的连接枢纽。总之，这是一个及时的机会来完善我们对大脑协调活动如何塑造产生人类行为和思想的内在过程的理解。

图片

图3 走向更综合的神经科学的潜在途径。

参考文献：Functional neuroimaging as a catalyst for integrated neuroscience.