MRI插上人工智能的翅膀，或将预测儿童智力

1930年代，物理学家伊西多·拉比发现了核磁共振现象：在磁场中的原子核会沿磁场方向呈正向或反向有序平行排列，而施加无线电波之后，原子核的自旋方向发生翻转。如果对初中电磁学还有点印象的话，这其实不难理解。

很快，医学家们发现，人体内水分子中的氢原子也可以产生核磁共振现象。通过全身无处不在的水，人体内部结构被精准呈现。

这证明了一个观点：女人是水做的骨肉，男人也是。

受此启发，1973年核磁共振成像技术(MRI)问世，成功地绘制出了一个活体蛤蜊内部结构图像。于是，这只蛤蜊实现了逆风翻盘，从此不再是一只普通的蛤蜊，它将名垂青史，流芳百世。

之后，MRI技术日趋成熟，应用范围日益广泛，成为一项常规的医学检测手段。核磁共振光芒四射，名动江湖，斩获1944年、1950年的物理学诺奖，2003年诺贝尔生理学或医学奖。

MRI给医学影像学技术带来了质的飞跃，疾病诊治精准率明显增加。但MRI能做的超出我们的想象。

这不，它还或许还能预测儿童智力！

抛砖引玉

这篇不久前发表于《青少年大脑认知发展神经认知预测》杂志，名为《Ensemble of 3D CNN Regressors with Data Fusion for Fluid Intelligence Prediction》的文章，告诉我们MRI的潜能尚未被完全开发。

如果能事先对儿童的认知发展有所了解，我们就可能通过青春期的干预从而改善他们将来的脑健康。故而，洞悉智力背后的神经奥秘是一项关键的任务。

2013年，美国国立卫生研究院（NIH）启动了迄今为止针对青少年大脑的首次大规模研究———青少年脑认知发展（ABCD）项目，以了解青少年的爱好和习惯是否会对他们的大脑发育造成影响。

用的是NIH自家数据。对NIH而言，数据那都不是事，它的库里面9-10岁儿童的MRI影像超过1.1万张之多。

借助庞大的数据库，NIH启动了一项国际性竞赛——2019 ABCD神经认知预测挑战赛。参赛团体可以基于这些数据构建一个智力预测模型，最终NIH评出胜出者。

这也是NIH首次将如此大规模的数据与民共享。

计算与大数据科学工程（CDISE）Skoltech中心也是参赛者之一。他们首次采用全新的3D网络深度学习集成方法建模，将多个数学模型融合，用于分析同一数据，以提高预测精度。最终，他们获得了第四名的好成绩。

在讲解研究之前，我们还要了解一个概念——流体智力（gF）。美国心理学家雷蒙德·卡特尔把智力的构成区分为流体智力和晶体智力两大类。流体智力是一个人生来就能进行智力活动的能力，即学习和解决问题的能力，它随神经系统的成熟而提高，如知觉 、记忆 、运算速度、推理能力等，不受教育与文化影响。一般人在20岁以后流体智力的发展达到顶峰，30岁以后随着年龄的增长而降低。晶体智力则是后天形成的，通过掌握社会文化经验而获得的智力。如词汇概念，言语理解，常识等记忆储存信息为能力，一直保持相对稳定。

人类的流体智力是否可以通过后天的训练得到提升，一直是一个饱受争议和关注的话题。如果可以，那先天愚钝的人还是有救的。当然，这不正是郭靖大侠成功的奥秘吗？否则，那个“勤能补拙”的词语不就无法振奋人心了吗？

已有研究证明通过脑成像技术能预测流体智力，但没有找到可靠的生物标志物。如今，深度学习方法和卷积神经网络在图像分类、识别和处理方面显示出了很大的潜力，将其与MRI结合，或许将终结这个历史。

Skoltech团队采用了高精度的VoxCNN分类模型对MRI数据进行分析。通过3739组数据建模训练，415组用于验证模型。

VoxCNN流体智力预测模型

很遗憾各种模型的均方误差都比较大达到了70以上，说明模型的准确性有待提高。但集成方法的均方误差相对更低，支持多数据融合能提高预测能力。

虽然模型还不尽如人意，但对了解青少年认知、社会、情感和身体发展等等方方面面还是功不可没。

为了抛砖引玉，Skoltech团队也受邀参加了久负盛名的医学影像学华山论剑——2019 MICCAI（医学影像计算与计算机辅助介入大会），就在今年十月的中国深圳。

结语

人工智能结合MRI尤其是fMRI，已经在疾病的诊断治疗方面表现出了广阔的前景，如果能在智力预测方面再下一城，对学习障碍、多动症儿童的康复带来希望。

研究还不够完美，但可以肯定，这样的研究如同先行者一样，必将照亮后来人的道路。