腦科學麻煩了：fMRI分析爆重大缺陷

瑞典科學家下載了大量腦科學的功能性磁共振成像數據進行分析后發(fā)現：fMRI軟件在判斷腦活動時會出現*概率的假陽性。

毫不夸張地說，功能性磁共振成像（fMRI）給神經科學領域帶來了翻天覆地的變化。當不同腦區(qū)的活躍程度發(fā)生變化，血流量也會相應改變，神經科學家用核磁共振儀搜集各個腦區(qū)血流量變化情況。利用這個技術他們可以非侵入性地找出負責處理不同任務（比如玩經濟學博弈游戲，或是閱讀文字）的腦區(qū)。

不過這種研究方法和使用者都受到了不少批評。有人擔心，這個技術夸大了我們閱讀人類心智的能力。有一些人則指出，對于 fMRI 數據的不當分析可能會產生誤導的結論，比如一項研究關于死亡鮭魚的研究。

雖然上述問題常由拙劣的統(tǒng)計方法造成，但是一項發(fā)表在《美國國家科學院院刊》（PNAS）上的研究（Eklund， Anders， Thomas E. Nichols， and Hans Knutsson. “Cluster failure： Why fMRI inferences for spatial extent have inflated false-positive rates.”Proceedings of the National Academy of Sciences（2016）： 201602413. 論文基本信息見文章末尾）指出，問題要嚴重得多。fMRI 分析中涉及到的一些基本算法會產生假陽性“信號”，并且頻率高到令人擔憂。

fMRI 背后的原理很簡單：神經活動需要消耗能量，消耗掉的能量需要補充。這意味著新近活躍的腦區(qū)的血流量會增加。高分辨率的 MRI 可以得到這種血流量數據，研究人員借此識別執(zhí)行某項任務時被激活的腦結構。

然而，這種理論在實際中的應用相當復雜。成像過程將大腦分割成被稱為體素的細小三維單位，然后分別記錄在每個體素中的活躍度。

由于體素非常之小，軟件必須對整體進行檢查，找尋“聚群”（clustering）——一群行為相似的相鄰體素。死鮭魚研究的顯著性結果是因為該軟件默認配置成目前 MRI 儀掃描輸出的巨量體素值。也就是說即使在 95% 的置信水平上，假陽性也不可避免。

這項新研究的作者是一隊瑞典研究者。他們提出該軟件還存在其他問題。他們利用了zui近興起的公開數據的潮流，下載了幾百個其他研究中的 fMRI 掃描數據，然后自己進行的分析。

他們主要關注靜息態(tài)的大腦，這在對特定腦活動進行的研究中常作為比照的控制組。靜息態(tài)數據中，一些受試者可能顯示出特定腦活動，比如移動腿部或是思考晚餐；但是總體而言，接受掃描的人腦中不應出現一致性的、系統(tǒng)性的信號。

研究作者一開始收集了大量原本作為控制組的數據，然后從中隨機選取了一些作為控制組，另一些作為“實驗”樣本。然后他們將這個過程重復了幾千次，把數據輸入 3 個軟件包中的一個進行分析。他們微調了參數，來看參數如何對結果產生的影響。

研究結果對于使用 fMRI 的人來說并不是什么好消息。“簡而言之，”作者們總結道，“我們發(fā)現所有 3 個軟件包用體素得出的推論都很保守，而用聚群分析卻得出了無效的推斷。”

換句話說，軟件在判斷某個體素是否顯示出腦活動時非常謹慎，而聚群識別的算法卻常常把一個沒有進行腦活動的區(qū)域識別為表現出了腦活動。這有多頻繁呢？根據算法和使用的參數的不同，可得到高達 70%的假陽性。

雪上加霜的是，測試過程顯示了一個潛伏了15年的編碼漏洞。填補這個漏洞后假陽性減少了超過10%。雖然這個漏洞被修復了，但是卻有那么多發(fā)表出來的論文是用出錯的版本分析的，真是太悲劇了。

研究人員還發(fā)現，一些腦區(qū)更可能出現假陽性的問題是因為算法對大腦的形態(tài)存在一定假設。

事實真的這么糟糕嗎？作者們認為的確如此。“我們的研究質疑了無數基于參數智能聚群推斷的已發(fā)表的 fMRI 研究的有效性。”雖然不清楚到底有多少論文涉及這個問題，但是用 fMRI 做的研究中可能有很一大部分牽涉其中，估計涉及4萬名作者。

作者們還注意到，目前的公開數據行動讓任何人都可以容易地追溯研究，并以新的思路更小心地重新分析原始研究的數據。但是大多數已發(fā)表論文的數據還未公開，所以現在并沒有很多的事情可做，除了在以后的研究中更加小心。