韦尔康奈尔医学院的科学家们开发了一种新算法Krakencoder，结合多种类型的大脑成像数据，以更好地理解大脑的连线如何支撑行为、思考和伤后的恢复。这种尖端工具能够以20倍于过去模型的前所未有的准确性从结构预测大脑功能，甚至可以估计像年龄、性别和认知能力这样的特征。
使用一种他们称之为Krakencoder的算法，韦尔康奈尔医学院的研究人员更接近于解开大脑的连线如何支持我们思考和行动的方式。研究于6月5日在《自然方法》上发表，使用了人类连接组计划的成像数据，将神经活动与其基础电路对齐。
绘制大脑的解剖连接和活动模式如何与行为相关，不仅对于理解大脑的一般工作原理至关重要，还对于识别疾病的生物标志物、预测神经疾病的结果和设计个性化干预措施具有重要意义。
直面房间里的大象
大脑由一个复杂的相互连接的神经元网络组成，其集体活动驱动我们的行为。结构连接组代表了大脑的物理连线，即不同区域在解剖上如何连接的地图。另一个拼图的部分是功能连接组，表示不同大脑部位之间的神经元活动模式，突显在特定任务或休息时同时激活的区域。令人惊讶的是，科学家发现“连线在一起”的区域不一定总是“同时活动”。
“但我们仍然只是触及了大脑网络与日常生活任务（如解决数学问题、与朋友交谈或驾驶汽车）之间关系的表面，”资深作者艾米·库塞斯基博士说，她是韦尔康奈尔医学院放射学和神经科学的数学教授。
虽然许多研究人员正在建模功能和结构连接组之间的关系，但他们得出的地图却各不相同。库塞斯基博士解释说：“每个人使用不同的方法拍摄大脑网络的图像。”例如，当使用磁共振成像（MRI）进行大脑扫描时，对相同原始图像的不同处理方法可能会生成不同的连接组。
库塞斯基博士将这种马赛克式的方法比作在黑暗房间里观察一头大象，一个人正在触摸象鼻，另一个人触摸腿，还有一个人触摸耳朵。“我们的基本假设是，成像和处理管道中每一组选择提供了对同一基础系统的不同视角，”该研究的第一作者和库塞斯基实验室的研究助理基思·贾米森说。
为了获得更全面的表示，库塞斯基博士和她的团队建立了一种工具，可以将所有这些不同方法生成的结构和功能连接组合并在一起，从而生成更统一的解释。
贾米森说：“在我脑海中，我把它想象成一种具有多个臂膀的怪物，可以伸出手抓住不同的大脑表示并将其消化和凝固成一个统一的连接组。”因此，最终程序被称为Krakencoder，这是一个压缩和重建十多种不同输入数据“风味”的自编码器。
识别恢复丧失功能的连接
该团队对参加美国国立卫生研究院人类连接组计划的700多名受试者的数据进行了Krakencoder训练。在该研究中，志愿者接受了广泛的结构和功能MRI扫描。
研究人员发现，Krakencoder使他们能够获取个人的结构连接组，并以约20倍于先前已发表方法的准确性正确预测该个人的功能连接组。
Krakencoder的组合和压缩表示还预测了个体的年龄、性别和在影像扫描中进行的测试中获得的认知表现分数。正如库塞斯基博士所指出的，这些分数在仅基于脑成像进行评估时是非常困难的。
能够将认知等功能映射到特定的大脑网络对于理解解剖学和生理学如何产生我们的行为和能力至关重要——以及疾病和伤害如何损害我们的表现。
未来，库塞斯基博士和她的同事计划将Krakencoder与他们称之为NeMo的网络修改工具结合使用，以便研究那些因疾病而受损的大脑的连接组。库塞斯基实验室的博士生克里斯蒂·吉利斯正在使用这种方法映射中风后的结果。
“她正在比较仅基于常规收集的MRI生成的NeMo + Krakencoder管道所产生的功能连接组与一个人的实际功能MRI。我们发现我们的功能连接组在预测个体的运动分数和语言分数方面做得更好，”库塞斯基博士说。
这些工具还可以识别与改善认知或运动表现相关的大脑网络连接。增强损伤电路的活动——例如，通过经颅磁刺激（一种使用磁脉冲刺激大脑神经细胞的治疗方法）——可能会增强这些连接并加速恢复。
