文 | 追問nextquestion
在過去十年中，神經(jīng)影像學(xué)已迅速發(fā)展為一個數(shù)據(jù)密集型的“大數(shù)據(jù)”學(xué)科。隨著數(shù)據(jù)共享的普及，研究者們現(xiàn)在能夠訪問規(guī)�？涨暗纳窠�(jīng)影像數(shù)據(jù)。僅在2020年5月至2021年4月間，OpenNeuro平臺上就增加了406TB的數(shù)據(jù)[1]。
2018年~2021年OpenNeuro平臺上的可用數(shù)據(jù)集（綠）與被試（紅）數(shù)量穩(wěn)步增長。圖源：The OpenNeuro resource for sharing of neuroscience data. eLife, 10, e71774. https://doi.org/10.7554/eLife.71774
數(shù)據(jù)體量的增長，既帶來了重要機(jī)遇，也伴隨生出諸多新問題。在當(dāng)前環(huán)境下，研究者們愈發(fā)意識到加強(qiáng)數(shù)據(jù)科學(xué)與統(tǒng)計學(xué)訓(xùn)練的必要性。盡管已經(jīng)出現(xiàn)了如Brainhack等開放科學(xué)社區(qū)以及NeuroMatch Academy等教學(xué)項目，但要應(yīng)對這些挑戰(zhàn)，卻還遠(yuǎn)遠(yuǎn)不夠。
針對這一現(xiàn)狀，近年來出現(xiàn)的生成式AI（generative AI），或許有望徹底改變神經(jīng)影像學(xué)研究范式。
Elizabeth DuPre,Russell Alan Poldrack; The future of data analysis is now: Integrating generative AI in neuroimaging methods development.Imaging Neuroscience2024; 2 18. doi:https://doi.org/10.1162/imag_a_00241
01 生成式AI與神經(jīng)影像學(xué)
生成式AI結(jié)合生成模型與深度神經(jīng)網(wǎng)絡(luò)，能夠根據(jù)文本或圖像提示生成新的文本、圖像和音頻。生成式AI的實(shí)際應(yīng)用中，尤其是AI輔助編程被認(rèn)為可以提高開發(fā)者的生產(chǎn)力，減少低級細(xì)節(jié)問題，節(jié)省大量時間，帶來更愉悅的編程體驗。
生成式AI將如何改變腦影像研究？我們可以以史為鑒，從數(shù)據(jù)科學(xué)的發(fā)展中一窺究竟。
1962年，約翰圖基（John Tukey）在《數(shù)據(jù)分析的未來》一書中呼吁創(chuàng)建一種系統(tǒng)化科學(xué)數(shù)據(jù)分析方法數(shù)據(jù)科學(xué)[2]，他特別強(qiáng)調(diào)對自動化、標(biāo)準(zhǔn)化統(tǒng)計程序的開發(fā)，以代替對個別研究者的專業(yè)知識的依賴。他警告人們：
隨著數(shù)據(jù)量的增加，大部分的數(shù)據(jù)分析工作，將由缺乏經(jīng)驗而時間有限的人力來完成；而如果未能為這些人提供相應(yīng)的工具，則會有更多數(shù)據(jù)未經(jīng)分析。
約翰圖基（John Tukey），圖源：APS
而這也正是神經(jīng)影像學(xué)面臨的困境由于缺乏專業(yè)的數(shù)據(jù)科學(xué)訓(xùn)練，分析方法在實(shí)驗室之間，甚至實(shí)驗室之內(nèi)，都存在差異。
對此，研究者們開發(fā)了BIDS（Brain Imaging Data Structure）等數(shù)據(jù)標(biāo)準(zhǔn)以及Nipreps等生態(tài)系統(tǒng)，在一定程度上填補(bǔ)了這些空白。Nipreps基于AFNI、FSL等軟件，在常見的功能性磁共振成像（fMRI）的預(yù)處理方法上實(shí)現(xiàn)了自動化。
Nipreps生態(tài)系統(tǒng)突顯了神經(jīng)影像學(xué)方法開發(fā)的兩大核心問題：
在尚未實(shí)現(xiàn)標(biāo)準(zhǔn)化的領(lǐng)域（如影像質(zhì)量控制），需要繼續(xù)推動分析方法的標(biāo)準(zhǔn)化；
在預(yù)處理后的數(shù)據(jù)分析階段，分析方法的選擇往往取決于特定的研究問題和任務(wù)設(shè)計，該過程需要實(shí)現(xiàn)自動化。
生成式AI，具有解決這兩大難題的巨大潛力�！吧窠�(jīng)AI”（NeuroAI）等方法有望對神經(jīng)科學(xué)的方法論和理論基礎(chǔ)產(chǎn)生巨大影響。僅就方法論而言，AI可能為神經(jīng)科學(xué)帶來重大變革；然而，AI也可能引發(fā)新的問題如果研究者對其認(rèn)識不足，它可能反而會阻礙領(lǐng)域的發(fā)展。
02 生成式AI與影像質(zhì)控
圖基強(qiáng)烈主張將現(xiàn)有的統(tǒng)計方法自動化。然而，這在神經(jīng)影像學(xué)中卻很難推進(jìn)。一些實(shí)驗方法尚未統(tǒng)一明確量化指標(biāo)，不同研究者有各自側(cè)重的指標(biāo)，因而難以實(shí)現(xiàn)自動化。
以生成實(shí)驗刺激圖片為例，雖然像MidJourney和StableDiffusion等生成式AI能夠輕松生成多種圖像，但問題在于研究人員須在有限的實(shí)驗時間內(nèi)選擇優(yōu)先考慮哪些圖像。這體現(xiàn)了神經(jīng)影像學(xué)方法自動化的復(fù)雜性：即便有了先進(jìn)的AI工具，研究人員的判斷仍然至關(guān)重要。
另一個更明顯的例子，在影像質(zhì)控時，人工檢驗仍然是金標(biāo)準(zhǔn)。在不同的科學(xué)問題中，使用的質(zhì)控方法不同。即便是人工檢驗，不同專家的質(zhì)控打分也可能有所不同。而即便存在不確定性，鑒于有待檢驗的數(shù)據(jù)量巨大，學(xué)界必須著手研發(fā)無需依賴參考圖像的質(zhì)控指標(biāo)，以指導(dǎo)人工檢查及后續(xù)的機(jī)器學(xué)習(xí)。
雖然存在這些挑戰(zhàn)，但我們?nèi)杂欣碛杀３謽酚^。在神經(jīng)影像預(yù)處理方面，NoBrainer和FastSurfer等方法，已經(jīng)實(shí)現(xiàn)在保持高質(zhì)量輸出的前提下，利用AI大幅減少了圖像分割等圖像任務(wù)的計算時間。AI在神經(jīng)影像數(shù)據(jù)處理中表現(xiàn)出巨大潛力。然而，現(xiàn)有的這些工具的廣泛驗證是基于大量公開可用的有標(biāo)注數(shù)據(jù)集進(jìn)行的；而到目前為止，研究者仍難以獲取大型有標(biāo)注數(shù)據(jù)集以用于驗證質(zhì)控結(jié)果。
通過眾包來增補(bǔ)現(xiàn)有的質(zhì)控標(biāo)注，是一種潛在的解決方案。Swipes for Science、Brainmatch等項目已經(jīng)成功地利用分布式公民眾包科研，生成了大量質(zhì)控標(biāo)簽。雖然這些方法潛力巨大，但AI的日益普及卻使它們的可靠性遭到質(zhì)疑。越來越多的眾包正在使用ChatGPT等工具來完成任務(wù)，尤其是允許自由輸入文本的任務(wù)。如果用這些AI生成的內(nèi)容來訓(xùn)練模型，可能會造成“模型崩潰”。
近來，質(zhì)控流程演示（Demonstrating Quality Control Procedures）等諸多項目，已逐漸轉(zhuǎn)為關(guān)注標(biāo)簽生成任務(wù)本身。由此生成的質(zhì)控流程，可能反過來對未來的AI應(yīng)用至關(guān)重要。例如，生成式AI可通過增加特定標(biāo)簽的可用數(shù)據(jù)（例如“環(huán)狀偽影”），來評估評分者之間的一致性。然而，其中一些質(zhì)控程序和標(biāo)簽可能只適合特定人群，例如，用于卒中患者劃分病灶區(qū)域的方法，并不適用于健康人群。在這種情況下，有限的數(shù)據(jù)量和隱私問題可能有礙于大規(guī)模的數(shù)據(jù)標(biāo)注的實(shí)現(xiàn)。
聯(lián)邦學(xué)習(xí)（Federated Learning）等其他算法，則提供了另外一種思路通過模型共享而非數(shù)據(jù)共享的方式來訓(xùn)練聯(lián)合模型。類似地，神經(jīng)影像基礎(chǔ)模型（Neuroimaging Foundation Models）或可實(shí)現(xiàn)將經(jīng)過預(yù)訓(xùn)練的數(shù)據(jù)密集型模型遷移到小而專的數(shù)據(jù)集上。但是，重點(diǎn)是，這些范式都需要對數(shù)據(jù)進(jìn)行嚴(yán)格的標(biāo)準(zhǔn)化處理，以確保模型能遷移到不同的應(yīng)用環(huán)境中。
03 AI輔助編程在神經(jīng)影像分析中的具體應(yīng)用
在神經(jīng)影像分析環(huán)節(jié)，統(tǒng)計方法的自動化也難以推進(jìn)。
部分原因在于，分析方法的多樣性。二十多年來，一階和二階廣義線性模型，一直是fMRI分析的基石；然而直到近幾年，才出現(xiàn)專門將這些常見分析整合在標(biāo)準(zhǔn)格式中的工具（例如 FitLins）。沒有標(biāo)準(zhǔn)化且可機(jī)讀的輸入和輸出結(jié)構(gòu)，便難以通過AI或其他工具實(shí)現(xiàn)自動化。
標(biāo)準(zhǔn)化的廣義線性模型算法仍在開發(fā)中，其他較新的方法也大多沒有實(shí)現(xiàn)標(biāo)準(zhǔn)化。在這種情況下，研究人員需要確保他們的代碼正確執(zhí)行所需的分析。對于代碼基礎(chǔ)薄弱的研究者而言，這可能會阻礙他們探究某些科學(xué)問題，或使其得出錯誤的結(jié)論。
在這些場景中，AI輔助編程是一個頗具吸引力的解決辦法，可以像“催化劑”一樣加速研究進(jìn)程。
當(dāng)然，AI輔助編程也不是完美的，它只是將負(fù)擔(dān)從“代碼編寫”轉(zhuǎn)移到了“代碼審閱與測試”。用AI生成的代碼進(jìn)行測試，如果產(chǎn)生陰性結(jié)果，是測試的問題還是代碼的問題？代碼的輸入和輸出是否合理？這些問題仍然需要熟悉編程的研究人員來解決。
另外，雖然AI輔助編程可用于某些分析場景，如編寫大項目中的單個簡單函數(shù)；但如若將其擴(kuò)展到神經(jīng)影像分析的全流程，出錯的可能性也將大大增多。研究人者缺乏單一的度量標(biāo)準(zhǔn)來對結(jié)果進(jìn)行基準(zhǔn)測試，因此很難區(qū)分AI生成的代碼是在產(chǎn)生有意義的差異，還是引入難以發(fā)現(xiàn)的錯誤。
對此，如果能獲取已有結(jié)果背后的數(shù)據(jù)和代碼，則可進(jìn)一步驗證生成的代碼：
“在AI的幫助下，可否將已有的代碼遷移到新數(shù)據(jù)上？”
“如果在原始數(shù)據(jù)上運(yùn)行生成的代碼，產(chǎn)生的結(jié)果是否和原始結(jié)果相似？”
這可為已有結(jié)果的魯棒性和可重復(fù)性提供參考，同時也能確認(rèn)新的代碼能夠復(fù)現(xiàn)相應(yīng)的分析。但是，這也有賴于已有實(shí)驗的數(shù)據(jù)和代碼是否開源。
04AI輔助工具與開放科學(xué)之間的關(guān)系
過去十年間，開放科學(xué)已成為神經(jīng)影像學(xué)方法研發(fā)的關(guān)鍵驅(qū)動力，大量的研究致力于將常見的分析流程標(biāo)準(zhǔn)化。開放科學(xué)實(shí)踐與AI輔助工具相輔相成。
那么，AI輔助工具將如何影響開放科學(xué)及其在神經(jīng)影像方法開發(fā)中的應(yīng)用？換言之，當(dāng)數(shù)據(jù)和代碼可以通過簡單的命令生成時，AI輔助工具是否會減少數(shù)據(jù)共享和代碼開源等開放科學(xué)做法？
其他領(lǐng)域的證據(jù)表明，情況恰恰相反。近期，數(shù)據(jù)科學(xué)領(lǐng)域的領(lǐng)軍人物David Donoho提出，AI的商業(yè)化成功反映了經(jīng)驗機(jī)器學(xué)習(xí)中深厚的數(shù)據(jù)科學(xué)文化。他不僅倡導(dǎo)代碼開源和數(shù)據(jù)共享，還倡導(dǎo)通過公開的預(yù)測挑戰(zhàn)等明確的方法來比較各種分析方法。
盡管預(yù)測挑戰(zhàn)在神經(jīng)影像學(xué)中難以成功，但這種通過明確的指標(biāo)評判結(jié)果的理念，對于充分利用生成式AI研發(fā)神經(jīng)影像學(xué)方法而言至關(guān)重要。如果沒有明確的結(jié)果指標(biāo)，就需要強(qiáng)大的人在閉環(huán)（human-in-the-loop systems）來審核AI應(yīng)用，這與圖基倡導(dǎo)的自動化分析相悖。因此，要想在腦影像領(lǐng)域推廣生成式AI，首先要在標(biāo)準(zhǔn)化上下功夫。令人鼓舞的是，質(zhì)控流程演示（Demonstrating Quality Control Procedures）等項目，正致力于將模糊的評判標(biāo)準(zhǔn)標(biāo)準(zhǔn)化。
盡管如此，還有大量工作仍有待完成，其中包括如何使影像分析結(jié)果符合“可發(fā)現(xiàn)、可訪問、可互操作、可重復(fù)使用”的標(biāo)準(zhǔn)，以便接受其他研究者的客觀評估。雖然生成式AI或能推動這一進(jìn)程（如開發(fā)新的人工標(biāo)簽示例等），但進(jìn)一步的進(jìn)展仍有賴于人類主導(dǎo)的標(biāo)準(zhǔn)化進(jìn)程。
因此，從目前學(xué)界全力研發(fā)自動化分析方法的趨勢來看，生成式AI短期內(nèi)不會取代現(xiàn)有的開放科學(xué)項目。相反，它將要求研究人員將數(shù)據(jù)和代碼公開，還要提供明確的結(jié)果，以便在實(shí)驗之間相互比較。
神經(jīng)影像分析復(fù)現(xiàn)與預(yù)測研究（Neuroimaging Analysis Replication and Prediction Study）表明，不同的研究團(tuán)隊在同樣的數(shù)據(jù)上開展相同的分析，其結(jié)果可能會相去甚遠(yuǎn)（但該研究卻并未提供一個清晰的框架用以比較各個團(tuán)隊的結(jié)果）[2]
多元宇宙樣分析（Multiverse Analysis）或更通用的“振動”分析（“Vibration” Analysis），或能校正給定實(shí)驗可能的結(jié)果范圍。理想情況下，這些校正分析可以指導(dǎo)生成公開的評判指標(biāo)。然而，目前仍然需要繼續(xù)推進(jìn)代碼和數(shù)據(jù)公開，以便開展這些校準(zhǔn)分析。這將有助于推廣新興的AI輔助方法。
05 結(jié)語
作為數(shù)據(jù)密集型領(lǐng)域，神經(jīng)影像學(xué)有賴于數(shù)據(jù)科學(xué)以取得方法上的創(chuàng)新。然而，目前大多數(shù)研究人員缺乏必要的數(shù)據(jù)科學(xué)訓(xùn)練。生成式AI工具或有助于填補(bǔ)這一缺口，但在此過程中，它需要與現(xiàn)有的神經(jīng)影像學(xué)方法研發(fā)體系相互配合，包括數(shù)據(jù)與代碼共享等開放科學(xué)理念。本文認(rèn)為，AI工具的出現(xiàn)不會取代開放科學(xué)，反而會凸顯其重要性。
但這也并不意味著開放科學(xué)與基于生成式AI方法之間完美協(xié)調(diào)。例如，歐盟通用數(shù)據(jù)保護(hù)條例（The European Union’s General Data Protection Regulations）認(rèn)定去除面部的腦影像為隱私數(shù)據(jù)；而在包括美國在內(nèi)的多數(shù)國家，未經(jīng)匿名化處理的腦影像也被視為隱私數(shù)據(jù)。因此，將腦影像直接發(fā)送給生成式AI工具，在多數(shù)情況下并不符合倫理標(biāo)準(zhǔn)。
AI和開放科學(xué)的其他交互則更難厘清利弊。例如，AI輔助編程將大幅度降低編程門檻，使研究人員更容易參與到研究軟件工程師社群（Research Software Engineers）等開放科學(xué)項目之中，共同開發(fā)新的方法。但由于這些項目受到的資助有限，以及開發(fā)者用以審閱代碼和維護(hù)項目的時間有限，AI輕易生成的代碼可能會帶來新的問題。
總的來說，為了利用好AI，我們需要回歸數(shù)據(jù)科學(xué)的核心原理。尤其是要開發(fā)明確的評價指標(biāo)以比較不同研究的結(jié)果，這將有望整體促進(jìn)AI輔助工具的應(yīng)用和神經(jīng)影像學(xué)方法的發(fā)展。
參考文獻(xiàn)
[1] Markiewicz, C. J., Gorgolewski, K. J., Feingold, F., Blair, R., Halchenko, Y. O., Miller, E., Hardcastle, N., Wexler, J., Esteban, O., Goncavles, M., Jwa, A., & Poldrack, R. (2021). The OpenNeuro resource for sharing of neuroscience data.eLife,10, e71774. https://doi.org/10.7554/eLife.71774
[2] Botvinik-Nezer, R., Holzmeister, F., Camerer, C. F., Dreber, A., Huber, J., Johannesson, M., Kirchler, M., Iwanir, R., Mumford, J. A., Adcock, R. A., Avesani, P., Baczkowski, B. M., Bajracharya, A., Bakst, L., Ball, S., Barilari, M., Bault, N., Beaton, D., Beitner, J., Benoit, R. G., … Schonberg, T. (2020). Variability in the analysis of a single neuroimaging dataset by many teams.Nature,582(7810), 8488. https://doi.org/10.1038/s41586-020-2314-9
更多精彩內(nèi)容，關(guān)注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
