fMRI的困境：為何我失去了對神經影像的愛

原創 Kesley Ichikawa 神經現實 收錄於合集#深度 | Deep-diving 345 個 #神經科學 62 個 #神經技術 37 個

一個秋天的下午，我在加州大學伯克利分校李嘉誠中心（Li Ka Shing Center）觀察自己的腦。我剛剛在3T核磁共振掃描器（3 Tesla MRI scanner）中呆了10分鐘。那是一臺昂貴、維護成本極高，且磁性很強的腦部攝像機。我躺在狹小的艙內，強忍著幽閉恐懼，周身被黑暗和霧號一樣的刺耳聲音包圍。

當時，我還是加州大學神經經濟學實驗室的研究實習生。那是我第一次從核磁共振成像（magnetic resonance imaging，MRI）掃描中窺見我的腦——一張浮在電腦螢幕黑色背景上的灰度三維重構圖。作為神經科學專業的本科生，當時的我欣喜如狂。一個青年科學家初遇一種將不可見變為可見的成像技術，還有比這更令人興奮的事嗎？總之，MRI令我歎為觀止。我覺得我不光看到了自己身體的內部，更看到了心智的生物學實體。

如果那張圖算得上是一種對自我的描繪，那它可真是奇怪：上面沒有我的頭髮，只有我的頭骨、面部輪廓和其內部組織的橫截面。我拖動滑鼠、瀏覽腦部的水平切面，我看到了分叉的、樹根似的的小腦，許多黑色空隙——那是腦室，還有腦皮層上起伏的腦回，像是沙地中扭動的蛇。

看到我的核磁共振掃描圖後，我抑制不住興奮，開始投入到科學論文裡，並研究起這些圖：腦的灰度圖上有橙色或藍色的斑點代表著啟用增加的腦區。第二年，我加入了哈佛大學的一個實驗室，並開始用功能性核磁共振成像（functional magnetic resonance imaging，fMRI）技術來研究參與社會決策的腦區。fMRI讓我們記錄下人們在完成思維任務時，他們的腦在“忙些什麼”。那時，我正在完成畢業論文，並將目光投到了認知科學的博士學位上。

那時的我沒料到自己就這樣陷入了科學界的沼澤之地。的確，fMRI改變了醫學。因為有了它，我們才能對病人的腦區進行無創測繪，從而使神經外科手術更為精確、準確［1］，並驗證了一些潛在藥物對於人腦的藥理作用［2］。但眾所周知，fMRI在認知和心理科學中的應用是極具爭議的。部分原因是這項科技並不能直接測量神經活動，而僅能測量一項替代真實神經活動的指標——含氧血流量。此外，為了將訊號和噪聲區分開來，該技術所需的資料處理的工作量巨大，而這樣的資料處理卻依賴於研究人員“酌情”作出的決策。

近些年來，該領域前後應對了包括軟體故障［3］、資料誤用［4］、研究無法復現［5］在內的各種問題。這些問題讓MRI在臨床和商業領域的應用情況變得愈加複雜。企業試圖將fMRI引進法庭，這樣，不管一個人是否講了真話、是否精神錯亂或是經歷過傷害，腦影象都能反映出來——我們好像期待從這些腦的血流量圖中看到更加深刻、更與人相關的東西。我們找尋著心靈及其紛繁細節中的奧秘，那正是我們的能動力、個性和瘋狂之所在。

這個故事關乎我們——科學家和非科學家、媒體工作者和讀者——如何在試圖理解心智的過程中繪聲繪色地講好腦的故事。當我們說腦的某一部分“亮了起來”，或者說大腦皮層上的某一塊是負責社交痛苦（social pain）的樞紐時，其實這些用詞都源於我們所看到的腦影像的樣子，而這些影像呈現更多是出於人工選擇而非生物學事實。除此之外，我再講講我的故事。我曾決心研究群際關係（intergroup relations）背後的神經機制。如果我們能解開大腦在社會偏見中扮演的角色之謎，某天我們或許就能克服偏見了。MRI則將會照亮這條道路。

- Stephan Schmitz -

“把你的胳膊和腿伸開，就像一隻海星一樣，讓我來看看你是不是一個金屬機器人。”和我一起掃描的搭檔、我的博士後導師威爾（Will）對一名被試志願者說道。威爾拿一根金屬檢測棒掃過被試的身體。（fMRI研究需要我們對於任何金屬都極其謹慎，這可不是沒有原因——哈佛的腦科學神經成像中心［Center for Brain Science Neuroimaging］的掃描器有著3T的磁場，足以將一把辦公椅吸進機器裡。任何有磁性的東西都會變成致命的拋射體。）

被試在掃描器的平臺上仰臥躺好後，威爾和我扣緊了他頭部的線圈——這是一頂笨重的頭盔，能發射並接受機器發出的頻射脈衝（radiofrequency pulse）。它讓我想起一隻同樣笨重的超級英雄面罩。志願者們將會執行一項決策任務，他們會重複地操作一架老虎機，老虎機能產生兩種型別的經濟回報：一種會把錢給他們所支援政黨的人，另一種除此之外還會從對立政黨的人那裡扣錢。我們想知道他是否會展現出對於其中一種回報的偏好。（之後我們計算得出，一些被試更傾向於對對立政黨有損的經濟回報——他們有對外群體惡意 ［out-group spite］ 的偏好——而這一偏好或許有著對應的神經機制。）

我們在他右手上綁了一個按鈕盒，然後我升高了掃描器的平臺，看著他一點一點進入那個磁鐵構成的空間內。一回到控制室，威爾就啟動了老虎機的遊戲。很快，我們就聽到高頻的蜂鳴聲一陣狂響，這說明我們已經開始收集被試腦部的功能性影象了。這有時候看起來很奇怪，我們竟把一個人綁在一個寒冷的、宇宙飛船似的“甜甜圈”裡玩一個小時的低解析度遊戲，來研究群際決策的神經生物學基礎。不過，這些確然是大多數fMRI實驗室研究的侷限——一個模擬現實世界特徵但又將其高度簡化的電腦任務介面、一臺記錄你血流模式的機器，這就是全部。

MRI測量的是BOLD訊號，也就是血氧水平依賴（blood oxygen level-dependent）訊號。由於神經元在放電時需要氧氣，含氧量高的血液會在此時流到相應的腦區。裡克·伯恩（Rick Born）幫助我理解了這一過程，他是哈佛醫學院的一名神經生物學家，主要使用電生理技術研究視皮層。在實驗室的休息室裡，他很健談，散發出科學家談論自己所在領域時的那股興奮勁。他在白板上興致勃勃地畫了一張圖表，箭頭從“神經元放電”（neural spikes）指向“細胞外場電位”（extracellular field potential），然後指向“新陳代謝增加”，最終指到“血流水平提高”。由於多半時候科學家並不能直接測量人體內的神經元放電（這要開啟頭骨、直接植入電極才行，這種程式一般只能在動物和諸如癲癇治療等醫療案件中進行），我們不得不就此滿足於fMRI的間接測量。

那麼機器是如何監測到富氧血流的呢？答案就藏在原子世界及其量子特性中，準確來說是由於核磁共振——也就是fMRI中的“M”（magnetic，“磁”）和“R”（resonance，“共振”）。當磁場非常強大時，氫質子的方向是一致的；你可以想象成它們都指向一個方向。然後，MRI機器中調好的射頻脈衝會打斷它們原本的排列，就像當你用手指輕彈搖頭玩具一樣。搖頭玩具會彈回來，氫質子也一樣。它們會逐漸“放鬆”回到原本的排列中。而頭骨中氫質子以不同於皮質組織中氫質子的速率放鬆回彈，正因如此我們才能用資料處理的方式得到解剖結構的影象。

但是fMRI帶給我們的不止是解剖結構。帶不帶“f”可大有不同。很多人在醫院裡做的MRI檢查一般是結構性MRI掃描，它能提供肌肉、肌腱、骨骼的高解析度三維影象，也能突出像肌腱撕裂這種潛在損傷或者癌症之類的疾病。而fMRI捕捉的是我們腦和身體的動態，它能測量和神經元放電及認知緊密相關的血液隨時間變化的流動情況。

fMRI這樣的功能得益於磁共振中蘊含的複雜原理。每個氫質子都有一種名為“進動頻率”（precession frequency）的量子特性，也就是旋轉自旋（rotating spin）。頻射脈衝不光能把質子擊落，還能使它們的自旋相互同步，將它們的進動頻率匹配至一種協調的“群舞”狀態。脈衝過後，進動頻率逐漸迴歸非同步的狀態，而質子也變回直立方向，開始以不同的速率旋轉，就像各自獨舞的舞者一般。而在腦的富氧血液的磁場中，這一去同步化的過程發生得更緩慢。正是這一自然界事實最終實現了fMRI的功能。也就是說，在富氧血液中的質子更傾向於保持同步，也就比脫氧血中的質子發出的訊號更強，這種差異就是MRI掃描器監測到的BOLD訊號了。

最後，fMRI中的“I”代表“成像”（imaging），因為本質上來說，這一過程最終產出的是一段記錄腦活動的三維影片。掃描過程中，腦被分成叫作“體素”（voxels，相當於三維上的畫素）的小立方體。從每個體素中量化測量出的BOLD訊號構成了人腦掃描最終得到的資料。體素的大小從1mm3；到27mm3；不等——這對我們來說很小，但對神經元來說可是巨大的規模。畢竟，腦包含了1000億個神經元，而一體素的人類腦皮層中就有50萬個神經元。這些神經元能做非常多事情——它們使其他神經元變得興奮或受到抑制，在同一個神經元亞群中就可以存在不同的放電模式——但fMRI能監測到的卻只有那一個體素空間上方的富氧血每2s內的淨變。這就像嘗試從50萬個和其他人或是爭論、或是意見一致、又或是正在辯論的人中確定出一個關於外交政策的平均意見。

- Stephan Schmitz -

威爾和我在掃描了近50個人之後，終於開始處理那些以太位元組為單位的資料了。我買了一杯咖啡，戴上耳機，放起“海馬體”（Hippo Campus）樂隊的歌（我覺得這很切題），準備開始在圖書館裡的漫漫長夜。我做起了質量控制檢查，在我們收集的腦資料中尋找不自然的條紋或是不尋常的亮部。

我用一個特殊的軟體來瀏覽功能性成像的原始資料——那是一段灰黑色的影片，模糊的腦（的各個區域）在其中緩慢搏動。本質上來說，掃描器給出的原始資料是一個四維矩陣，記錄了每個體素在時間軸上的變化。於是，那曾躺在掃描器裡、有生命的、生物學上的腦，現在被轉換成了一些用數值表示的時間序列（time series）。就和你對著日落按下快門之時一樣——相機將有實體的景色轉換成了由數字組成的矩陣、畫素灰度和顏色。而一旦腦變成了這種能用數字來表示的形式，你就能對它做很多事情了。在計算神經科學家的實驗臺，也就是電腦和桌面上，我能對資料作變形（warping）、平滑（smoothing）和濾波（filtering）的處理，我們將這一資料分析的階段稱為資料預處理（data pre-processing）。

fMRI是一場在毫米尺度上的較量：哪怕是輕微的頭動（head motion），只要超過3mm，就會導致影象變形，最終無法使用。而預處理能透過數學變換，補償因腦的彈動、滾動而產生的位移，從而幫助校正頭動。預處理也透過拉伸、改變、或縮小體素，將模糊的原始功能性資料進行轉換，使之既與被試的解剖掃描結果一致、又和標準腦模板相匹配。

人跟人之間的腦存在很大差異——有些人腦的兩個半球有輕微的不對稱、有些人枕葉突出，或者總體來說腦的尺寸比較大（正如頭蓋測量從業者早期注意到的那樣）。如果我們不把每一位被試的腦都和模板進行對應，我們永遠無法比較研究樣本之間的腦活動。

- Stephan Schmitz -

我們還用演算法對資料作空間平滑處理，即取相鄰體素活動水平的平均值，進一步去除噪聲。至少，我們認為那是噪聲；我們並不想把真實的目標訊號過濾掉。這就像在鉛筆畫上用手輕擦，將陰影暈染開來。這些重塑和校正的步驟使腦影象更清晰、更均勻、邊緣不再那麼粗糙，不過代價是空間解析度的降低。

預處理的步驟有無數種，就算有斯坦福的可復現神經科學中心（Center for Reproducible Neuroscience）帶頭施行的標準化計劃，還是鮮有整個領域都遵循的標準，所以大部分時候還是要取決各個研究者自己的謹慎選擇。那些看來無足輕重的決定，包括計算機作業系統、軟體或是掃描器硬體的選擇，都會對結果產生關鍵影響。

馬蒂諾生物醫學影像中心（Athinoula A。 Martinos Center for Biomedical Imaging）計算中心的負責人、麻省總醫院（Massachusetts General Hospital）的神經科學家、也是fMRI分析演算法的早期先驅者之一布魯斯·菲舍爾（Bruce Fischl）說：“磁共振的優點在於，它是一項非常靈活的技術。它能產出結構影象、功能影象，甚至繪製出有關神經連線的腦圖譜，還能方便我們監測化學物質變化；而靈活性的另一面，則是如何將不同實驗室間的影象標準化的難題。”

- Stephan Schmitz -

“好吧，希望接下來的分析更順利。”威爾和我看著黑白色的腦模板（也就是我們所有被試的資料總和），它沒有任何顏色——沒有表示熱度的彩色斑點，也沒有可以未來用作感興趣區（region of interest， ROI）的叢集。終於，預處理結束後輪到我們上場進行真正的統計學分析了。我們的假設是，根據被試選擇的經濟回報是否對外群體造成傷害，我們會看到皮質下獎賞環路活動水平的差異。而這可能表明有一種獎賞訊號對傷害競爭團體的決定產生了影響。在花了那麼多晚對大腦進行掃描、週末在圖書館學習新的程式語言、以及用了那麼多小時排除實驗裝置的故障之後，我曾多麼希望我們能看到新的成果——但那些不過是無效結果，是啞彈。但幸運的是，那只是我們的初步分析，雖然我還是有些心灰意冷。

一個普遍的誤解是，fMRI研究能告訴我們在特定任務中有哪些腦區是活躍的。但事實上，一切都是相對的。fMRI研究只能告訴我們哪些腦區在一項任務中比在另一項任務中更活躍。換句話說，fMRI分析讓我們知道哪一群體素的活動模式（比起其他條件）更能匹配某一特定條件。甚至得益於機器學習之發展的最前沿方法也少不了要分析體素是否包含著能區分不同條件的資訊。

fMRI實驗中最常見的分析程式，即零假設檢驗，需要研究人員指定一個統計閾值。而選定統計閾值則決定了什麼才能算作顯著的體素——也就是哪些體素最終能被染上櫻桃紅或檸檬黃。正是統計閾值決定了我們得到的是《自然》或《科學》等著名期刊中發表的有意義結果，還是可以胡亂塞到檔案櫃中的無效結果。

科學家們面臨著發表積極結果的壓力，尤其是因為，競爭激烈的學術界就業市場把論文發表記錄作為衡量科學成就的標準（雖然可重複性危機已經讓人們開始注意到這一獎勵機制的弊端）。如果一項fMRI研究最終得到的是無效或者平淡無奇的結果，研究者可不是每次都能從頭做一遍同一研究的改良版本。MRI實驗都非常昂貴和耗時的，比如我自己的實驗就需要25000美元，耗時一年才完成。現在你知道了，研究者可能會被誘惑著，甚至下意識地想“再調一調分析引數吧”，看看能不能從他們耗盡精力得到的資料中找到一些顯著的效果。

伯恩說：“顯然，fMRI給出的資料不完全是噪聲，它是真實的訊號，但是它的自由度太高了 ，你可以不斷擺弄資料，以不同的方式過濾資料來得到你想看到的任何結果。”

而這種統計學上的過度問題，也就是“多重比較”（multiple comparison），在fMRI分析的零假設檢驗環節中佔據突出地位。菲舍爾告訴我：“這可能是腦成像中最大的問題。”多重比較代表過多的統計檢驗。多重比較的問題就像是調查10萬個陌生人是否私底下認識碧昂斯本人。這10萬個人裡沒有一個是真正認識她的，但是你問的每一個人都有5%的機率撒謊說他們認識，只是為了好玩。而最終，你統計出5千個碧昂斯的朋友，儘管基本事實是，沒有一個人真是她的朋友。而如果你問了100個陌生人，你最終只會得到5個錯誤的測量結果，但只是因為數量龐大和隨機欺騙的機率，調查10萬個人最後卻會讓你得到5千個錯誤的測量結果。

同樣的道理對於fMRI資料也適用：一個人的腦資料可有著數10萬個體素。由於體素數量過於龐大以及隨機噪聲的存在，研究人員對每一個體素都作統計檢驗之時，幾乎是必定會發現顯著的影響，儘管這樣的影響有時並不存在。

2009年，當一次fMRI掃描在一條死掉的鮭魚中檢測到一些貓膩時，上述事實就格外明瞭了。當時還是加州大學聖巴巴拉分校博士後研究員的克雷格·貝內特（Craig Bennett）想知道資料分析的影響到底能有多大。他將一隻大西洋鮭魚切片後放入MRI掃描器裡，向其展示情緒強烈的場景圖片，然後按照一般的步驟進行預處理和統計學分析。你瞧，死魚的腦子居然對情緒場景圖片顯示出了增強的活動——這意味著這條鮭魚即使不是活的，也至少是有感情的。所以，就連在一條死鮭魚的腦裡，MRI掃描器都能檢測到足夠多的噪聲，以至於一些體素表現出了統計學意義上顯著的相關性［6］。所以在貝內特和同事還沒有校正多重比較問題的情況下，他們“發現了”虛幻的腦活動。

而要想校正多重比較，神經成像師必須建立嚴格的統計學顯著性的閾值。菲舍爾告訴我，“這真的很難，因為我們對於正確的方向毫無頭緒。”研究員面臨的選擇是，究竟是要捨棄一些東西，還是要向世人展示並不真實的成果？

菲舍爾想表達的是，統計閾值需要在科學家兩種最深的恐懼——假陽性（將噪聲誤當成訊號）和假陰性（在噪聲中失去訊號）之間謀求平衡點。而問題就在這裡了：該領域還沒有解決多重比較問題的最佳實踐方案，因為大家還不能就如何平衡嚴謹程度達成一致。更重要的是，所有可能的校正程式都有致命的弱點，比如，它們會假設體素之間是相互獨立的，而事實並非如此。

2016年，另一篇論文撼動了神經成像學界。安德斯·埃克隆德（Anders Eklund）、托馬斯·E·尼科爾斯（Thomas E。 Nichols）和漢斯·克努特森（Hans Knutsson）發表了一項關於fMRI軟體分析包中常見故障的實證研究［3］。這些軟體故障大大增加了得到假陽性結果的機率，有時誤差率甚至超過70%，而不是大部分研究人員假定的5%。這一發現使人們對以往發表的研究（例如人格的大腦機制、知識的神經表徵，甚至是決策的神經特徵）都產生了質疑。

我第一次讀貝內特和埃克隆德的論文時，整個人都呆住了。我問自己，我所做所讀的研究都是真的嗎？馬蒂諾生物醫學影像中心的主任布魯斯·羅森（Bruce Rosen）則給了我一個更溫和的看法。他說：“鮭魚的那篇論文表明，你可以用一種看似合理的方式做分析，然後得到這種非常蠢的結果。但你要問我對於得到這麼愚蠢的結果感到驚訝嗎？還真的沒有。的確，fMRI檢測到的都是比較引人注目的訊號，但跟基線相比，這些訊號的變化也只有1%。偶然之下得到1%的變化容易嗎？相當容易的。”

而對於埃克隆德和同事發表的論文，羅森承認道：“這是一個統計學上非常棒的觀點。我們其實本來就理解這點，但毫無疑問，還有許多人原本並不瞭解。”但他認為這篇論文的含義被誇大了。“其實很多結果，尤其是領域內的重要結果並沒有就此被推翻，所以那篇論文的影響力其實很小。並且關於‘我們是否明顯誤導了大眾或讓醫生們誤入歧途’這件事，據我所知，其影響是可以忽略不計的。但這篇論文得到了大量媒體報道，然後突然間，它就成了fMRI的醜事。”

- Stephan Schmitz -

但這件醜事並沒有打消人們對該技術的樂觀猜測。在《華爾街日報》2019年的一篇文章中，科技企業家傑裡·卡普蘭（Jerry Kaplan）就提到“能讀懂你的心思的機器”。卡普蘭的文章強調了機器學習的發展和fMRI資料的融合，探討了用神經成像檢測謊言、在法律環境中判斷有罪、判斷病人是否真的因疾病而“痛苦”，以及監視大腦活動的可能性。這聽起來就像是電視劇《黑鏡》某一集中的前提假設：“有一天，我們或許能在某種程度上精確地知道你的配偶是否愛你、是否覺得你有吸引力，或者有沒有外遇。”

我們其實早就開始對欺騙與大腦間的聯絡感興趣了。從2008年起，像No Lie MRI和Cephos這樣的的公司就開始競相發展fMRI測謊方面的研究，並將他們的服務提供給想要驗證自己不在場證明的被告。大部分科學家和法律學者都認為，該技術還不足以應用於法律，並且一些法庭也已經拒絕了以fMRI證據作為論據的請求［7］。但就在2016年，No Lie MRI的投資人羅伯特·胡伊贊加（Robert Huizenga）還在奧茲醫生秀（The Dr。 Oz Show）裡宣傳該公司。他吹捧fMRI為“第一個區分大腦是在撒謊還是說真話的無偏見、有科學依據的方式。”

羅森說，他能理解為什麼fMRI對人們具有特殊的說服力。他說：“是影象的呈現形式使影象暗示的含義超出了資料本身。當你在大腦影象上看到一個斑點，你就會覺得‘哇，這也太清楚了。’然而當你看到影象背後的資料，你才意識到，‘呃，統計數字可能表明這其實是一個很小的訊號。’比起真正的結果，它其實更像是機率導致的。然而當你看到影象上的亮斑，它卻看起來一點都不像是機率所致，畢竟它可實實在在地在那兒呢，對吧。這點無可爭辯。”

正是腦影象體現出的科學權威力量讓科學人類學家約瑟夫·杜米特（Joseph Dumit）評論道：“在法庭上，大腦影象可不會被視作對相關性帶有偏見、並非寫實的表徵，它們只會被當成直接、客觀的寫照，這種風險實在是不應當。”［8］

為試圖減輕刑罰，律師已經開始引用腦影象作為刑事被告的病理學證據。他們的論點往往採用以下形式：被告有神經或精神障礙，認知和道德理性受損。看，這張腦影象就顯示了與精神病理學有關的大腦異常。

在涉及死刑的法庭案件中，神經影像是能決定生死的關鍵證據。同時，這類證據也固化了我們對人的分類：瘋狂的、理智的，病態的、健康的，這些分類都在華麗的腦活動影象中得到了證實。在這個過程中，其他對於人類更整體的考量也就比不上生物學上對人格的簡單分類了。

這樣做的後果令人擔憂——將“異常”醫學化最終可能會促使對所謂“非常態”或“錯誤”行為的生物學干預。也就是說，fMRI的使用往往旨在說明某人的大腦是“壞掉的”，而一個壞掉的大腦就需要被修理。這就會催生出倫理隱患，最近為了減少侵犯行為而對囚犯大腦電擊刺激的舉措就是一個例子［9］。這種情況下，本是人與人之間的暴力——一個受許多結構性和文化因素影響的社會問題——卻被歸結於個人大腦的層面上。

這個問題不容小覷，因為腦影象緊緊抓住了我們對於人類行為之結構機制的想象，尤其對於像精神疾病和犯罪行為這些被汙名化的狀態。

- Hiwow -

我靠在椅子上，在威廉·詹姆斯廳（William James Hall）14樓的實驗室裡眯著眼睛看傍晚的陽光。fMRI資料中大量無用的、隨機的噪聲快要把我壓垮了。我們到底如何從數字的嘈雜中提取出真正的訊號呢？更何況我們的統計程式和現有知識都還存在缺陷。哪些結果是我應該相信的？最重要的是，我們怎樣負責任地使用fMRI技術，而不去助長那些關於疼痛、慾望和其他人類情感的狹隘生物醫學定義？

伯恩對我說：“科學家也是人。如果我們對人類有什麼瞭解，那便是，當我們想相信一件事時，我們會很擅長欺騙自己。”關於fMRI究竟能揭開大腦什麼真相，我不想愚弄自己，也不想讓大家自欺欺人。

2020年三月世界衛生組織宣佈COVID-19為全球流行病的同一周，我提交了本科學位論文並以神經生物學和哲學的聯合學位畢業。這篇論文裡有我的fMRI實驗報告，包括無效的那些結果，也指出了未來能開展進一步分析的方向。我還論證了某種fMRI證據如何說明了幸災樂禍（schadenfreude）——對於其他人或群體的不幸感到愉悅的情緒——之不道德。我對我的學位論文深感驕傲，也發自內心地享受收集和分析神經資料的過程。

- Karolis Strautniekas -

但在做這項研究的過程中，我被迫面對以下現實：fMRI是一臺不夠精準的相機，它能捕捉血液、而非神經元的模糊影象，而且在我們能檢視影象之前，我們還必須進行大量的計算。如果我們要免去手術或藥物，這是現有的最好的大腦照相機了，但它又是一臺非常糟糕的照相機。fMRI已經給我們非常重要的結果和知識了。正是因為有了它，我們才能構想成年人大腦皮層的系統結構。正如麻省理工學院麥戈文研究所（McGovern Institute）的南希·坎維舍（Nancy Kanwisher）教授所說，“這為我們探索人類心智的發展和演化起源賦予了新的手段。”它還讓神經科學家們認識了大腦的預設模式網路（default mode network），而該網路在自傳式記憶（autobiographical memory）和計劃（planning）中起著至關重要的作用。

但問題在於，我們想從這些科學結果中得到什麼、期待了什麼，又給了這些結果什麼樣的威信。畢竟，“大腦亮了起來”的表達是我們精心製作的影象之人為產物。那些抓人眼球的亮斑和神經元連線圖之所以存在，只是因為神經科學家、磁共振物理學家和資料科學家決定以這種特殊的方式對大腦資料進行視覺化和表徵罷了。

現在，我開始質疑自己是否想在這個令人憂心忡忡的領域繼續下去。畢業之後，我就轉而投入到其它領域中了。不過，我還是保留了認知科學博士專案相關的瀏覽器書籤資料夾。我儘自己所能參加神經科學講座。也許我還會作為研究神經成像技術的社會學家或科學家歸來。在解開核磁共振機器這個黑箱的過程中，我或許失去了那份對神經影像的愛，但至少，現在我看清了它們的本質。

參考文獻

1。 Golby， A。 The FMRI25 Symposium （2017）。

2。 Wise， R。G。 & Tracey， I。 The role of fMRI in drug discovery。 Journal of Magnetic Resonance Imaging23， 862-876 （2006）； Carmichael， O。， et al。 The role of fMRI in drug development。 Drug Discovery Today 23， 333-348 （2018）。

3。 Eklund， A。 Nichols， T。E。， & Knutsson， H。 Cluster failure： Why fMRI inferences for spatial extent have inflated false-positive rates。 Proceedings of the National Academy of Sciences 113， 7900-7905 （2016）。

4。 Vul， E。， Harris， C。， Winkielman， P。， & Pashler， H。 Puzzlingly high correlations in fMRI studies of emotion， personality， and social cognition。 Perspectives on Psychological Science 4， 274-290 （2009）。

5。 Williams， R。 Research teams reach different results from same brain-scan data。 The Scientist（2020）。

6。 Bennett， C。M。， Miller， M。， & Wolford， G。L。 Neural correlates of interspecies perspective taking in the post-mortem Atlantic salmon。 NeuroImage 47， S125 （2009）。

7。 Farah， M。J。， Hutchinson， J。B。， Phelps， E。A。， & Wagner， A。D。 Functional MRI-based lie detection： Scientific and societal challenges。 Nature Reviews Neuroscience 15， 123-131 （2014）。； Lowenberg， K。 fMRI lie detection fails its first hearing on reliability。 Stanford Law Review （2010）。

8。 Dumit， J。 Objective brains， prejudicial images。 Science in Context 12， 173-201 （1999）。

9。 Molero-Chamizo， A。， Riquel， R。M。， Moriana， J。A。， Nitsche， M。A。， & Rivera-Urbina， G。N。 Bilateral prefrontal cortex anodal tDCS effects on self-reported aggressiveness in imprisoned violent offenders。 Neuroscience 397， 31-30 （2019）。

作者：Kesley Ichikawa | 翻譯：M。W。

封面：Stephan Schmitz | 排版：文英

原文：

https：//nautil。us/issue/111/spotlight/the-trouble-with-brain-scans

本文來自微信公眾號“神經現實”，謝絕轉載到其它平臺。如需開設白名單，請在後臺回覆“轉載”，檢視轉載規範。公眾號改版，星標“神經現實”公眾號，不錯過任何一條訊息。