打破刻板印象：大腦模型不是一刀切的|報(bào)資訊

• 2023-05-07 20:21:03 來(lái)源：互聯(lián)網(wǎng)

機(jī)器學(xué)習(xí)幫助科學(xué)家了解大腦如何產(chǎn)生復(fù)雜的人類特征，揭示與工作記憶、沖動(dòng)等特征和抑郁癥等疾病相關(guān)的大腦活動(dòng)模式。有了這些工具，科學(xué)家可以創(chuàng)建這些關(guān)系的模型，理論上可以用來(lái)預(yù)測(cè)個(gè)人的行為和健康狀況。

(資料圖片)

但這只有在模型代表每個(gè)人的情況下才有效，而先前的研究表明它們不行;對(duì)于任何模型，有些人就是不適合模型。

在《自然》雜志上發(fā)表的一項(xiàng)研究中，耶魯大學(xué)的研究人員研究了為什么這些模型往往會(huì)失敗，為什么會(huì)發(fā)生這種情況，以及可以做些什么。

為了使模型發(fā)揮最大作用，它們需要適用于任何給定的個(gè)體，耶魯大學(xué)醫(yī)學(xué)院醫(yī)學(xué)博士生，該研究的主要作者Abigail Greene說(shuō)。

“例如，如果我們想將這種工作轉(zhuǎn)移到臨床應(yīng)用中，我們需要確保該模型適用于坐在我們面前的患者，“她說(shuō)。

格林和她的同事對(duì)模型如何提供更精確的精神病學(xué)特征感興趣，他們認(rèn)為可以通過(guò)兩種方式實(shí)現(xiàn)。首先是更好地對(duì)患者群體進(jìn)行分類。例如，精神分裂癥的診斷包含一系列癥狀，并且因人而異。更深入地了解精神分裂癥的神經(jīng)基礎(chǔ)，包括其癥狀和亞類，可以讓研究人員更細(xì)致地對(duì)患者進(jìn)行分組。

其次，沖動(dòng)等特征在各種診斷中都有。了解沖動(dòng)的神經(jīng)基礎(chǔ)可以幫助臨床醫(yī)生更有效地針對(duì)該癥狀，無(wú)論其與何種疾病診斷有關(guān)。

“這兩項(xiàng)進(jìn)展都將對(duì)治療反應(yīng)產(chǎn)生影響，“格林說(shuō)?！拔覀?cè)侥芾斫膺@些可能攜帶或可能不攜帶相同診斷的個(gè)體亞組，我們就越能為他們量身定制治療方法。

但首先，模型需要推廣到每個(gè)人，她說(shuō)。

為了理解模型失敗，Greene和她的同事首先訓(xùn)練了可以使用大腦活動(dòng)模式來(lái)預(yù)測(cè)一個(gè)人在各種認(rèn)知測(cè)試中的得分如何的模型。測(cè)試時(shí)，模型正確地預(yù)測(cè)了大多數(shù)人的得分。但對(duì)于某些人來(lái)說(shuō)，他們是錯(cuò)誤的，錯(cuò)誤地預(yù)測(cè)人們?cè)趯?shí)際得分高的情況下會(huì)得分低，反之亦然。

然后，研究小組研究了模型未能正確分類的人。

“我們發(fā)現(xiàn)存在一致性 - 相同的個(gè)體在任務(wù)和分析中被錯(cuò)誤分類，“格林說(shuō)?！霸谝粋€(gè)數(shù)據(jù)集中錯(cuò)誤分類的人與另一個(gè)數(shù)據(jù)集中錯(cuò)誤分類的人有一些共同點(diǎn)。因此，被錯(cuò)誤分類確實(shí)是有意義的。

接下來(lái)，他們觀察這些人大腦的差異是否可以解釋這些類似的錯(cuò)誤分類。但是沒有一致的差異。相反，他們發(fā)現(xiàn)錯(cuò)誤分類與年齡和教育等社會(huì)人口因素以及癥狀嚴(yán)重程度等臨床因素有關(guān)。

最終，他們得出結(jié)論，這些模型不僅僅反映了認(rèn)知能力。相反，它們反映了更復(fù)雜的“概況” - 認(rèn)知能力以及各種社會(huì)人口學(xué)和臨床因素的混搭，格林解釋說(shuō)。

“這些模特讓任何不符合這種刻板印象的人都失敗了，“她說(shuō)。

例如，研究中使用的模型將更多的教育與認(rèn)知測(cè)試的更高分?jǐn)?shù)聯(lián)系起來(lái)。任何受教育程度較低但得分高的人都不符合模型的概況，因此經(jīng)常被錯(cuò)誤地預(yù)測(cè)為低分者。

使問(wèn)題更加復(fù)雜的是，該模型無(wú)法獲得社會(huì)人口統(tǒng)計(jì)信息。

“社會(huì)人口學(xué)變量嵌入在認(rèn)知測(cè)試分?jǐn)?shù)中，“格林解釋說(shuō)。從本質(zhì)上講，認(rèn)知測(cè)試的設(shè)計(jì)、管理、評(píng)分和解釋方式的偏見可能會(huì)滲透到獲得的結(jié)果中。偏見在其他領(lǐng)域也是一個(gè)問(wèn)題;例如，研究揭示了輸入數(shù)據(jù)偏差如何影響刑事司法和醫(yī)療保健中使用的模型。

“因此，測(cè)試分?jǐn)?shù)本身是認(rèn)知能力和這些其他因素的復(fù)合，模型正在預(yù)測(cè)復(fù)合，“格林說(shuō)。這意味著研究人員需要更仔細(xì)地考慮給定測(cè)試真正測(cè)量的內(nèi)容，從而考慮模型預(yù)測(cè)的內(nèi)容。

該研究的作者就如何緩解這個(gè)問(wèn)題提供了一些建議。他們建議，在研究設(shè)計(jì)階段，科學(xué)家應(yīng)該采用最小化偏差并最大限度地提高測(cè)量有效性的策略。在研究人員收集數(shù)據(jù)后，他們應(yīng)該使用統(tǒng)計(jì)方法來(lái)糾正盡可能多地保留的刻板印象。

研究人員表示，這些措施將導(dǎo)致模型更好地反映正在研究的認(rèn)知結(jié)構(gòu)。但他們指出，完全消除偏差是不可能的，因此在解釋模型輸出時(shí)應(yīng)該承認(rèn)這一點(diǎn)。此外，對(duì)于某些度量值，可能需要多個(gè)模型。

“總有一天，你只需要為不同的人群提供不同的模型，“耶魯大學(xué)醫(yī)學(xué)院放射學(xué)和生物醫(yī)學(xué)成像教授、該研究的資深作者托德康斯特布爾說(shuō)?！耙环N模式并不適合所有人。

關(guān)鍵詞: