В последние годы усилия по пониманию работы разума приобрели вновь обретенную актуальность. Не только психологические и неврологические расстройства – от болезни Альцгеймера и инсультов до аутизма и тревоги – становятся все более распространенными, появляются новые инструменты и методы, которые позволяют ученым более детально исследовать структуру и активность мозга.
Белый дом выступил с инициативой BRAIN 2 апреля 2013 года с целью поддержки разработки и применения инновационных технологий, которые могут дать динамическое понимание функций мозга. Инициатива поддержала исследования на сумму более 1 миллиарда долларов и привела к новым открытиям, новым лекарствам и новым технологиям, которые помогут людям с заболеваниями головного мозга.
Но это обилие исследований сопряжено с проблемами, по словам Рассела Полдрака, профессора психологии Стэнфордского университета, специализирующегося на вычислениях. Психология и нейробиология изо всех сил пытаются использовать знания своих разрозненных исследователей.
"Наука должна быть кумулятивной, но как методологические, так и концептуальные проблемы препятствовали кумулятивному прогрессу психологической науки," Полдрак и его сотрудники из Стэнфорда, Дартмутского колледжа и Университета штата Аризона написали в статье Nature Communications, опубликованной в мае 2019 года.
Архивист данных
Часть проблемы практическая. Поскольку сотни исследовательских групп проводят оригинальные исследования, необходимо центральное хранилище для размещения и обмена данными, сравнения и объединения исследований и поощрения повторного использования данных. Чтобы решить эту кураторскую задачу, в 2010 году Poldrack запустила платформу под названием OpenFMRI для обмена исследованиями фМРТ.
"Я долгое время думал, что обмен данными важен по ряду причин," объяснил Полдрак, "для прозрачности и воспроизводимости, а также для того, чтобы помочь нам объединить множество небольших исследований, чтобы улучшить нашу способность отвечать на вопросы."
OpenFMRI вырос до почти сотни наборов данных и в 2016 году был включен в OpenNeuro, более общую платформу для проведения исследований изображений мозга. На этой платформе сегодня имеется более 220 наборов данных, в том числе такие, как "Стокгольмское исследование сонного мозга" а также "Нейронная обработка эмоциональных музыкальных и немузыкальных стимулов при депрессии," которые были загружены сотни раз.
Наборы данных визуализации мозга относительно велики и требуют большого хранилища для их размещения. Когда он разрабатывал OpenFMRI, Полдрак обратился в Техасский центр передовых вычислений (TACC) при Техасском университете в Остине для размещения и обслуживания данных.
Грант от Фонда Арнольда позволил ему разместить OpenNeuro на Amazon Web Services в течение нескольких лет, но недавно Полдрак снова обратился к TACC и другим системам, которые являются частью финансируемой NSF Extreme Science and Engineering Discovery Environment (XSEDE). в качестве киберинфраструктуры для базы данных.
Частично успех проекта обусловлен разработкой общего стандарта BIDS – структуры данных визуализации мозга (BIDS), который позволяет исследователям сравнивать и комбинировать исследования по принципу «от яблок к яблокам». Представленный Полдраком и другими в 2016 году, он сразу же получил признание и превратился в лингва-франка для данных нейровизуализации.
В рамках создания стандарта Полдрак и его сотрудники создали веб-валидатор, чтобы упростить определение соответствия данных стандарту.
"Исследователи конвертируют свои данные в формат BIDS, загружают свои данные, и они проверяются при загрузке," Полдрак сказал. "Как только он пройдет валидатор и будет загружен, одним нажатием кнопки его можно будет опубликовать."
Сам по себе обмен данными не является конечной целью этих усилий. В конечном счете, Poldrack хотел бы разработать конвейеры для вычислений, которые могут быстро анализировать наборы данных изображений мозга различными способами. Он работает с проектом CBrain, базирующимся в Университете Макгилла в Монреале, Канада, над созданием контейнерных рабочих процессов, которые исследователи могут использовать для выполнения этих анализов, не требуя большого количества передовых компьютерных знаний и независимо от того, какую систему они используют.
Он также работает с другим проектом под названием BrainLife.io из Университета Индианы, который использует ресурсы XSEDE, в том числе ресурсы TACC, для обработки данных, включая данные из OpenNeuro.
Многие наборы данных из OpenNeuro теперь доступны в BrainLife, и на этих наборах данных есть кнопка, которая ведет прямо на соответствующую страницу в BrainLife, где их можно обрабатывать и анализировать с помощью различных приложений, разработанных учеными.
"Помимо обмена данными, одна из вещей, которые дает нам этот общий стандарт данных, – это возможность автоматически анализировать данные и выполнять те виды предварительной обработки и контроля качества, которые мы часто делаем для данных изображений," он объяснил. "Вы просто указываете контейнер на набор данных, и он просто запускает его."
Переосмыслить общедисциплинарные предположения
Все было бы просто, если бы форматирование, хранение и совместное использование были единственными проблемами, с которыми столкнулось поле. Но что, если обычные методы, которые исследователи использовали для анализа исследований, вносили систематические ошибки и ошибки, что приводило к недостаточной воспроизводимости?? Более того, что, если бы лежащие в основе предположения о том, как работает мозг, были в корне ошибочными??
В исследовании, опубликованном в 2018 году в журнале Nature Human Behavior, в котором была предпринята попытка воспроизвести 21 научную работу по социальным и поведенческим наукам из журнала Nature and Science, было обнаружено, что только 13 могут быть успешно воспроизведены. В другом метаисследовании под эгидой Центра открытой науки было повторно проведено 28 классических и современных исследований в области психологии и обнаружено, что 14 не удалось воспроизвести. Это привело к ретроспективным подозрениям в отношении результатов на десятилетия.
Полдрак и его сотрудники обратились как к методологическим проблемам, так и к проблемам допущений в своей недавней статье Nature Communications, применив более строгие статистические методы, чтобы попытаться раскрыть основные структуры разума, процесс, который они называют «обнаружением онтологии, основанной на данных».’
Применяя этот подход к исследованиям саморегуляции, исследователи проверили способность опросных анкет и исследований, основанных на задачах, прогнозировать вероятность того, что человек подвергнется риску алкоголизма, ожирения, злоупотребления наркотиками или других проблем, связанных с саморегуляцией.
В своем исследовании 522 участника взяли 23 исследования с самоотчетом и выполнили 37 поведенческих задач. На основе каждого из этих 60 показателей команда вывела несколько зависимых переменных, которые, как считается, отражают психологические конструкции. Используя зависимые переменные, команда сначала попыталась создать "психологическое пространство"- способ количественной оценки расстояния между зависимыми переменными, чтобы определить, как различные типы поведения, которые часто рассматриваются как отдельный кластер или коррелируют друг с другом. Они использовали эти "онтологические отпечатки пальцев" для определения вклада различных психологических конструкций в окончательную прогностическую модель.
Статистический подход, использованный в исследовании и реализованный на суперкомпьютерах TACC, выходит далеко за рамки стандартных методов, используемых в типичных психологических исследованиях.
"Мы применяем серьезные методы машинного обучения, чтобы определить, что с чем связано, и что имеет обобщаемую точность прогнозов, используя методы, которые все еще являются довольно новыми для этой области исследований," Полдрак сказал.
Они обнаружили, что некоторые прогнозируемые цели, такие как психическое здоровье и ожирение, имеют простые онтологические отпечатки пальцев, такие как "эмоциональный контроль" а также "проблемное питание," но другие отпечатки пальцев были более сложными. Они также обнаружили, что исследования, основанные на задачах, часто используемые в психологических исследованиях, почти не обладают способностью к предсказанию.
"Я всегда с подозрением отношусь к тому, что наше исследование будет полезно для диагностики, но почти наверняка оно будет полезно для лучшего понимания того, как проводить диагностику, и основных функций, которые связаны с определенными результатами, такими как курение, проблемы с алкоголем или ожирение," Полдрак сказал.
Мотивация усилий – это переосмысление того, как мы говорим о психических заболеваниях.
"Разделение этих расстройств на диагностические категории, такие как шизофрения, биполярное расстройство или депрессия, просто нереально с биологической точки зрения," он сказал. "И генетика, и нейробиология показывают, что эти расстройства в большей степени совпадают с точки зрения их генетики и нейробиологии, чем различий. Итак, я думаю, что могут появиться новые парадигмы, которым поможет лучшее понимание мозга."
Высокопроизводительные вычисления позволяют исследователям применять гораздо более сложные методы для определения распределения знаний и выяснения значимости результатов.
"Мы можем использовать методы выборки для рандомизации данных 5000 раз и многократного повторного запуска больших моделей," Полдрак сказал. "Это невозможно без суперкомпьютеров."
Раньше было так, что прогресс науки зависел от способности создать молекулу или синтезировать химическое вещество. Но прогресс в науке все больше зависит от способности задать правильный вопрос о большом наборе данных, а затем иметь возможность реально реально получить ответ на этот вопрос.
"А также," сказал Полдрак, "есть много вопросов, на которые без высокопроизводительных вычислений невозможно получить ответ."
Несмотря на кризис веры, который обрушился на эту область в последние годы, Полдрак считает, что психологическая наука может многое сказать о том, почему люди делают то, что они делают, и что нейробиология дает нам способы понять, откуда это взялось.
"Мы пытаемся понять действительно сложные вещи," он сказал. "Необходимо понимать, что все, что мы говорим, вероятно, неправильно, но есть надежда, что это может немного приблизить нас к тому, что правильно."