​​Подпороговое сокрытие данных нейровизуализации: когда статистики не достаточно
#neuroimaging #metascience

Публикация: Taylor, P. A., Reynolds, R. C., Calhoun, V., Gonzalez-Castillo, J., Handwerker, D. A., Bandettini, P. A., ... & Chen, G. (2023). Highlight Results, Don't Hide Them: Enhance interpretation, reduce biases and improve reproducibility. Neuroimage, 120138.

В Neuroimage появилась публикация, призывающая приводить в статьях все результаты исследования, даже те, которые не характеризуются статистической значимостью или находятся ниже заданного порога. На текущий момент это не является типичной практикой: очень часто в тексте публикации "выживает" лишь небольшая часть того, что действительно было получено при обработке данных. Это затрудняет репликацию исследований и проведение мета-анализов, а также приводит к искажениям в интерпретации со стороны читателей и самих авторов.

На графике представлен пример двух вариантов визуализации результатов. В первом случае (A) демонстрируются только кластеры, соответствующие статистически значимой активации, во втором случае – вся карта активации и выделенные значимые кластеры. Во втором случае (B) заметно, что мощность активации во многих незначимых кластерах близка к мощности значимых кластеров, поэтому игнорировать такую активацию полностью в рамках интерпретации, как произошло в первом случае, было бы ошибочно.

Также при демонстрации исключительно "надпороговых" результатов возникают и иные проблемы:

- Бинаризация активности мозга, несмотря на то что в реальности он не работает в режиме "ON/OFF";
- Отсутствие отрицания нулевой гипотезы не означает ее подтверждение, поэтому мы не можем быть на 100% уверены в том, что в "подпороговых" регионах отсутствует эффект, так что исключать эти регионы было бы статистически некорректным;
- Исключение из графиков "подпороговых" результатов не позволяет сформировать понимание причины того, почему они оказались ниже порога, что именно происходит с распределением мощности сигнала в этих регионах;
- "Подпороговые" регионы могут явно демонстрировать наличие артефактов, которые не очевидны при их исключении из графиков.

В статье представлены примеры по визуализации на основе открытого датасета фМРТ, объясняющие возможные расхождения в результатах, получаемых в предыдущих публикациях по этому датасету, а также общие полезные практические рекомендации.

Ученый и поэт
#poetry_of_science

Пока поглощена подготовкой к кандидатскому экзамену, анализом данных и правками к статьям, “Голубь Скиннера” пустует. Но в день рождения А. С. Пушкина позволю себе оставить здесь ссылку на неформальную публикацию теме междисциплинарности c прозрачным названием “Poetry and Neuroscience: An Interdisciplinary Conversation”. Этот текст представляет собой диалог-эссе между нейроученым и поэтом. В нем они делятся своим пониманием того, что такое эксперимент, шум, эмоции и другие понятия (даже использование голоса в ораторском искусстве).

Хоть представленный текст воспринимается как поток, а не набор тезисов, из которых можно выделить основную идею, запомнилась мысль о том, что в поэзии стирается грань между экспериментом и данными, получаемыми в результате его проведения, — в поэзии результаты являются экспериментом. И еще их не нужно реплицировать, скорее наоборот, — какой читатель оценит репликацию репликации?..

Оставив поэтичное настроение в стороне, все же отмечу, что междисциплинарные “высказывания”, оформленные представителями очень далеких направлений, крайне редко бывают содержательными и часто напоминают игру разума ради игры разума. А редкие исключения могут давать толчок к зарождению новых важных трендов в науке (как это случилось во время когнитивной революции в середине прошлого века). Однако дополнительные рефлексии по поводу междисциплинарности оставлю на будущие посты.

#podcast

Вышло продолжение предыдущего выпуска подкаста “Кортекс”. В прошлом выпуске мы с Настей говорили о методических и концептуальных ограничениях нейротехнологий, а в этом — об этике. В ходе обсуждения стало ясно, что скорее всего, нейротехнологии в текущем их виде не бросают нам никаких уникальных этических вызовов.
А если когда-нибудь и начнут бросать, то оценивать их через лекало современного устройства общества кажется несколько бессмысленным. И, конечно, во многом иллюзия этических угроз возникает из-за громких заявлений производителей девайсов и представлений самих пользователей о том, к каким процессам их мозга эти девайсы имеют доступ.

Приятного прослушивания!

​​Артефакты и размер эффекта
#resources #statistics 

Нашла отличный интерактивный тулбокс от Matthew B. Jané по визуализации статистических артефактов, которые искажают размер эффекта. Сопровождающие теоретические материалы с формулами и кодом можно найти здесь. В этих материалах рассматриваются такие артефакты, как небольшая величина выборки, ошибки измерения, понижающие показатели связи между факторами, а также ограничения доступного диапазона величин. Для каждого случая предлагаются способы коррекции возникших искажений. 

Один из простейших примеров работы тулбокса (см. скрин): демонстрация того, как недостаточный объем выборки приводит к заниженным показателям корреляции и завышенным показателям стандартизованной разницы средних.

​​Секреты "безуспешного успеха"
#psychology

Публикация: Dixon, L. J., Hornsey, M. J., & Hartley, N. (2023). “The Secret” to Success? The Psychology of Belief in Manifestation. Personality and Social Psychology Bulletin, 01461672231181162.

Давно не было постов по психологии. На днях вышла статья с результатами трех исследований феномена, упоминанием которого уже долгие годы изобилуют закоулки различных соцсетей. Это – всевозможные манифестации, аффирмации, позитивные мысли, визуализации и прочие техники, призванные привлечь в вашу жизнь успех и счастье либо за счет вашего собственного личностного роста, либо за счет воздействия внешних факторов (или "космических сил").

Если отринуть иронию и скепсис, возникновение этого феномена не так далеко лежит от "эффекта Пигмалиона": высокие ожидания окружающих в ряде случаев могут приводить к улучшению показателей деятельности человека – например, успеваемости учеников в школе. (На самом деле валидность экспериментов, подтверждающих "эффект Пигмалиона", являлась предметом споров, но на текущий момент можно считать, что он все-таки срабатывает, просто не универсально).

Проводя параллель с такого рода "социологическими" самосбывающимися пророчествами, можно было бы предположить, что манифестации, определяя ожидания человека уже от самого себя, позволяют ему ставить крупные цели, следовать им и достигать успеха. Но так ли это на самом деле?

По результатам исследований выяснилось следующее:
1. Треть участников оказалась "манифестаторами", т. е. такая система взглядов – не редкость.
2. "Манифестаторы" воспринимают себя более успешными на текущий момент времени и в будущем.
3. Парадокс: по объективным показателям успеха (уровню дохода или образования) "манифестаторы" не превосходят "не-манифестаторов".
4. Вера "манифестаторов" в достижение целей не зависела от объективного разрыва между целью и уровнем ее достижения.
5. С психотерапевтической точки зрения бывает полезно осуществлять "рефрейминг" своих провалов, настраивая себя на позитивный лад, но соблюдать баланс тоже важно. Чрезмерный оптимизм, нереалистичность постановки целей, отрицание ошибок не играют "манифестаторам" на руку: они более склонны принимать рискованные решения, чаще оказываются банкротами и т. д.

Как выяснилось, высокие ожидания высоким ожиданиям рознь. Чтобы случайно не уподобиться инфлюенсерам из индрустрии успеха, остановлю себя от глубокомысленных выводов или советов и вместо этого ограничусь мемами.

​​Такие разные коннектомы: новый обзор
#neuroscience

Публикация: Seguin, C., Sporns, O., & Zalesky, A. (2023). Brain network communication: concepts, models and applications. Nature Reviews Neuroscience, 1-18.

На днях был опубликован обзор, в котором систематизированы важные концепты коннектомики и сетевой нейронауки.

По своим свойствам коннектом – это small-world network, т. е. в этой сети пары далеких элементов разделены небольшим количеством промежуточных связей. Долгое время предполагалось, что нейронный сигнал распространяется по кратчайшим путям этой сети (shortest path assumption). По такой логике области мозга, анатомически связанные трактами белой материи, должны быть сильно связаны и функционально благодаря прямой передаче сигнала.

Но эксперименты показали, что это не совсем так. С одной стороны, структурная и функциональная связность действительно в среднем коррелируют. А с другой – области мозга, которые не связаны анатомически напрямую, тоже могут активно взаимодействовать. Более того, соблюдение ранее упомянутого критерия кратчайшего пути потребовало бы знания всей топологии сети. Но в случае с мозгом, сети которого децентрализованы, это не очень реалистичный сценарий: вряд ли индивидуальные нейроны или их группы обладают полной информацией о сети, в которой они находятся.

Раз принцип кратчайшего пути не срабатывает, то между структурным коннектомом (информацией об анатомических связях областей мозга) и функциональной связностью (информацией о том, насколько активность одной области мозга синхронизуется с другой) не хватает дополнительного звена. Этим звеном стали модели сетевой коммуникации – общие принципы распространения сигнала внутри структурного коннектома, которые и порождают те показатели функциональной связности, которые мы наблюдаем.

Семейства этих моделей, подробно описанные в обзоре, следующие:
1. Протоколы маршрутизации (routing protocols): нейрональные сигналы избирательно продвигаются по единственным надежным путям с низкой задержкой по времени и небольшими метаболическими затратами. Например, начиная с одного элемента сети, сигнал может перемещаться к соседнему, который наиболее близок к целевому элементу.
2. Процессы распространения: сигналы передаются диффузно, например, по принципу random walks или распространяясь сразу на несколько других элементов сети. Это увеличивает затрачиваемые ресурсы времени и энергии, но при этом позволяет ограничиваться информацией лишь о локальных связях. Кстати, в исследованиях по предсказанию функциональной связности на основе фМРТ с использованием структурного коннектома диффузные модели сработали лучше моделей кратчайшего пути.
3. Параметрические модели, реализующие гибридные стратегии предыдущих двух семейств.

Почему дальнейшая валидация этих групп моделей важна? Во-первых, их можно использовать для предсказания функциональных изменений вследствие нарушения структурного коннектома из-за травм, атрофии или хирургического вмешательства. Во-вторых, информацию о структурном коннектоме и о путях распространения сигнала в нем можно использовать для детального моделирования эффектов нейростимуляции, которая при фокальном воздействии на одну область может приводить к полисинаптическому ответу в анатомически не связанных областях.

Это не последний пост про структурные и функциональные связи в мозге и связь между ними (no pun intended): именно этой темой, пусть и несколько с другого ракурса, я занимаюсь в рамках своей диссертации. Обычно я не высказываюсь о ней научно-популярно из-за того, что, наверное, как и для многих аспирантов, диссертация становится чем-то многострадально-сакральным, о чем имеет смысл рассказывать либо все в мельчайших подробностях и перегружать читателя/слушателя, либо ничего. Но постараюсь найти баланс.

​​Голодные судьи против статистики
#psychology #resources #statistics

На очень полезном ресурсе по статистике Д. Лакенса приведен пример того, как можно пойти на поводу у слишком красивых результатов.

Нередко в качестве иллюстрации того, как сильно наши решения зависят от косвенных факторов, упоминается исследование, в котором обнаружилось, что судьи выносят более жесткие приговоры до обеда, чем после обеда. Напрашивается простая интерпретация: справедливости не существует, когда ты голоден (не обессудьте – клише). Однако не все так просто.

Во-первых, обратимся к графику из статьи. Он показывает пропорцию решений в пользу подсудимых в течение всего дня (общее количество анализируемых дней составило 50). Мы видим, что в самом начале дня судьи отпускали на волю 65 % подсудимых, а затем этот показатель резко падал до нуля. После перерыва показатель cнова возвращался к 65 % и так же быстро падал. После второго перерыва ситуация повторялась. Такая повторяемость и такие резкие спады выглядят очень подозрительно.

Во-вторых, выяснилось, что размер эффекта у наблюдаемых тенденций чрезмерно высокий. Напомню, что хоть мы все подспудно и гонимся на значимыми p-values, они констатируют лишь наличие эффекта, а его размер нужно количественно оценивать дополнительно. Например, если разница в среднем росте между детьми и подростками составит 60 см, то это станет размером эффекта. Поделив эту разность на стандартное отклонение, мы получим стандартизованную оценку (Cohen's d, d Коэна). Если d=1, то это значит, что две группы отличаются на одно стандартное отклонение. d=0.2 считают малым размером эффекта, d=0.5 – средним, d>0.8 – большим.

В исследовании про судей размер эффекта составил d=1.96! В психологических экспериментах такие размеры эффекта едва ли достижимы. В частности, Лакенс приводит пример исследования, в котором d=2 соответствует различию в росте 21-летнего взрослого мужчины и женщины в Нидерландах. Оно составляет 13 сантиметров, что весьма ощутимо. Если же переключаться на размеры эффекта в психологии, то близкие значения d Коэна могли достигаться лишь в тех случаях, когда независимая и зависимая переменные составляли чуть ли не тавтологию (например, взаимодействие харизмы и лидерства, социальной девиации и исключения из общества и т. д.)

Таким образом, обнаруженный эффект явно не может объясняться такими опосредованными механизмами, как голод и усталость. Было бы это так, мы бы наблюдали этот огромный эффект напрямую в виде хаоса и ментальных провалов в предобеденное время. Впрочем, если обращаться к нашему внутрилабораторному опыту, иногда это похоже на правду, но точно не дотягивает до d=1.96.

Наиболее вероятным объяснением полученных результатов может являться то, что рассмотрение дел в суде в каждой из сессий производилось не в случайном порядке: например, "простые" дела, в результате которых подсудимый с большой вероятностью заслуживал освобождение, могли рассматриваться первыми.

Это наглядный пример того, что красивая статистика без правдоподобной интерпретации, соответствующей ей, приводит к заблуждениям. И такие примеры могут послужить поводом к включению в эксперименты 'maximum positive controls' – экспериментальных условий, которые задают верхнюю границу возможного размера эффекта в заданной парадигме.

​​Атомные привычки
#productivity #readinglist

Мои отношения с селф-хелп литературой неоднозначные. Ни одна книга этого жанра не перевернула мою жизнь – возможно, тому виной мои собственные упрямство, научный снобизм и большее доверие граблям, на которые мне иногда везет наступать. Тем не менее, по давней настоятельной рекомендации, прочитала книгу "Атомные привычки" Джеймса Клира и осталась довольна тем, как в доступной и ненавязчивой форме изложена система закрепления полезных привычек. Некоторые наблюдения автора тесно переплетаются с моим личным опытом, поэтому решила поделиться ими здесь.

- Мотивация и самоконтроль переоценены.
Энергетика "Just Do It" очень хороша. С таким настроением я раньше хваталась за новые проекты, что давало ощущение чистого листа и индульгенцию на тупики в других проектах. Но, как бы сильно я ни любила науку, вдохновение рано или поздно сходит на нет, положительное подкрепление в виде значимых результатов появляется не сразу, и на выходе остается фрустрация или скука. На первых порах это ошибочно может восприниматься как признак того, что ты занимаешься чем-то не тем. Со временем пришло понимание, что перепады внутренней мотивации естественны и полагаться исключительно на нее в формировании полезных привычек было бы наивно. Можно (и нужно) продолжать функционировать даже тогда, когда интерес падает.

- Не надо противостоять искушению, когда его можно заранее избежать.
Внутренней мотивации и самоконтроля недостаточно. Сегодня на волне энтузиазма мне может казаться, что последующие несколько недель я каждый день буду править свою статью по диссертации, не забывать про side projects, а еще перед работой бегать по 4 км. Но, поскольку мой мозг довольно импульсивный, на следующий день его может выбить из колеи какая-нибудь мелочь, и вместо продуктивности и здорового образа жизни может случиться падение в копинг-стратегии в виде прокрастинации, выполнения не приоритетных задач, приема вредной пищи и т. д. Но риски этого можно минимизировать, если я еще на берегу позабочусь о внешней среде в соответствии с законами, которые приведены в описываемой книге. Эти законы не пытаются обуздать хватающийся за сиюминутные стимулы мозг, а делают его нашим союзником.

- Законы формирования привычек, минимизирующие усилия для их выполнения:
1. Придайте очевидности. Привязывайте привычки к заметным внешним стимулам: ко времени и месту, к другим уже устоявшимся привычкам или к конкретным объектам (например, книге, предварительно размещенной у кровати, если вы хотите привыкнуть читать каждый вечер).
2. Добавьте привлекательности. Сочетайте необходимые действия с желаемыми (например, пробежку с прослушиванием подкаста), окружите себя людьми, чье поведение вам близко.
3. Упростите. Лучшее – враг хорошего. Ежедневные правки статьи по одной странице в день с большей вероятностью приведут к результату, чем выжидание удачного момента, когда можно исправить ее разом; 10 минут пробежки гораздо лучше, чем полное ее отсутствие, и т. д. На первых порах действие как таковое важнее филигранности.
4. Привнесите удовольствие. Многие привычки сопряжены с далекими целями. Мозг ценит настоящее сильнее, чем будущее. После одной пробежки мой мозг не заметит, что в глобальном смысле в моем организме что-то поменялось. После написания части статьи защита кандидатской не станет казаться ближе. Поэтому имеет смысл сразу вознаграждать себя за выполненные действия.

Для неэффективных привычек все законы действуют наоборот (подробнее см. таблицу).

- Идентичность важнее.
Цели достигаются, меняются или теряют актуальность. Важнее сфокусироваться на том, кем вы хотите быть, чем на конкретных результатах. Несколько лет назад я мечтала публиковать статьи в журналах Q1 – эта мечта сбылась, и не раз, но культивация в себе идентичности ученого гораздо шире. И не думаю, что когда-нибудь этот процесс завершится.

Совсем лаконичные выводы: система привычек важнее и стабильнее целей, не боритесь с собой в моменте, позаботьтесь о себе будущем 💚.

​​Атласы для нейроисследователей и врачей
#resources #tools

Некоторое время назад я публиковала пост со ссылками на ресурсы с автоматическим объединением результатов нейроисследований по соотнесению психологических параметров и данных фМРТ, а также вызванных потенциалов, выделенных на основе ЭЭГ.

Дополнением к этим коллекциям могут стать онлайн-атласы, которые можно использовать для тренировки "насмотренности":

1. EEG Atlas. В этом атласе можно выбрать возрастную группу, состояние сознания (бодрствование, сон, кома), степень ЭЭГ-нарушений, указать наличие конкретных паттернов (межсудорожные спайки, моторные ритмы и т. д. ) и получить пример ЭЭГ-сегмента с выделенными паттернами, соответствующими запросу. В интерактивном режиме можно менять монтаж ЭЭГ. В ряде примеров дополнительно доступны аннотация из истории болезни пациента или описание свойств самих наблюдаемых паттернов.
2. EEGpedia: ЭЭГ-википедия с описаниями и примерами клинических, стандартных физиологических паттернов и артефактов. Дополнительно есть раздел с квизом, в котором по одному примеру ЭЭГ нужно определить диагноз (правда, судя по всему, этот раздел не особо обновляется).
3. Central XNAT: база, в которой по ключевым словам и параметрам можно найти примеры МРТ, ПЭТ или КТ и изучить их во встроенном просмотрщике.
4. Radiology Masterclass: галерея КТ мозга с интерактивными аннотациями для различных диагнозов. Там же есть квиз для самопроверки.
5. NeuroVault: открытый репозиторий фМРТ- и ПЭТ-карт.
6. ACMEGS: образовательные примеры по МЭГ нескольких пациентов.

#popsci #podcast

Еще в далеком июне мы с моей подругой Настей записали очередной выпуск подкаста “Кортекс”. Это получилась искренняя исповедь о том, каким мы видим свое существование в науке, какой опыт в ней мы любим, какой — все еще кажется непривычным, что мы ожидаем от своего профессионального будущего.

Порой, работая в этой сфере даже в большом коллективе, понимаешь, что и ты, и твои коллеги, особенно если вы еще аспиранты или молодые ученые, — все вы находитесь на изолированных островках, омываемых вашими собственными научными чаяниями, ожиданиями, проблемами, страхами и заветными мечтами. И возможность обсудить их с кем-то еще позволяет понять, что волны, омывающие остров, не такие опасные, а еще можно построить судно и начать перемещаться.

Интересно, что хоть мы с Настей обе занимаемся не столь отдаленными задачами, наше восприятие некоторых аспектов работы в науке рознилось: например, Настя считает важным качеством ученого азарт, а я склоняюсь к тому, что это — терпение. После записи выпуска нас обеих захватила научная стихия, в результате чего финальный монтаж созрел только сейчас. Переслушивая наши рассуждения, я понимаю, что даже спустя всего несколько месяцев лично я на некоторые вопросы уже ответила бы иначе. Поэтому уверена, что с учетом этой нестатичности мы еще не раз будем возвращаться к такому формату “нейросплетен” и рефлексий в наших выпусках.

Приятного прослушивания!

​​“Молодость” (не картина Паоло Соррентино)
#popsci #mental_health #аспирантское #metascience

Недавно приняла участие в сессии по медицинским нейротехнологиям на III Конгрессе молодых ученых. Ирония состоит в том, что это едва ли не единственная сессия, на которой выступали молодые ученые, формально соответствующие этому определению. Хотя нейронаука сама по себе молодая дисциплина и любого ее представителя можно было бы так охарактеризовать 🙂

Эта сессия показала, что не существует портрета типичного молодого нейроучёного — каждого из присутствующих в нейронауку привёл свой путь (спойлер: даже если вы занимаетесь космическими летательными аппаратами, есть риск, что вас начнут терзать загадки человеческого мозга и измерения его активности). И каждый по-своему может реализовать себя в ней: даже среди семи участников сессии разброс решаемых проблем и используемых методов оказался очень большим, начиная от омиксных технологий и заканчивая ЭЭГ/МЭГ. 

Сессия оказалась полезной также и тем, что мы поговорили не только о содержательной части наших исследований, профессиональном пути, некоторых рыночных проблемах, но и о трудностях, с которыми сталкивается молодой ученый, в частности, в ментальной сфере. Напомню, что в моем канале есть несколько постов на эту тему: 
- о психическом здоровье аспирантов;
- о факторах, влияющих на их успех. 

Исходно в сессии планировался дополнительный раздел с советами для тех, кто присматривается к реализации себя в нейротехнологиях и науке, но возможные рекомендации очевидным образом извлекаются как раз из этой последней части обсуждения. Чем быстрее расстаться с иллюзиями о том, что наука не дает мгновенного результата, что она — не панацея от тотального незнания, что понятие “громких открытий” теряет свою актуальность, тем, возможно, ваша “молодость” в науке пройдет беспечнее и содержательнее. 

И еще от себя добавлю три совета, которые не озвучила на сессии (хотя жанр советов как таковой мне не близок и то, что сработало для меня, может не сработать для других):
1. Как можно скорее начните пробовать себя в преподавании. 
2. Не используйте свой перфекционизм как повод для бездействия и бесконечной подготовки, потому что на самом деле вам никогда не будет казаться, что вы знаете и умеете всё. И уж тем более не существует идеального набора пререквизитов, которые необходимо освоить для того, чтобы разрешить себе реализовываться в нейронауке — она слишком многолика, выбирайте, что вам ближе.  Область вашего незнания может определить спектр ваших ближайших задач. 
3. Если участвуете в обсуждениях или семинарах, формируйте в себе навык задавать вопросы, даже если вам кажется, что у вас вопросов нет. Когда вы формулируете вопросы, вы помогаете себе и другим синтезировать новое знание. 

А полное видео с сессии можно посмотреть по этой ссылке.

#popsci #podcast

Посплетничав и поизливав душу в предыдущем выпуске подкаста “Кортекс”, на этот раз я и моя коллега Настя углубились в более биологически насыщенную тему и в новом выпуске обсудили исследования органоидов в нейронауке. Тема показалась необъятной, поэтому мы затронули наиболее прозрачные аспекты.

Таймкоды:
00:46 - Что такое органоиды и как их создают
08:23 - Как изучать развитие нервной системы с помощью органоидов
19:30 - Как изучать аутизм с помощью органоидов?
26:40 - Вирус Зика, болезнь Паркинсона, болезнь Альцгеймера
31:50 - Преимущества исследований органоидов
35:30 - Есть ли у органоидов сознание?
36:00 - Персонифицированная медицина и органоиды
41:00 - Восстановление зрительной коры с помощью органоидов
45:00 - Органоиды играют в пинг-понг
51:00 - Глубокомысленные выводы

Приятного прослушивания!

​​Мозг — это… 
#neuro #poetry_of_science

Препринт: Bolt, T. S., & Uddin, L. (2023). " The Brain is...": A Survey of The Brain's Many Definitions. bioRxiv, 2023-10.

Авторы свежего препринта проанализировали несколько миллионов статей и извлекли из них несколько тысяч фраз с определением того, что есть мозг. С помощью NLP удалось выделить 24 семантические группы этих определений (см. график). Наиболее биохимические и молекулярные определения (напр., “Мозг — это богатый липидами орган”) соответствуют левому верхнему углу графика, наиболее абстрактные и метафоричные (напр., ”Мозг — это сложная динамическая система” ) — правому нижнему. Если “молекулярные” определения хоть как-то целесообразны для обсуждения конкретных аспектов функционирования мозга, то общие абстракции отягощают своей очевидностью (если не подразумевают конкретную терминологию из области теории информации или нелинейных систем). 

Интересно было бы провести схожую кластеризацию семантических групп для определений различных когнитивных доменов — памяти, внимания, сознания и т. д. — и оценить пересечения между ними. Подозреваю, что их будет немало.

Если совершить небольшой экскурс в прошлое, прельщает своей простотой цитата, приписываемая древнеримскому врачу Галену: “Мозг — начало всех нервов, сердце — начало всех артерий”. С учетом того, что до Галена и его первых описаний нервной системы мозг нередко считался всего лишь регулятором исходящего от сердца тепла (в прямом смысле, а не в современном романтизированном), это определение по-своему революционно для той эпохи. 

Впрочем, Гален тоже грешил любовью к абстракциям, утверждая, что “мозг — самое сложное, что есть в теле человека”. Правда, потом он дополнял эту мысль спасительной конкретикой: “Но мозг был бы несовершенен, если бы у человека отсутствовала хоть одна часть тела — например, стопа. Как и стопа была бы несовершенна без мозга.”

А в целом, если вспомнить некоторые искажения и баги, к которым так склонен наш мозг, и если вторить более позднему высказыванию Курта Воннегута, возможно, мозг — не “венец эволюции, а очень плохая схема для выживания”. 

Оставляйте в комментариях определения мозга, которые кажутся интересными вам (non-serious replies приветствуются).

Human Neocortical Neurosolver — от нейрона к сенсорам (почти)
#neuroimaging #programming #resources


Давно не пополняла коллекцию полезных тулбоксов. Несколько дней назад вышла новая версия библиотеки HNN (Human Neocortical Neurosolver) на Python (с описанием исходного программного обеспечения можно ознакомиться в этой публикации).

Ценность этой библиотеки в том, что в очень user-friendly формате она позволяет соотносить МЭГ/ЭЭГ данные с клеточной активностью нейронов, их порождающей. Работать можно, в частности, с вызванными потенциалами или осцилляторной активностью. На фоне оптимистичности подхода можно выделить два ограничения:

1. Фактически основной ингредиент тулбокса — это моделирование активности кортикальных источников в виде первичного тока с использованием биофизической модели нейронов. Соотнесение же с измерениями на МЭГ/ЭЭГ сенсорах осуществляется за счет сопоставления смоделированной активности кортикальных источников и той, которая была реконструирована на основе МЭГ/ЭЭГ с помощью методов решения обратной задачи. Решение обратной задачи в этом случае — отдельный изолированный шаг. О сложностях, которые его могут сопровождать, я писала в одном из предыдущих постов. Получается, что биофизическая модель описывает переход с микроуровня клеток на макроуровень кортикальных источников, но не на уровень сенсоров. Т. е. на выходе мы получаем сопоставление моделей “нейрон-диполь” и “сенсор-диполь”. Это очевидным образом может порождать искажения.
2. Сама используемая биофизическая модель опирается на архитектуру колонок пирамидальных нейронов неокортекса и не затрагивает иные возможные архитектуры. Впрочем, сами используемые параметры (пропорции возбуждения/торможения, специфичные для каждого слоя синаптические взаимодействия и характеристики спайковой активности) обеспечивают некоторые степени свободы.

Несмотря на текущие ограничения подхода, он открывает пространство для тестирования гипотез. В частности, с помощью HNN получилось сформировать предсказания об источниках спонтанных бета-осцилляций в неокортексе, которые затем были подтверждены на основе инвазивных данных мышей и обезьян.

На видео — пример симуляции вызванной активности. А по этой ссылке можно найти пример скрипта, который решает обратную задачу для соматосенсорной вызванной активности, наблюдаемой в МЭГ-данных, а затем моделирует сеть нейронов, репродуцирующую активность соответствующих источников.

​​Искусственный интеллект – Пифия современности
#ai
Публикация: Savcisens, G., Eliassi-Rad, T., Hansen, L. K., Mortensen, L. H., Lilleholt, L., Rogers, A., ... & Lehmann, S. (2023). Using sequences of life-events to predict human lives. Nature Computational Science, 1-14.

На пятый день после наступления нового года, когда беспечность настоящего постепенно угасает, неизбежно задумываешься о будущем... В долгосрочной перспективе оно кажется неосязаемым и туманным – по крайней мере, для нас. Но не для искусственного интеллекта!

Недавно в Nature Computational Science была представлена модель life2vec, предсказывающая жизнь людей. Модель опиралась на данные жителей Дании от 25 до 70 лет с 2008 по 2016 года. Эти данные представляли собой детализированную последовательность событий в сферах труда и здоровья: получение зарплаты или стипендии, устройство на работу, посещение врачей, постановку диагнозов и т. д. Используя эти данные, расположенные в хронологическом порядке, модель оценивала каждое событие как изолированно, так и в контексте всей последовательности жизни человека целиком. Это и позволяло осуществить предсказание на ближайшие четыре года.

С технической точки зрения важно подчеркнуть, что в модели не использовались традиционные методы предсказания временных рядов, поскольку события жизни человека характеризуются многомерными признаками и не регистрируются через равные промежутки времени. Наконец, само понятие времени в данном случае усложняется, так как представлено и датой события, и возрастом конкретного человека. С учётом всех сложностей была использована архитектура трансформера. Все категории событий жизни человека составили синтетический "вокабуляр", и последовательность событий жизни рассматривались как "предложения", состоящие из элементов этого вокабуляра. Если упрощать, то задача предсказания следующих событий жизни человека сводилась к задаче предсказания следующих "слов" по аналогии с тем, как это делают ИИ-чатботы.

Что именно может предсказывать модель? Концептуально ограничений нет, поскольку для каждого типа предсказаний на основе сырых данных формируется новое пространство векторов, специфичных для этого типа. То есть каждое событие жизни может быть по-разному представлено в контексте типа предсказания. Это и делает модель в чём-то универсальной. С её помощью удалось предсказать как раннюю смертность для выборки людей от 35 до 65 лет, так и психологически тонкие показатели, связанные с десятью личностными характеристиками экстраверсии. Интересно, что life2vec превзошла модели (рекуррентные нейронные сети), натренированные на данных, относящихся исключительно к предсказываемой переменной.

Представляет интерес пример (см. Рис.) двумерной проекции жизней людей для случая с предсказанием смертности. Выделенные на изображении (d) регионы 1 и 2 соответствуют высокой вероятности выживания и смерти соответственно. Примечательно, что в немалая часть региона 2 представлена молодыми людьми (f), которые в действительности умерли (см. красные точки), что указывает на сложный характер предсказаний, с которыми справилась модель. Реальные смерти, близкие к региону 1 (высокая вероятность выживания) и соответствующие ложно-отрицательному результату, объяснялись несчастными случаями, возникновениями новообразований или инфарктом, что действительно сложнее предсказать на основе имеющихся данных.

Из ограничений модели следует отметить использование лишь небольшого промежутка времени длиной в 8 лет, а также возможные социодемографические искажения, связанные с отсутствием данных тех, кто не получает зарплату или не посещает медицинские учреждения. Впрочем, ничто не мешает в дальнейшем использовать и иные источники данных – например, социальные сети.

Этические сомнения также возникают, но они настолько очевидны, что не требуют пояснений.

P. S. Отдельная благодарность подписчице канала Алине за наводку на статью. И для заинтересованных – по этой ссылке можно найти репозиторий с исходным кодом.

Физики, лирики и чувства без боли
#popular_science #skigeon_in_science

Однажды мы с коллегами ввязались в научное приключение, промежуточные результаты которого недавно были опубликованы в Cerebral Cortex. Рискованность этого приключения заключалась в том, что мы регистрировали ЭЭГ у пациентов с фантомными болями, модулируя интенсивность этой боли с помощью нейростимуляции периферических нервов или спинного мозга. Поскольку боль является многогранным феноменом, вклад в который вносят сложные каскады реакций, невозможно назвать высоко воспроизводимые характеристики ЭЭГ, которые ей сопутствуют (тем более если мы имеем дело с ЭЭГ в состоянии покоя, а не с парадигмами экспериментально индуцируемой боли). Более того, сами параметры нейростимуляции могут своеобразно влиять на паттерны ЭЭГ. Тем не менее, несмотря на эти теоретические ограничения, мы получили результаты, интерпретируемые в терминах существующих предположений о механизмах боли и её подавления.

На текущий момент, ограничившись приведением ссылки на текст публикации, я воздержусь от подробного изложения этих результатов в рамках научно-популярного поста, поскольку мои собственные взгляды на локальную тему обработки такого рода ЭЭГ-сигнала с большой вероятностью изменятся с проведением следующих исследований. Конкретно это исследование, явившись первым кирпичом в фундаменте дальнейшей работы, породило во мне очень много дополнительных вопросов, и для их раскрытия я не могу ограничиться умозрительностью.

Но в качестве именно научно-популярного контента по мотивам этой темы оставляю ссылку на недавний эфир шоу “Физики и лирики” на радио “Маяк”. В нём мы с Александром Пушным обсудили и общефундаментальные вопросы, касающиеся боли, и специфику способов её подавления. Поскольку я только вырабатываю иммунитет к импровизированным экспресс-обсуждениям и мне всё еще ближе формат размеренных лекций, также поделюсь ссылкой на ранее не публикуемую здесь давнюю лекцию на эту тему (часть про нейрофизиологию боли в моём исполнении начинается с 33:35).

​​Love and machine learning are blind
#psychology

Публикация: Joel, S., Eastwick, P. W., Allison, C. J., Arriaga, X. B., Baker, Z. G., Bar-Kalifa, E., ... & Wolf, S. (2020). Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. Proceedings of the National Academy of Sciences, 117(32), 19061-19071.

В день покровителя всех влюблённых (а ещё — по совместительству — покровителя страдающих от эпилепсии и пчеловодов) во имя сохранения трезвости разума можно обратиться к науке. Избавлю читателей от рассказов а ля “Префронтальная кора хуже активизируется на ранних стадиях влюблённости, что указывает на отсутствие критического мышления у влюблённых и их условную опасность для общества и т. д. и т. п.”, потому что такого рода исследования приводят к и без того очевидным результатам. 

Упомяну исследование другого характера, в котором анализировались данные о качестве отношений и его изменениях во времени более 11 000 пар. С помощью методов машинного обучения исследователи пытались определить, какие факторы лучше всего предсказывают, будут ли люди счастливы вместе. Факторы были представлены переменными, включающими как индивидуальные характеристики партнёров (возраст, психологические особенности, уровень образования, религиозность, ценности, уровень дохода и т. д. ), так и характеристики самих отношений (проявления нежности и привязанности, длительность отношений и проч.) 

Выяснилось, что на качество отношений в текущий момент времени влияли не столько индивидуальные характеристики партнёров, сколько их собственное восприятие отношений. Переменные, связанные с отношениями, предсказывали 45% вариабельности качества отношений, а индивидуальные характеристики — лишь 21%. Правда, для предсказания качества в долгосрочной перспективе эти показатели упали до 18% и 12% соответственно. 

В топ-5 предикторов вошли: 
- воспринимаемая преданность партнёра;
- признательность партнёру;
- собственная сексуальная удовлетворённость;
- воспринимаемая удовлетворённость партнера;
- наличие конфликтов. 

Наиболее предиктивными индивидуальными характеристиками оказались:
- исходная удовлетворённость жизнью;
- выраженность негативного аффекта (напр., раздражительность);
- наличие депрессии;
- наличие тревоги относительно привязанности к другим людям;
- избегание привязанности. 

Демографические же характеристики (возраст, гендер, расовая принадлежность, образование и т. д.) вносили гораздо меньший вклад. 

Таким образом, если условные Алиса и Боб заполнят многочисленные опросники о себе и отношениях, то на оценку качества отношений Алисы не будет влиять оценка её собственных характеристик, оценка индивидуальных характеристик Боба и восприятие отношений Бобом — только её собственное восприятие отношений. Наблюдается налёт тавтологии. При этом изменения в оценке качества отношений Алисой с течением месяцев или лет вообще могут перестать поддаваться адекватному предсказанию какой-либо из этих исходно оценённых переменных. 

Напрашивается вывод, что кажущийся логичным поиск партнёра в соответствии с заданным набором личностных характеристик не может гарантировать долгосрочное счастье в отношениях. Но не будем спешить, поскольку нельзя исключать, что индивидуальные характеристики опосредованно и нелинейно влияют на переменные, связанные с восприятием отношений партнёрами.

А в целом, раз всё плохо предсказуемо, подобные результаты могут поспособствовать хорошей экзистенциальной смелости — si vis amari, ama!

​​Доверчивые ученые и искусственный интеллект
#metascience #ai

Публикация: Messeri, L., Crockett, M.J. Artificial intelligence and illusions of understanding in scientific research. Nature 627, 49–58 (2024).

Сложно представить сферу деятельности, в профессиональную обыденность которой не внедрился искусственный интеллект. Наука не стала исключением. Уже не раз обсуждалась проблематичность этого феномена на примере "галлюцинирующего" GPT, плохой интерпретируемости многих моделей и набивших оскомину этических ограничений. Авторы же вышедшей на днях публикации, проанализировав литературу с примерами использования ИИ в науке, вынесли на поверхность проблемы, относящиеся не столько непосредственно к ИИ как к технологии, сколько к тому, какие ложные ожидания на него накладывают сами учёные.

Авторы выделили роли, которые ИИ уже выполняет в практике учёных:
1. "Оракул": изучение бесконечно растущего пласта научных публикаций, его обобщение, выдвижение гипотез (реальный пример – предсказание комплексных биологических структур);
2. "Суррогат": синтез или аугментация данных, сбор которых в реальности сопряжен с временными и финансовыми затратами;
3. "Аналитик данных": наиболее привычная роль ИИ –автоматизированная обработка огромных массивов данных;
4. "Арбитр": роль, схожая с "оракулом" – анализ отправляемых на рецензию статей (в этом случае ИИ должен быть непредвзятым, уметь оценивать реплицируемость исследования и устранять publication biases).

Какие риски сопровождают эти роли?

Первый риск – это иллюзия глубины понимания (illusion of explanatory depth). Люди не могут охватить все доступные знания, поэтому склонны полагаться на экспертизу других лиц, которых считают авторитетными. Ощущение, что другое лицо понимает изучаемый феномен глубоко, может создавать иллюзию, что и сам человек обладает этим пониманием. Перенос этой иллюзии в сферу ИИ формирует ситуации, в которых высокая точность предсказания модели может создавать ложное ощущение объяснимости феномена. При этом самая точная модель не обязательно должна соотноситься с реальными механизмами, порождающими изучаемые данные. Это может подтверждаться, в частности, существованием эффекта Расёмона в машинном обучении, в соответствии с которым одинаково точные модели могут опираться на взаимоисключающие принципы связей входных данных и целевых переменных.

Второй риск – иллюзия широты исследования (illusion of exploratory breadth). В этом случае учёные ограничивают спектр гипотез только теми, которые возможно адаптировать под использование ИИ. В частности, используя ИИ как "суррогат", симулирующий данные поведения людей, мы можем отдавать предпочтение тем данным, которые моделируются менее проблематично (напр., результаты опросников против данных физически осуществляемых движений). Другие проблемы связаны и с тем, что алгоритмы могут требовать упрощения данных и при универсальном использовании на широком спектре данных порождать не самые точные предсказания.

Третий риск – иллюзия объективности. ИИ может восприниматься как агент, не имеющий точки зрения или учитывающий все возможные точки зрения. На самом же деле ИИ содержит в себе все искажения данных, на которых он обучался, и способов, которыми его обучали и ограничивали.

Все перечисленные риски имеют отношение к исходно существующим когнитивным искажениям, связанным с ситуациями, когда мы делегируем те или иные элементы процесса научного познания как социальной практики или оказываемся частью научной "монокультуры". Грядущая ИИ-центрированность этой монокультуры может снизить разнообразие тестируемых гипотез или используемых подходов, но при этом не исключено, что в ней и без того присутствует большое количество деформаций, которые уже сложно чем-либо испортить.

А пока что самыми безопасными условиями использования ИИ в науке оказываются рутинность выполняемых задач, связь задач с областью экспертизы использующего ИИ учёного, а также осведомлённость учёного о технических и концептуальных ограничениях ИИ в целом.

​​Апрельская нейроантология
#neuro

Нейроны моего мозга, отвечающие за создание контента, претерпевали синаптический прунинг, в связи с чем посты в канале появлялись с низкой частотой дискретизации. В сегодняшней публикации опробуем новый формат: я кратко опишу некоторые появившиеся за прошлый месяц научные статьи по нейротематике. Критерии отбора статей, как и всегда, субъективные.

1. Multisensory flicker modulates widespread brain networks and reduces IEDs

Различные методы нейростимуляции (напр., глубокая стимуляция мозга) уже не раз демонстрировали свою терапевтическую эффективность для ряда неврологических заболеваний. Возможно ли стимулировать мозг не посредством электрического или магнитного поля, а иначе? Да, и эту возможность открывает интересное свойство: повторяющееся на заданной частоте предъявление сенсорных стимулов, так называемых "фликеров", может влиять на ритмическую активность мозга. Например, восприятие звукового стимула или вспышек на частоте 40 Гц в ряде случаев может породить мозговые осцилляции в том же частотном диапазоне – так называемый steady-state response.

В новом исследовании аудио-зрительные фликеры предъявляли пациентам с эпилепсией во время инвазивного мониторинга активности их мозга. Было установлено, что фликеры не только вызывали мозговые ответы в канонических сенсорных областях (что было бы предсказуемо), но задействовали и более обширные сети, включающие даже префронтальную кору. И – самое примечательное – обнаружилось, что фликеры снижали частоту появления патологических межсудорожных разрядов. Это открывает новые терапевтические возможности.

2. Disentangling periodic and aperiodic resting EEG correlates of personality

Определение свойств личности по фоновой ЭЭГ – одна из тем, которая вызывает у меня противоречивые чувства из-за ограничений теории и неинвазивных методов. В свежей статье, однако, эти ограничения признаются и описываются результаты двух исследований в свете использования метода по разделению периодической и апериодической компонент спектральных характеристик ЭЭГ. В периодическую компоненту вносят вклад синхронные нейрональные осцилляция, а в апериодическую – то, что называют нейрональным шумом (хотя это не всегда так). Соотношения этих компонент отражают различные свойства возбуждения, торможения и т. д.

Первое исследование базировалось на стандартной теории связи экстраверсии и уже известных ЭЭГ-маркеров чувствительности к вознаграждению на основе альфа- и тета-ритмов. Вопреки предыдущим исследованиям, в которых анализировался общий спектр, выделение периодических компонент в этих диапазонах не позволило установить значимую связь между экстраверсией и ЭЭГ.

Во втором исследовании использовался data-driven подход. С помощью применения методов машинного обучения к спектральным характеристикам ЭЭГ авторам удалось декодировать параметры Большой пятерки. Использование периодической компоненты ЭЭГ оказалось более эффективным. Исключение составила доброжелательность, которая лучше декодировалась на основе апериодической компоненты.

3. Episodic long-term memory formation during slow-wave sleep
В новом исследовании было установлено, что во время глубокого сна мы способны к продвинутой форме обучения и к долгосрочному запоминанию новой информации. Находящимся в фазе глубокого сна участникам эксперимента одновременно предъявляли пары, состоящие из слова и псевдослова. Стимулы предъявлялись на пиках или спадах медленных ЭЭГ-волн. 12 и 36 часов спустя воспоминания об этих словах сохранялись. Более того, участники смогли корректно относить псевдослова к категориям, соответствующим парному слову.

Лучшие показатели запоминания наблюдались для тех псевдослов, которые предъявлялись на спаде медленных волн, что также сопровождалось увеличением мощности в тета-диапазоне. Такая модуляция тета-ритма указывает на нейронально обусловленное облегчение процессов запоминания.

Жаль, что исследование не было проведено в те времена, когда мне ещё нужно было готовиться к сессии.