近日，發表在神經生物學頂級期刊《神經元》（Neuron）的一項研究中，來自賓夕法尼亞大學（University of Pennsylvania）的研究人員使用了機器學習技術來分析近700名兒童、青少年和年輕成年人的功能性磁共振成像（fMRI）的掃描結果。研究首次表明，每一個兒童大腦中的變化具有個體唯一性，並且執行功能相關的功能腦網路變化最大。如同指紋或虹膜識別，這種變化，能鑑別出個體，更能夠對其發育後的大腦功能產生影響。
過去關於人類大腦功能的研究普遍的假設是，所有人的腦功能解剖單元均處在大腦皮層相近或相似的位置，這樣的假設適用於簡單的控制運動的神經功能。近些年的研究則發現，大腦神經網路的功能具有個體差異的特點，這種差異在透過精確的比對大腦結構後更明顯。對於成年人來說，由於學習、認知等因素，人的大腦功能會發生巨大變化，而這種變化對於個體來說是獨一無二的，透過這些變化，人們甚至可以反推判斷屬於哪一個人。不過到目前為止，仍沒有人在兒童等更年輕的群體中觀察大腦功能的變化。為此本文作者提出以下假設：於是，賓夕法尼亞大學的研究人員使用機器學習技術來驗證了這些假設。他們招募了693名年齡在8-23歲之間的兒童、青少年、青年群體參加試驗，每人首先需要接受時長27分鐘的fMRI掃描。這些成像資料則會交由負責機器學習技術的團隊分析處理，AI透過學習這些參與者的神經成像資料，為每位參與者的大腦皮層“繪製”了17個功能網路。
圖片來源：參考資料[2]
接下來，研究人員分析了這些網路在參與者整個發育期的變化方式，以及它們與參與者所參加的多項認知測試中的表現的關係。結果發現，隨著個體年齡的增長，大腦的功能網路會產生變化。而透過了解大腦皮層的體素分屬哪一個功能網路，可進行“反向”預測，得知參與者的具體年齡、其大腦執行功能的能力。
▲不同個體所表現出明顯有區別的大腦功能網路（圖片來源：參考資料：[2]）與執行功能相關的功能網路佔據的皮層區域多大，兒童在執行特定任務時的表現更好，反之亦成立。具有執行功能的網路負責調節兒童、青少年群體的各種行為，比如冒險、衝動等，從而避免使其陷入各種困境。所以，預測變化的功能腦網路將在進行執行功能時產生個體差異。
文章通訊作者Theodore D.Satterthwaite教授表示：“這一發現令人興奮的是，人工智慧使研究人員確定了不同孩子功能腦網路的空間佈局，而不是使用‘一刀切’的方法進行識別。與成年人一樣，每個孩子的腦中都有一個獨特的功能分割槽，且在這些功能分割槽中變化最大是與執行功能相關的功能網路。”這些結果提供了有關兒童發育過程中大腦的可塑性和多元化的見解。作者認為，這些發現未來可能有助於個性化治療方法和診斷技術的發展。題圖來源：Pixabay
參考資料
[1] Teenagers are a mystery, but machine learning couldhelp crack the code Retrieved Feb 26, 2020 from https://www.inverse.com/innovation/not-all-brains-are-same
[2] Individual Variation in Functional Topography ofAssociation Networks in Youth Retrieved Feb 26, 2020 from https://www.cell.com/neuron/fulltext/S0896-6273(20)30055-6?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS0896627320300556%3Fshowall%3Dtrue
[3] Artificial Intelligence Sheds New Light on Childrens’Brain Structures Retrieved Feb 26, 2020 from https://www.docwirenews.com/docwire-pick/artificial-intelligence-sheds-new-light-on-childrens-brain-structures/
[4] https://www.sohu.com/a/375620029_650136
