北京时间2022年3月28日，香港大学心理系、天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）青年科学家耿海洋博士与多位学者受编委邀请，在Nature旗下心理学和行为科学顶级期刊Nature Human Behavior 发表题为“Promoting computational psychiatry in China”的评论文章。该评论文章系统总结了当前中国面临的精神健康问题，并详细阐述了计算精神病学这一新兴交叉学科在解决精神健康问题中的重要作用，以及计算精神病学在中国发展的机遇、挑战和行动。

    调查显示，我国成年人精神障碍的终身患病率为16.6%，儿童精神障碍的终身患病率为17.5%。以上海精神卫生中心为例，从2019年开始其年接诊量已经突破百万。相对庞大的病患群体，我国精神障碍医疗资源缺乏，每1万名患者仅对应于一名精神科医生。特别是新型冠状病毒肺炎疫情爆发以来，我国的心理健康问题日益凸显，给经济社会带来巨大挑战和负担。    

    计算精神病学横跨计算神经科学、精神病学和心理学等多个学科。计算精神病学目前包含两个主要的研究取向。第一，数据驱动的计算精神病学通过使用数学模型或模式识别算法揭示精神障碍背后的神经生物学机制，启发疾病的分型诊断，风险预警，预后预测，协助临床诊疗和防治策略的制定。第二，理论驱动的计算精神病学充分利用当前基础神经科学的成果和理论，采用计算建模的方法，解析各类精神障碍人群认知加工缺陷的计算神经机制，为认知行为治疗和大脑干预疗法提供新的视角。

    本文指出，在中国开展计算精神病学的研究，相对于其他国家具有多方面优势。首先，中国具有相对完善的自上而下的医疗体系。从大城市的三甲医院到局部的社区医院，精神科医生的数量虽然较少，但是普遍经过良好的医学训练，临床经验丰富。完备的医疗体系在组建大队列收集大数据方面具有先天的优势。例如，上海精神中心目前已经积累了超过万例的单中心精神疾病脑影像数据。其次，中国的人工智能技术在结合了国内的大样本患者数据后，将会极大地推动计算精神病学的发展，并且会对全球的心理健康领域产生深远影响。在精神病学领域，通过人工智能来进行辅助诊断和干预治疗具有巨大前景。值得注意的是，有关心理健康的研究，绝大多数是基于西方发达国家患者的数据而建立的。将计算精神病学的研究扩展到中国患者，不仅可以丰富我们对于不同文化环境下精神疾病差异的理解，中国也可以作为一个范本，启发其他发展中国家应对精神健康问题。

    欧美国家已经充分认识到了计算精神病学的价值，美国西奈山医学院和德国马普所等研究机构已经建立了专门的计算精神病学研究中心。相比而言，我国相关研究起步较晚，本文指出中国国家心理健康和精神卫生防治中心的建立将会极大地促进了相关领域的发展。但是具体到计算精神病学，当前中国依然有亟待解决的几个关键挑战。首先，计算精神病学是一个理医工等多学科高度交叉的学科，但是当前临床医生的教育系统和理工科的教育系统彼此分离，不利于计算精神病学这样交叉学科人才的培养。为此，华人研究者做了一些初步的尝试，例如，组建了华人计算精神病学联盟（Chinese Computational Psychiatry Network, CCPN）（https://www.ccpn.site/），为青年学生学者提供教育和交流的平台。其次，我国的相关领域研究人员需加强和国际同行的交流，在国际学术舞台上扮演更重要和积极的角色。最后，具备条件的院校或者医院可以组建多学科交叉的研究中心，集合不同知识背景的研究人员。

    原文: Geng, H., Chen, J., Chuan-Peng, H., Jin, J., Chan, R C.K., Y. L., Hu, X., Zhang, R.Y., Zhang, L.. Promoting computational psychiatry in China. Nat Hum Behav (2022). https://doi.org/10.1038/s41562-022-01328-4

合作转载，请联系：耿海洋(miller.geng@gmail.com)

脑机接口是个会对人类未来产生颠覆性变革的领域，而其中的侵入式脑机接口被全球科学家公认是最硬核、门槛最高。在全球范围内，从事该领域研发的目前仅有美国的Neuralink、Blackrock等少数几家。作为中国侵入式脑机接口领域最具代表性的公司，脑虎科技充满信心地把马斯克的Neuralink作为全球性的赶超目标。

脑虎科技与Neuralink对比

据了解，作为国家首批支持科研成果转化的试点单位，中科院上海微系统和信息技术研究所对脑虎科技给予了大力扶持。依托该所的前瞻战略布局与原创技术积累，脑虎科技在侵入式脑机接口领域已经完成了核心技术突破以及关键器件制造，已有产品在部分性能上超过了Neuralink，而且已经完成了动物试验，通过了相关伦理审批，将于今年一季度率先开展人体临床试验。

值得一提的是，脑虎科技现有产品的主材料，采用了蚕丝蛋白这一中国传统的材料，具有柔软、在体安全性高等独特优势。在去年的世界人工智能大会上，这一名为“免开颅微创植入式高通量柔性脑机接口系统”的核心技术，一举获得了最高奖“卓越人工智能引领奖”。

陶虎（左二）在2021世界人工智能大会颁奖典礼上

这家硬核科技公司的创始人兼首席科学家陶虎教授，是位80后，喜欢理个铮亮的光头，说话斩钉截铁，工作雷厉风行，自称非典型科学家。在中科大、中科院获得本科、硕士学位后，他来到美国攻读博士和从事博士后研究，2014年学成回国。

今天，他已经是国内脑机接口领域的权威专家，担任中科院上海微系统所副所长以及国家2020前沿实验室创始主任、传感技术国家重点实验室副主任。

陶虎研究员

陶虎是科幻迷。在科幻小说和电影里，最让他着迷的就是和大脑有关的技术，比如用思维直接交流、记忆转移。这也促成他回国后，虚心向中国脑科学界专家请教，找到了研发脑机接口设备这一把自己专业与爱好结合的最好途径。如今，当年被他称为老师的不少专家，如中科院张旭院士、华山医院院长毛颖教授，应邀担任了脑虎科技的顾问，继续支持陶虎实现产学研结合。他还拉来了自己中科大的同班同学彭雷，这位连续成功的创业者辞去了阿里巴巴的高管职务，全职加入脑虎担任创始人和CEO。

有创和无创的脑机接口，谁会是未来的王道，陶虎认为，两种方法都有自己的优势和应用场景。但他话锋一转，坚定地支持有创脑机接口。“脑机接口核心挑战是如何在最大限度利用大脑和最低限度损伤大脑之间取得合理的平衡。因为大脑太复杂，我相信无创脑机接口在情绪调控、认知评估等领域会起到重要的作用，但是真正意义上的脑机接口，只有通过和神经元细胞直接连接才能实现。有创脑机接口是一个门槛非常高的研发，中国迫切需要有这方面的自主核心技术。”

陶虎同时认为，有创脑机接口现在可以帮助治疗病人，比如脑外科手术中更精准的脑区定位，比如帮助瘫痪病人实现意念操控机械手、外骨骼，完成吃饭、弹钢琴或行走，比如帮助失语病人解码语言。但是，他认为未来最大的应用在于增强健康人大脑功能的消费级应用。脑虎的愿景就是通过脑机接口技术，让病人恢复成正常人，让正常人成为超人。

“这里的关键在于有创脑机接口消费级的应用所带来的便利，能否实现对植入风险的碾压式战胜。”陶虎解释说，“这就有点像手术治疗近视眼，现在越来越多的人接受，是因为手术手段越来越先进，风险和创伤越来越小，效果越来越好。”

脑虎科技柔性脑机接口系统的实验兔子

Neuralink之所以如此受到全球的关注，很大程度上是因为这家企业背后的世界首富埃隆马斯克。有趣的是，要做中国Neuralink的脑虎科技背后，也有一位首富的身影，他就是前中国首富，盛大集团和天桥脑科学研究院创始人陈天桥。

2020年10月，天桥脑科学研究院在中国落成第一个前沿实验室的仪式上，陶虎就带着植入在小白鼠脑中的第一代产品，作为研究院支持的项目亮相，引起了轰动。陶虎还加入了天桥脑科学研究院，成为了研究院在中国第一位非神经科学专业的研究员。脑虎科技三次融资，陈天桥旗下的盛大全部参与，既是天使轮唯一投资者，也是最大的机构投资者。

盛大集团和天桥脑科学研究院创始人陈天桥

陶虎回忆起第一次和陈天桥相见，是一年半之前通过视频会议谈了一个小时。当时，他既希望把这一技术继续推进研发，也希望成果转化落地，也接触了一些投资人。受到Neuralink概念刺激，大家都很感兴趣，但是普遍关心一个问题，消费级的脑机接口产品预计什么时候可以落地？陶虎咬咬牙回答说10年，投资人遗憾地摇头，太长了，我们希望是5年到8年。

“陈天桥听到后，马上对我说，10年不算长，只要你坚持做，一步一个脚印，20年或者30年，我都愿意支持你。”1个小时的沟通，陈天桥当场拍板。更让陶虎惊喜的是，陈天桥表示会用两个身份来全面支持，作为慈善家，天桥脑科学研究院扶持科学家陶虎的科研；作为投资人，盛大投资孵化创始人陶虎的企业。

之后，天桥脑科学研究院在科研领域给与了陶虎团队大力的支持。“我参加了研究院举办的对话大脑院士论坛，第一位外国院士是天桥脑科学研究院加州理工脑机接口中心的主任Richard Andersen院士，老先生正是Neuralink首任首席科学家的导师，我收获很大。”陶虎说。他透露，目前，天桥脑科学研究院正在积极探讨与微系统所共同培养中国脑机接口领域的交叉复合型人才。

“在创业领域，陈天桥先生不仅投资，而且非常愿意为我出主意，他敏锐的商业眼光和思维让我很受启发，让我明白了产学研结合要以市场和需求为导向，不能在实验室里闭门造车。”

陈天桥说：“脑机接口一直是我最关注、最感兴趣的脑科学领域之一。我很高兴能够从慈善科研和创业孵化两个维度，全面支持陶虎这样充满梦想又脚踏实地的杰出中国青年科学家。”

陈天桥指出：“我们以慈善的方式支持脑科学研究的初心不会改变。正因为这种初心，我们才敢于进入这一高投入、高风险、长时间的科研领域；除了资金，更会提供难以用金钱衡量的稀缺资源。”他介绍，天桥脑科学研究院会持续通过无偿捐赠等形式支持中国脑科学，打造民间慈善支持基础前沿研究的全新模式。对其中产学研结合的科研成果，盛大会通过投资孵化等形式，推进成果转化。他希望把陶虎做成一个支持中国脑科学研究的样板，真正让脑科学成果造福大众，造福科学家。

研究人员利用活细胞成像、谱系追踪和药理学等多个手段对NeuroD1介导的小胶质细胞-神经元重编程现象进行了系统性探索。他们严谨地证明了NeuroD1不具备将小胶质细胞转分化为神经元的能力。

该研究对领域内现有的种种质疑做出了严谨的求证，并为胶质细胞-神经元重编程研究提出三个基本原则：（1）通过严谨和明确的谱系追踪，设置合理设计的对照组证明，并排除存在病毒泄漏的可能性；（2）通过明确的活体/活细胞成像证据，观察到胶质细胞转分化的递进转变过程；（3）通过操纵相关类型的胶质细胞，那么该因子所介导的细胞类型转分化将不会发生。本研究的研究成果为精准操纵小胶质细胞以干预神经精神疾病提供了重要的实验证据和理论支持。

该团队发现日本团队报道的NeuroD1介导小胶质细胞-神经元的重编程并非真实现象，而是由于实验设计不严谨所引起的假象。这种由于病毒非特异性泄露等原因造成的实验假象在相关研究领域内较常发生。鉴于此，该研究最重要之处在于提出验证/证实胶质细胞-神经元转分化所需满足的三个基本原则，在此基础上对内源性神经再生现象去伪存真。

上海市精神卫生中心饶艳霞博士为该论文的第一作者和共同通讯作者。复旦大学脑科学转化研究院彭勃教授、TCCI转化中心主任、华山医院院长毛颖教授和TCCI研究员、上海精神卫生中心袁逖飞教授为本文的共同通讯作者。该团队多人为此研究作出贡献。

在第二期论坛上，中国科学院院士、暨南大学粤港澳中枢神经再生研究院院长、香港大学医学院讲座教授苏国辉，索尔克生物研究所所长、遗传实验室教授Rusty Gage分别做了精彩的分享。苏国辉院士被誉为“世界视神经再生研究的先驱者”，他是第一位证明了“成年哺乳动物的视网膜节细胞可以实现再生”的科学家。Rusty Gage教授专注于研究成人中枢神经系统可塑性以及适应能力，他的团队曾发现人类大脑在成年后会产生新的神经细胞。

Gage教授以衰老和阿尔兹海默症为主题进行了在线分享。他认为，衰老不仅是“与时俱退”地失去机体功能，还是人们罹患癌症、糖尿病和包括阿尔兹海默症在内的神经退行性疾病的最大危险因素。阿尔兹海默症以及衰老是一种“多系统”紊乱，需要通过不断了解不同系统相互交流的方式来解决这一难题。

Gage教授介绍了他们团队探索模拟神经细胞衰老的体外模型之路。过往，他的团队获取了0-89岁人类的皮肤细胞，并将这些细胞诱导成多功能性干细胞（iPSCs），iPSCs曾被广泛应用于衰老以及阿尔兹海默症的研究。然而，他们发现iPSCs细胞诱导分化的神经元细胞，其“年龄特征”完全被抹去了，因此并不适合进行神经元细胞衰老相关的研究。后来，团队利用Ascl1和Ngn基因片段以及小分子强化方法，将年轻的或年老的皮肤成纤维细胞直接诱导成神经元细胞（iNs），发现iNs有效保留了人类细胞转录组的年龄特征。同时，还证明了RanBP17蛋白是影响细胞衰老的关键因素。

在最新的研究中，Gage教授团队将阿尔兹海默症患者的成纤维细胞直接转化为iNs，建立了可以表征衰老的神经元模型。他们发现来自于阿尔兹海默症患者的iNs在表观遗传层面与正常人不同，而是与衰老过程所引起的表观遗传（在不改变DNA序列的情况下就能影响基因的表达）变化更相似。相较于iPSC模型，iNs模型在研究阿尔兹海默症和衰老机制时更具优势，iNs的表观遗传特征更能反映大脑在衰老过程中的不同阶段。

苏国辉院士在现场分享了干细胞治疗脊髓损伤的研究成果。脊髓损伤是一种难恢复且致残率极高的中枢神经系统损伤性疾病，目前尚无确切有效的治疗方案。

苏院士说，干细胞有全能干细胞、多能干细胞和单能干细胞，作为人体各种组织细胞的祖细胞，它具有自我更新能力和分化潜能，可以分化成多种功能细胞，具有再生各种组织器官的潜在功能。随着干细胞治疗技术的不断发展，脊髓损伤这一难治性疾病的治疗有了新的希望。他在香港和昆明同步进行脐带血细胞移植治疗脊髓损伤的临床试验，慢性完全性脊髓损伤病人接受了脊髓内脐带血单个核细胞（UCBMC）移植，结果发现UCBMC移植可以促进感觉功能恢复。患者在移植治疗后，接受了3-6个月步行训练，其中75%的病人能恢复到在少量人力协助下行走的水平，大部分病人的大小便控制功能也得到了一定程度的改善。此外，影像学分析显示患者的脊髓纤维束得以再生。

苏院士表示，干细胞可分化为神经元星形胶质细胞和少突胶质细胞，达到在结构和功能上的修复或替代，同时产生多种细胞外基质，填充脊髓损伤后遗留的空腔，为再生轴突提供支持物。目前，移植细胞有多种类型，而考虑到安全性，目前主要使用间充质干细胞（如骨髓、脐带、脂肪组织）。

苏院士介绍，间充质干细胞具有有效的抗炎、神经营养和促进神经再生作用，能有效促进脊髓损伤后的运动功能和感觉功能修复。在食蟹猴脊髓损伤模型中，移植人脂肪间充质干细胞后，它们的步态周期显著恢复、纤维显著增多，同时促进其神经再生，这证明了间充质干细胞治疗脊髓损伤的有效性。

苏院士还展望了干细胞新药的研发前景。苏院士带领的自主研发团队正在研发人脐带间充质干细胞治疗膝骨关节炎新药，作为1类创新药，目前正式获得国家药品监督管理局的临床试验申请受理，预计2021年底启动临床试验。他指出：“干细胞治疗作为再生医学领域中最先进的治疗方式，已在膝骨关节炎治疗中具有显著的治疗效果，它势必会推动医疗、预防医学等行业发生颠覆性的革命。随着干细胞产业政策不断的完善和落地，未来需要加快核心关键技术研发、推进科技与产业的深度融合、强化科技成果的转移转化等。”

苏国辉院士现场分享

本次院士论坛特别设置了TCCI追问环节。“追问”是天桥脑科学研究院旗下的独立科学媒体，此前在公众号征集了来自青年科学家的问题，现场从事神经科学研究的青年学者、热爱神经科学的非专业人士从这些问题出发开启了进一步追问。

苏国辉院士和毛颖教授对话圆桌话题

追问读者的第一个问题是，“干细胞移植和体内转分化，哪个策略更有前景？各自优缺点是什么？”对此，Gage教授回答说：“目前有很多正在进行的临床研究，这些研究有些使用胚胎组织或是诱导性多能干细胞，将它们移植到受损部位。我们当然需要更多这样的研究，不过同时我们也需要做关于疾病与损伤的基础研究。比如，关于胶质细胞转化为神经元细胞，这是很前沿的转分化研究，目前只在动物模型上进行过试验。这是个广受热议的研究话题，科学家对此有所争议，但它也是很有前景的研究方向。我认为对于干细胞移植的研究，目前已经进行良多，而对体内转分化研究将会有更多‘健康’的研究与讨论。”

苏院士赞同Gage教授的观点，他说：“在脊髓损伤的病人中，80%的患者有残留的纤维，但不具备功能，所以他们没有感觉。我们的研究希望发挥出残留纤维的功能。而干细胞移植的优点在于其安全有效。它可以促进髓鞘的发生，分泌出营养因子。我的研究使用了脐带血单个核细胞（UCBMC），尽管已有成效，患者可以走路，但他们无法抬腿。我希望干细胞移植可以在未来改善这个现象。细胞转化也是一种方法，但它离临床应用还比较远，目前距离临床应用更近的是外源性干细胞移植。”

华山医院内分泌科主任医师鹿斌

华山医院内分泌科主任医师鹿斌：从内分泌视角分析了肥胖的病因、病理生理状态及伴随疾病等。肥胖并不是单纯的体重增加，体内脂肪堆积，而是一种可以导致健康损害的慢性代谢疾病，肥胖会带来严重的代谢、心血管、呼吸、肌肉骨骼、多肿瘤的高发等危害。对于肥胖者而言，需要合理饮食（限制能量摄入、高蛋白质膳食以及“5+2”轻断食模式）、加强体育锻炼（有氧运动与抗阻运动相结合）、行为调整（细嚼慢咽、选用低脂食物）、心理支持、药物治疗（目前唯一的非中枢作用的减重药奥利司他，以及二甲双胍、SGLT-2抑制剂、GLP-1受体激动剂等降糖药物）以及手术治疗多种方式相结合的综合疗法。

华山医院减重及代谢及疝与腹壁外科主任姚琪远

华山医院减重及代谢及疝与腹壁外科主任姚琪远：我国目前有超9000万人受肥胖困扰。最新数据表明，成年人中有超过1/2的人存在超重或肥胖问题。对于严重的肥胖，即BMI超32.5%或BMI超27.5%并伴有代谢紊乱，可采用手术治疗，且手术治疗优于药物治疗。手术分为缩胃（减少摄入）手术、缩肠手术（减少吸收），或两者结合。目前最流行的控制体重的术式是腹腔镜缩胃手术，但其短板也比较明显，比如复胖、合并症复燃。医生应权衡利弊，平衡手术风险与获益，并为后续手术留余地。

上海市精神卫生中心临床心理科主任陈珏：进食障碍是一种以进食行为异常为突出表现，并伴有显著的体重改变和生理功能紊乱的精神障碍。其具体表现为进食行为紊乱，如限制进食、过度运动、暴食、暴食后催吐等。紊乱进食行为背后折射出患者存在严重的心理障碍，如对自身体重、体形认知歪曲。进食障碍在我国呈增多趋势，治疗的一大难点在于，难以治愈、反复发作、病程迁延。进食障碍可以分为六种，常见的是神经性厌食症、神经性贪食症和暴食障碍。厌食症患者有严格的节食行为且体重低于正常水平，贪食症和暴食障碍患者都存在暴饮暴食的特点，但贪食症患者有引吐、滥用泻药等清除行为，而暴食障碍无清除行为。进食障碍的治疗需要与多学科专业人士及患者、家庭的密切合作，并且采用不同治疗方式相结合的综合性个体化治疗方案。值得注意的是，神经性厌食症是最致命的心理障碍，其死亡率高达20%。

TCCI研究员、华山医院睡眠障碍中心诊治执行主任于欢

TCCI研究员、华山医院睡眠障碍中心诊治执行主任于欢：从睡眠与饮食的角度分享了相对不常见的两种进食障碍——夜食综合征和睡眠相关进食障碍。夜食症并非只是夜间进食变多，诊断标准包括夜间食欲亢进、伴随食物摄入的夜间醒转，以及需要符合其他临床特点如清晨厌食、失眠、需要吃东西才能入睡或重新入睡等。此外，睡眠相关进食障碍（SRED）诊断标准一般归类于非快速眼动睡眠期异态睡眠（睡眠相关觉醒障碍），包括在睡眠期间反复出现醒转期间的饮食功能失调；反复不自主进食，并出现进食成分特殊的现象或整个过程中发生伤害性行为亦或是由此造成不良健康后果；进食发作期间，其意识部分或完全丧失等。需要注意的是，睡眠中进食行为常伴随其他睡眠疾病症状发生，容易被忽视。

华山医院全科医学主治医师顾洁

华山医院全科医学主治医师顾洁分享了基于正念的自我健康饮食管理技术，主要强调自我主动性在进食障碍治疗中的重要作用。上海市新华街道社区卫生服务中心全科主任医师袁志敏介绍了谈社区人群的健康饮食管理。

分享讨论环节，天桥脑科学研究院的独立科学媒体——追问，就前期活动预告中收集到的读者感兴趣的问题现场追问与会专家。从“如何确定自己是自制力太差还是属于暴食症”到“食欲一直很低，需要调整吗”，再到“现在的评价标准更多地是针对女性，会有对男性的筛查标准吗”“进食障碍能治愈吗，是否容易反复发作”，针对“追问”提到的这些问题，专家们充分表达了自己的观点和见解。

陈珏表示，暴食与自制力差导致的多食显著不同，暴食是在有限的时间内吃大量的食物，吃普通人两倍或三倍分量的食物，并且行为是失控的，即无法控制自己的行为。这不等同于自制力差，暴食症是一种疾病，需要的是治疗。

对于食欲很低要不要调整的问题，需要辩证对待，是一直以来都吃得比较少，还是说存在病期。如果有病期，我们要先考虑会不会是抑郁症引起的食欲低下，排除抑郁症后，再考虑是不是有进食障碍。但需要纠正的是，厌食症的人食欲并不低，他只是控制自己不让自己多吃，反过来，因为过度的控制，反而食欲会更旺盛。这就是为什么有的人过度节食之后，过一段时间会出现暴饮暴食的情况，甚至有一些人行为上没有暴食，但是会更喜欢看食物的图片、看直播、逛超市，用这种方式来补偿由吃得少导致的对食物兴趣增加的情况。

专家还指出，厌食症和暴食症的标准不分男女。比如在厌食症的体重标准上，通过成年人体重指数是否低于18.5来判断，并不区分男性或女性。只是因为人群中常见的患者是女性，所以会说女性厌食症标准等。

同时，进食障碍是能够治愈的，神经性厌食症的治愈率在50%左右，神经性贪食症的治愈率约50%~70%，暴食症的治愈率更高。不过，进食障碍是容易反复发作的疾病，所以治愈以后需要定期随访，尤其是厌食症，还可以通过一些心理治疗的方式预防复发。

北京时间 11月19日（周五）08:00-10:30

上海虹桥绿地铂瑞酒店

徐泾镇诸光路1588弄100号

👇🏻扫码注册👇🏻

宇宙之于人类，是亘久运行的谜，而人类自身的“三磅小宇宙”——大脑，也让无数科学家为之倾倒。层出不穷的研究让我们一步步接近真实，也让我们愈发困惑。由此，追问公众号推出全新栏目“追问顶刊”，我们聚焦公众瞩目的发布在Science和Nature等期刊的重磅研究，我们与研究的主导者进行深入对话，我们与您一起聆听他们对于研究的解读。

在第一期“追问顶刊”中，我们与读者一起追问了Krishna Shenoy教授，Shenoy教授同我们详细探讨了他的团队发表在《自然》刊物的重磅研究《通过手写实现高效大脑-文本沟通》（High-performance brain-to-text communication via handwriting）。以下为具体内容，欢迎阅读。

▷ Nature 封面

Volume 593 Issue 7858, 13 May 2021

▷ Edward Chang团队的研究

Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria，DOI: 10.1056/NEJMoa2027540

▷ 天桥脑科学研究院（TCCI）在加州理工学院建成的科研大楼

毛颖教授介绍了机器学习（ML）在神经医疗诊断中三个方面的应用，分别是医疗图片处理、脑电仪（EEG）数据加工以及手术协助中应用到的机器学习技术。

首先，机器学习能够应用到放射组学（Radiomics）研究中的图像处理、特征提取以及分类预测等方面，大大提高数据处理效率。毛颖教授通过机器学习技术，开发了应用于脑部肿瘤诊断的人工智能系统。该系统中的核心机器学习模型，通过对 300 余个病例进行训练，最终对脑部肿瘤诊断精确性能够达到 85% 以上。

此外，在脑电仪的应用基础上，毛颖教授开发了更加精确的深脑刺激方法。传统的电极刺激方法范围较大，刺激不精确，且强度较不可控，易引发癫痫。而毛颖教授实验室开发的新型刺激方法能精确刺激各个脑区，为病人大脑制作高精度的功能图谱。毛颖教授举例他们对中央沟（central sulcus）周围脑区（主要感受皮层和主要运动皮层）的制图，并强调，该“被动功能性制图”技术在病人清醒和麻醉的情况下都可使用。

机器学习还为临床神经手术带来了一系列的变革。传统的神经开颅手术不仅耗费人力，手术时程还过长。近年来，算法、人工智能以及虚拟现实技术应用的逐渐发展为临床带来了立体定向神经外科技术，但该技术仍旧耗时费力。

毛颖教授介绍到，如今，通过结合手术机器人以及前沿人工智能技术，他们开发出了新一代的神经手术机器人，更好地解决了传统手术的短板。尽管如此，毛颖表示，新的技术无法替代神经外科医生。这项新技术的作用在于帮助医生更精准快捷地完成手术。

最后，毛颖教授总结道，机器学习技术为临床医生提供了更加有力的工具，进一步的加强了神经手术的诊断精确度以及治疗有效性。这项技术的核心，在于使手术过程变得更加简单，帮助医生做出更加正确的诊断。

然而，要想更好地发展这项技术，我们还需要更多的研究人员参与技术研发，更多的诊断病例训练模型。他相信，我们将很快揭开大脑“黑箱”的神秘面纱，证明机器学习应用于诊断技术的有效性。我们应当相信机器学习技术，也要更加相信新一代的神经外科医生。

1）关于医疗人工智能与神经外科医生。机器学习的诊断准确率是否高于神经外科医生？

毛颖教授表示，要想让人工智能达到与临床医生相同的诊断精确度，我们还需要更多的病例来训练人工智能。但无论训练进行到何种程度，医生都是无可替代的。

2）关于医疗人工智能的灵敏性及特异性。评判医疗人工智能的表现水平，存在灵敏度（sensitivity）及特异性（specificity）两项指标。目前的AI水平达到诊断要求了么？

毛颖教授认为，目前我们还没有明确的量化诊断标准，为了强化人工智能表现，还需要进一步优化人工智能结构以及采集更多的优质数据。但他同时对这项技术的发展持充足信心：目前在TCCI与复旦大学附属华山医院合作建立的脑疾病研究中心，有超出700个床位以及200余名神经外科医生。这些科学家们的帮助，能使我们尽快提升医疗人工智能的诊断表现。

*注：灵敏度=真阳性人数/（真阳性人数+假阴性人数）*100%，为正确诊断病人的机率；特异性=真阴性人数/（真阴性人数+假阳性人数））*100%，为正确诊断非病人的几率。

3）关于医疗人工智能的未来。二十年后，人工智能在医疗领域的应用会是什么样的？

毛颖教授认为，首先，随着医疗机器人的发展，大脑手术的创口将越来越小。如今我们正在着力使手术的开颅尺寸减小、深入大脑的路径变小，我们或将最终实现脑部无创医疗。另外，毛颖教授还表示，随着人工智能的普及，我们将进一步解决城乡医疗资源分配不均问题。如今，毛颖教授所在的医学中心正与乡村合作，通过医疗机器人结合5G技术，指导乡村医生进行脑部手术。未来，我们或许还能够进一步帮助欠发展国家、地区，提高他们的医疗水平。

Edward Chang教授希望探究人类听觉皮质中出现的高水平的知觉调控，譬如人们是如何将听觉信号转化为音素表征的。他在演讲中分享了听觉和语言系统衔接中起到关键作用的一些因素。

在近十年来，Edward Chang实验室在探究语音信息的神经加工时，侧重于以下几个方面：我们在进行语音信息处理时关注的三个因素分别为，这场对话的内容是什么，这时加工的信息包括加工语音信息中的元音、辅音等；其次是，这句话是如何说出来的，例如在一个句子中，由音调高低着重强调的重点信息，最后是，这句话是由谁说出来的。这对理解语义有重要作用，譬如，知道一句话是由男性还是女性说出口，便于我们理解音调信息。

在列举近期的研究发现时，Edward Chang教授提到了此前与华山医院之间的合作经历。为了探究音调信息的神经加工，他希望能与中国研究者合作。这是因为与英文语言系统不同，对于诸如中文在内的有声调语言而言，音调信息非常重要：在这类语言中，音调信息决定了文字的语义信息。

Edward Chang教授表示，他非常荣幸能够在毛颖教授之后进行发言，这是因为此前他曾与华山医院的中国团队合作，一同探究了在有声调及无声调语言使用者中，人类皮质对音调信息的编码有何不同。研究对比了中美两国的被试，发现在单个电极记录条件下，两组被试对音调加工没有显著差异，而在神经元群水平上，他们仅在中文使用者中发现了具有音调特殊性的编码活动。

1）人类是通过同一组神经元加工不同的口音吗？

Edward Chang教授表示，这是一个很好的问题。首先，口音是不同文化对同一个词语的不同发音，而同音异位（allophonic）词是同一文化中对同一个音素的不同发音。因此，我们能在跨文化和文化内部两种条件下分别探究这两种情况；这能告诉我们语言及言语在多大程度上是由我们习得的知识决定的。最简单的答案是，能分辨口音的地方人口通过大脑颞上回（STG）语音信息处理器来分辨不同的语音集群；而当我们研究的样本增多，我们能够提取出的就是基本的语音类别信息，如元音及辅音表征等。

2）语音封包（speech envelope）中的情绪效应会对言语的解读和解码带来什么问题？

Edward Chang教授认为，除了传递语义信息，英语的重音规律与我们的情绪感受息息相关。研究证明抑郁症人口在言语表达中的重音使用更少，语调更加平缓。而倾听他人的发言有时也能使我们感受到情绪，这可能是因为大脑听觉加工区域与负责情绪加工的边缘区域（limbic area）相联。我们的后续研究也许会着眼于这些话题。

3）如今能否通过高精度的核磁功能成像技术，从（STG）部位的活动解码言语表征？

Edward Chang教授认为这当然是可能的。但fMRI的问题在于，虽然它的空间精度很高，但时间精度太低。我相信结合更先进的计算技术，这个领域能得到很快的发展，但本质上的局限，即较低的时间精度，是难以规避的。与此同时，我们可以利用其他的技术来进行解码，例如EEG等。

4）在时间上，针对言语特征的神经元反应是稳定的么？此外，在听觉皮层的表征是否稳定，这又如何影响我们对于言语特征的解码呢？

这些特征的表征是十分稳定的。尽管如此，在我们几个月前发表 于PNAS的研究中，我们训练了住院病人学习汉语音调。这项研究显示听觉皮层具有一定的可塑性，但从长时程的角度来看，言语表征还是十分稳定的。此外，我们还从信号-噪声的角度研究了这个问题。非常有意思的特点是，如果在播放言语的同时加入噪声，听觉皮层只会加工言语信息，而不是背景噪声。此前我们还进行过另外一项研究，即在双耳实验中，被试佩戴的两只耳机如果同时播放不同的言语饮品，颞上回只会加工被试注意到的那只耳机中播放的言语。

5）您是否有关注双语/多语使用者的语言表征？人们学习新语言的年龄会带来什么影响？

Edward Chang教授表示，目前我们研究项目的重点就是这个领域。我认为这个问题非常重要，因为过往研究中大部分的精力都聚焦在英语语言的神经表征上。全世界有超出 7000 种语言，它们都享有一定的共性，但也有许多不同。在未来的 5-10 年中，我们将与华盛顿医院以及来自全球的研究所进行合作，寻找普遍语音编码。我认为这会是一个非常重要的研究。

6）用来解码言语的神经元，是否能够同时解码音乐？

Edward Chang教授回答说，在目前正在进行的一项研究中，我们探讨了言语跟音乐的神经元表征。我们发现一组神经元同时负责英语以及音乐的处理。我们正在尝试用fMRI进行信号处理，但这或许远达不到侵入式成像技术的精确度。

Evelina Fedorenko教授的研究关注人类思维以及大脑中与语言相关的计算及表征，她的报告主题是通过人工神经网络理解人类语言的表征及其背后的神经元活动。

语言功能问题一直困扰着科学家们。针对这个问题，从哲学层面一般存在两种假设：其一是，语言的功能在于交流思想，另一种是，在演化进程中，语言让我们具有了更深邃的思维。她认为哲学无法解决这两种假设，我们应当从实证的角度为这个问题找到答案。

在这次报告中，她通过两支实证研究反对了语言的功能是为了承载更复杂思想：1）语言与复杂思想、推理能力之间的关系；2）语言用于交流的实用特征。

在第一支研究中，Fedorenko教授列举了一系列来自功能性成像技术及针对大脑损伤患者的研究。这些研究显示，高级语言能力不与认知执行功能（如注意、工作记忆等）共享认知资源。与之相对的是，语言与社会认知功能存在极大的关联性。

在第二支研究中，Fedorenko教授列举了自然语言的形态一般便于高效传递信息；随后，她报告了通过人工智能网络进行的语言预测研究。此前的语言模型存在的问题是，我们没有能从语言中提取语义的算法。但近年来，随着人工智能算力的提升，出现了如生成预训练转化器（GPT）这样的语言预测算法。这证明从语言中提取语义是可能的。我们这样的语义生成算法与人脑进行对比研究，探讨了人脑是如何处理语言的。研究发现，语言预测能力更强的网络也能够更好地预测人类神经活动。

1）您认为语言不是产生复杂思维的基石，那么您有什么其他的假设吗？

Evelina Fedorenko教授表示，这是一个非常有趣的大问题，目前针对人类为何有如此高级的智能，也存在着许多不同的解释。对此我唯一想要表达的是，人们总是低估大脑的智能，依次来表达我们演化出了一个新的大脑区域，因此能进行新的计算。我觉得我们应当以一种更为宏观的视角看待大脑同路，从视觉到语言等认知功能都是紧密相连的，而我们的整体认知远比目前认为的要更为精密。

2）人类大脑是如何表征不同语言的呢？

Evelina Fedorenko教授表示，首先对于多语种使用者而言，表征不同语言的系统虽然有一些细化的差别，但总体上是相同的。当然我们也发现，多语种使用者的语言网络表征要比单语种使用者的网络表征更加高效。当然，未来我们也想要多语种使用者在表征语法差异较大的语言时有什么不同的表现。

3）您提到了语言不能支持其他的认知能力，那么从另一方面来看，什么认知能力支持了语言呢？

Evelina Fedorenko教授认为，这取决于提问者想要探究什么方面。举个例子，当我们在阅读的时候，语言肯定需要视觉系统的支持；另外两种较为热门的假设分别是社会推理能力以及认知执行功能。但我认为从计算的角度来看，语言系统更像是一种“自给自足”的认知功能，它可能与其他的认知功能存在着交互关系。

4）语言网络占据了大脑中很大一部分，这部分脑区纯粹仅用于语言加工么？

Evelina Fedorenko教授表示，首先我们不清楚语言加工脑区的具体边界，它们中的一部分可能与其他的认知功能相关。我认为语言脑区的体积较大，可能与我们对语言的依赖相关，譬如知识主要通过语言存储。目前我们仍在从解剖学联结以及功能性联结两方面来探讨语言系统内的信息流动，或许未来能为这个问题给出答案。

5）这个问题是关于语言生成的。为什么新语言的生成（如社区手势语言）更多的是由儿童及未成年人一同发展出来的呢？

Evelina Fedorenko教授认为提问者想要针对的问题与乔姆斯基提出的语言生成论相关，这可能也设计了人类早期大脑具有更强的可塑性。但我认为语言不是自动形成的，除非你把语言用在交流的场合。来自爱丁堡大学的Simon M. Kirby 曾在一项研究中将成年人放在交流环境里，并让他们开发出了一种能用于交流的微型语言（mini-language），这部分证明了成人并非无法开发新语言。尽管如此，随着人类年龄增大，人们的认知灵活性显然是随之下降的，这可能也导致了成年人进行这项任务不像儿童那样轻松。