天桥脑科学研究院

Our News

研究院动态

 

界精神健康日

10月10日是世界精神卫生日,由世界精神卫生联盟提出。为了提高政府部门、社会各界,广大群众对精神卫生重要性和迫切性的认识,普及精神卫生知识和对精神发育障碍疾病的研究认识,计划10月10日前后在全国开展“世界精神卫生日”宣传活动。

今天是10月10日,也是2021年世界精神卫生日。今年世界卫生组织(WHO)提出的运动口号是:“让人人享有精神卫生保健成为现实”,而我国卫健委将心理健康问题聚焦到下一代的儿童青少年身上来,所定的主题为:“青春之少年,青春之心灵”。

过去一年半的新冠疫情,给这个年份留下了特殊的历史记号:我们的日常生活与人际交往因封锁和隔离而发生了重大的变化,特别是对青少年产生了极大影响。

面临心理“风暴”的青少年群体

疫情隔离在家,许多孩子要对着屏幕上网课,原有学习方式的改变所带来的不适应,使得学习效果大打折扣、成绩下滑;同时正常的社会生活被疫情中断,孩子和父母长时间共处一室,摩擦增多,家庭矛盾得不到向外排解,反倒让脆弱的孩子成了父母的出气筒;困于室内,失去了和朋辈共同玩耍的空间,孩子们把更多的时间精力转移到了网络上……

疫情之下,学业压力、亲子矛盾、网络依赖等等因素的共同作用,暴露出更多青少年心理危机的问题。据《中国国民心理健康发展报告(2019-2020)》统计,2020年中国青少年的抑郁检出率高达24.6%,其中轻度抑郁17.2%,重度抑郁为7.4%。而青少年抑郁症和双相情感障碍症,也是极易诱发青少年自杀行为的精神障碍,因此应该得到重视和预防。

引起热议的成都49中学生坠亡事件为我们敲响了警钟。在媒体报道的事件后续调查中披露,该学生于自杀前曾数次割腕,而警察通过调取该生手机数据也发现,该生在和朋友的聊天记录中表达出自我贬低等抑郁倾向。[1] 这些不好的苗头如果能早点被发现,并得到家长和学校的重视,悲剧或许可以避免。

 

▷ Image by Tra Nhu

 

“Z世代”的精神疾病诊疗方式

针对青少年抑郁和双相情感障碍的治疗方式,一般需要结合心理疗法与药物治疗,双管齐下。其中,心理治疗包括认知行为疗法,人际与社会节律治疗与家庭心理治疗。在精神疾病的临床治疗中,数字疗法具有治疗、评估和预防三种功能,也可对应在疾病的不同阶段发挥不同的功能。而在这个案例中,如果应用数字化疗法,进行社交网络的数据监控并提前干预,或许可以防止类似悲剧的发生。这也体现了数字化疗法在预防精神疾病方面的作用

数字疗法,是在数字化时代下衍生出来的新型心理治疗方式,也是将信息技术应用于治疗的一种手段。根据梅根·科德尔(Megan Coder)在2019年的定义,从狭义上来看,数字疗法是指由软件驱动、并以循证治疗为基础的,能够用于预防、管理和治疗某种医学疾病或障碍的一种治疗方式。[2] 具体应用数字技术的治疗方法包括:在线治疗,社交机器人,可穿戴设备、AR/VR游戏化疗法、数字药物等等。

对于Z世代来说,他们早早就接触了手机平板,对各种数字产品使用起来也更加得心应手,因此,在他们身上,数字疗法也具有更好的应用基础。数字疗法给我们带来了极大的便利,在以往,人们可能会由于“病耻感”害怕确诊精神疾病而不敢到医院看医生;而在现在,我们可以随时随地进行在线咨询、查找信息并寻求专业帮助

例如,在疾病发生及确诊的早期,可以通过社交媒体上的数据进行分析,以此来评估用户的情绪状态,测算并控制疾病发生的风险,防患于未然。还有利用可穿戴设备监测生理指标的做法,包括监测患者心率、脑电图、皮肤电活动等,用以形成临床上可操作的数字表型,为医生在做出疾病诊断时提供可靠的判断依据。[3](点击阅读更多

而在病程中,如果想要得到安全、私密的心理治疗环境,也可运用VR系统来实现。由牛津大学丹尼尔·弗里德曼(Daniel Freeman)教授及其团队开发的一个用于心理治疗的VR系统gameChange,能够模拟患者在做心理咨询时害怕遇到的社交情境。这种VR系统提供了一种沉浸式的交互环境,有利于消除患者的不安情绪,并使他们的症状逐渐减轻。

以及有更多的聊天机器人如Woebot被设计来督促患者面对心理压力和焦虑。这些基于手机端的移动应用,克服了时间和空间上的限制,在患者无法正常获得心理治疗的情况下作为补充的治疗,可以为患者心理健康提供有益指导,也能够提高患者治疗的参与度和依从性。

疗效上,大量研究表明,类似聊天机器人的网络认知行为疗法,作为认知行为疗法的变体与延伸,的确可以有效缓解焦虑与抑郁症状,也足以应对强迫性障碍(OCD)与体像障碍(BDD)等更为棘手的问题。[4]

 

▷ Image credit: Glenn Thomas

 

对数字疗法的追问

技术的发展带来便捷,但数字疗法也是一把双刃剑,我们也要考虑数字疗法的两面性。数字时代,数据的获取变得轻而易举,而这背后的隐私性问题也仍尚存疑虑。数据使用的边界该由谁来制定?我们不排除在未来将有许多机构(政府、医院、社区)可能参与到这些用户数据的共享之中,但在多大程度上,用户身份信息能够被消除、隐私能够被保护?退至底线来看,如果一款设计不完备、可能遭受黑客攻击的软件,收集了几乎关于你的所有医疗数据,一旦信息泄露,我们还能拿什么来捍卫自己的隐私权?

回到理论上来,数字疗法的设计也一部分受制于现有的理论模型,需要考虑的问题是,要收集哪些数据?对数据的精确度有何种要求?数据的分析方法是否可靠?面对大数据驱动的精神疾病的数字化疗法,我们应避免步入机械的还原论误区、造成只注重数据的片面结果,既要借助技术与理论研究的力量,发展出更新更完善的数据分析方法与理论框架,也要从精神疾病的社会隐喻层面去理解

从微观的生物层面上来看,精神疾病的产生有着具体而微的分子生物学机制,精神疾病成因之复杂,而现有的精神疾病的动物模型通常过于简单,我们也还期待建构出更好的理论模型来加以分析。[5] 深入研究双相情感障碍(biopolar disorder,BD)在大脑的细胞与分子层面的发病机理,将有助于建构BD的易感基因与环境压力之间的动物模型。在2020年,由姚骏研究组发表在《PNAS》上的论文提出了BD致病机理的树型理论假说,认为在分子层面上,某条分子机制的缺陷是导致BD高遗传率的关键,为进一步研究找到了突破口。[6]

从宏观的社会层面上来理解,精神疾病的形成是一个生物-心理-社会因素相互关联的过程,理解大脑如何形成宽广而复杂的神经网络,与揭开精神疾病的成因有着密不可分的关系。我们吸收内化社会知识并在大脑中形成表征,在语言的表达中做出清晰的概念定义,给那些新出现的事物冠以名词解释。但获取如此之多的大数据,找出变量、机制来理解大脑中正在发生的非线性系统,反而却增加了知识的复杂性。尽管神经科学关于大脑意识的产生还未有定论,但至少可以确定的一点是,我们的大脑并不是一颗完全孤立的大脑,而是活生生地以身体的形式嵌入在各种社会联结的变动与发展之中。

数字疗法有将我们的身体过度抽象化的风险,毕竟,我们的大脑和身体不是简单的输入-输出机器,大数据也只是经验世界的镜像反映。它的出现可以重新塑造我们对世界的认知,但我们也不能够过分受限于虚拟现实。

 

▷ Image credit: Freepik

 

探讨青少年精神障碍问题的特殊性

青少年精神疾病问题具有特殊性。在医学人类学生命叙事视角下,青少年是人生命周期的早期阶段,少年时罹患精神疾病是一个十分重要的生命事件,将对人一生产生极其重大的影响

近年来,青少年抑郁与双相情感障碍面临着发病率逐年提高的趋势,根据《柳叶刀》词条,双相情感障碍有约七分之一(13%-16%)的终生患病率,一生中重复发作的可能性大。病情严重的情况下,患者会产生自杀的倾向,约有10%-20%的双相情感障碍患者以自杀的方式结束自己的生命,有三分之一的患者承认至少有过一次自杀的尝试。[7]但尽管病情恶化的后果凶险,但只要能够得到长期关注与持续治疗,保持心理健康的状态,使病情完全处于控制之下,就能够享受幸福的人生。因此,重新建立我们的认识,要看到精神疾病只是慢性疾病的一种。

目前我国的精神障碍的疾病负担较重,在2019年的疾病负担报告中,抑郁障碍在所有精神障碍中位居首位。为了进一步提高对疾病的社会干预,我国已经出台了多项政策规定,2020年我国卫健委发布了《探索抑郁症防治特色服务工作方案》,提出把抑郁症筛查纳入高中及高等院校的抑郁症防治要求中;在今年世界精神卫生日上也提出了“积极推进积极推进《健康中国行动(2019-2030年)》心理健康促进行动和《健康中国行动一儿童青少年心理健康行动方案(2019-2022年)》”。这些方案都体现出我国在精神卫生方面的建设性的探索实践。

回归现实,结合脑科学与人工智能技术的发展,我们呼吁对青少年精神健康问题给予充分的关注与支持,共同营造一个有利于青少年身心健康发展的良好社会环境,一起建设面向未来的精神卫生服务,毕竟没有精神健康就没有健康。

#TCCI持续支持中国精神健康事业

2021年7月26日,天桥脑科学研究院(Tianqiao and Chrissy Chen Institute,TCCI)捐赠五千万与上海市精神卫生中心签约,合作建设人工智能与精神健康实验室,重点关注如何通过人工智能在精神卫生(心理健康)领域的深入研究和转化应用,针对个体行为和症状建立的大数据,开展精神疾病评估和干预,以助提升民众心理健康水平。(点击阅读更多)

11

2021-10

(图片来源:Unsplash)

 

本次会议核心是分享与脑科学相关的最新科学领域的突破性技术,分别探讨包括情感计算、情绪和面部表情,以及机器学习、演讲和语言等具体议题,希望利用现代化、跨领域的科学手段来攻克有关人脑和大脑认知的深层问题。

 

钛媒体编辑丨林志佳

随着人工智能(AI)、深度学习(ML)技术的不断演进发展,很多研究人员发现,AI 在脑科学领域的应用前景广阔,特别是在精神脑、老年脑、儿童脑的研究中,能够提供更好的方法与策略。
北京时间10月7日、8日的凌晨,由盛大网络创始人、慈善家陈天桥夫妇出资成立的天桥脑科学研究院(以下简称TCCI),与顶级学术期刊《Science》(科学)杂志共同举办了一场两天共计6小时的线上研讨会。
本次线上研讨会售价100美元(学生证免费),主题为“认知科学领域的前沿研究”,核心是分享与脑科学相关的最新科学领域的突破性技术,两天分别探讨包括情感计算、情绪和面部表情,以及机器学习(ML)、演讲和语言等具体议题,希望利用现代化、跨领域的科学手段来攻克有关人脑和大脑认知的深层问题。
两天的演讲嘉宾(按照出场顺序)包括上海交通大学心理与行为科学研究院特聘研究员杨志博士,德国马克斯·普朗克神经生物学研究所娜丁·戈加拉(Nadine Gogalla)博士,麻省理工学院 Rosalind Picard博士,TCCI转化中心主任、华山医院院长毛颖教授,加州大学旧金山分校神经外科学教授Edward Chang,以及麻省理工学院麦戈文脑科学研究所、脑神经科学副教授Evelina Fedorenko.
据悉,TCCI是由陈天桥、雒芊芊夫妇私人出资10亿美元创建,是一所主要聚焦大脑探知、大脑相关疾病治疗和大脑功能开发三大领域研究的机构,旨在支持、推进全球范围内脑科学研究,TCCI一期投入了5亿元人民币支持中国的脑科学研究,并与华山医院、上海市精神卫生中心等建立战略合作;而《科学》杂志则是由美国科学促进会(AAAS)于1880年起出版的英文学术期刊,是极具权威性和影响力的世界顶级学术刊物。目前该期刊订阅人数约为13万。根据《期刊引证报告》,《科学》杂志在2019年的影响因子为41.845。
实际上,早在今年9月16日,科技部网站正式公布科技创新2030“脑科学与类脑研究”重大项目2021年度项目申报指南的通知,涉及59个研究领域和方向,国家拨款经费预计超过31.48亿元人民币。
这标志着,比肩美国脑计划、酝酿6年多的中国脑计划项目正式启动。那么,本次研讨的机器学习(ML)、脑科学等交叉学科融合技术,是否会预示着行业新的科研技术发展前景?脑科学领域还能实现哪些技术突破?

利用看电影对照实验识别精神分裂症患者

人的大脑成像信息十分重要,医院中就有多项“脑电图”相关的检查项目,就是利用脑成像提供的独特信息,来更好地诊断和早期检测精神等类型疾病。那么,不断进步的神经影像方法是否可以帮助我们客观和定量化地测量脑的一些高级的、整合的功能呢?
作为研讨会上第一位演讲嘉宾,上海交通大学心理与行为科学研究院特聘研究员、TCCI转化中心研究员杨志博士,在线上分享了他与科研团队在去年8月1日《NeuroImage》(神经影像)杂志上发表的一篇重要研究成果:利用开发的一种个性化的精神病神经影像技术,基于126名参与者在观看电影剪辑时记录到的大脑活动,就可以检测识别出具有精神分裂症特征的患者。结果显示,通过训练SVM分类器(机器学习分析样本工具)识别精神分裂症参与者,在交叉验证测试中获得了71-78%的准确率,在独立的验证数据中实现了95%的准确度、100%的灵敏度和90%的特异性。
这一研究成果使转化精神病学领域受益,并反映了这种方法在个体化诊断临床工具方面的潜力。

 

杨志在接受采访时表示,他认为这一研究成果也可以应用诊断其他精神疾病。“我们的这项工作验证了,通过测量人在接近生活的场景下产生的脑活动,我们可以测量脑的复杂功能,并据此对心理状态和精神障碍进行推断。我们的另外一项研究支持了这种方法在反映个体差异时的可靠性。因此这个方法有望用于研究其他的心理健康问题,我们也正在开展一些相关研究。”
对于本研究成果的局限性,杨志解释称,这一研究方法在解释大脑活动的个体差异方面的能力有限。我们测量的脑功能是高度复杂和整合的。这好比我们可以测量智商,但是无法很清楚地解释究竟为什么一个人智商很高。接下来,团队将试图通过一些措施,更好的解释大脑系统或主体的行为状态。
据悉,这项研究是由中国国家自然科学基金,上海市教委-高峰高原临床医学建设计划等资助,上海市精神卫生中心研究基金、以及TCCI转化中心(天桥脑科学研究院和上海周良辅医学发展基金会合作成立的上海陈天桥脑健康研究所)等机构的支持。

用老鼠的情绪表达佐证人脑的“情绪神经元”

第二位演讲者是德国马克斯·普朗克神经生物学研究所的娜丁·戈加拉(Nadine Gogalla)。她在研讨会上分享了关于用机器学习技术获取老鼠的情绪表达与神经关联,从而通过情绪发现人脑奥秘的研究故事。
实际上,情绪的神经生物学起源对研究人员来说十分神秘。科学家们仍然没有充分理解情绪是如何在人脑的复杂回路中出现的,只能通过理解如小鼠等动物情绪的实验尝试,从而探究人脑对于情绪的分析与表达。
过去几年,戈加拉博士和同事们通过一种AI 机器学习算法来分析小鼠的面部表情,用先进的机器视觉技术在毫秒时间尺度上客观和定量地对鼠标面部表情进行分类,识别出了诸如愉悦、厌恶和不适等情绪相关的面部表情,并佐证至人类的基本情绪,进而深层研究人类大脑内部情感体验区域——岛叶(Insula)皮层的反馈,从而表明了“情绪神经元”的存在。
据悉,这一研究成果于去年4月3日登在了《科学》杂志上。
“我们的工作提供了一种客观的分析工具,它对于理解情绪的神经生物学机制,识别物种特异性情绪以及确定个体之间的变异性是至关重要的。”戈加拉博士在本次研讨会上表示,他们从这一研究中发现了情绪状态的神经学起源,这项工作可能有助于朝着一种更加普遍且基于演化的情感定义及其跨物种的神经基础迈进。

 

实际上,与人类相似,当小鼠尝到了甜味或苦味,或变得焦虑时,它们的脸看起来完全不同。有了这种测量小鼠情绪的新方法,神经生物学家将得以研究大脑中产生和处理情绪的基本机制。利用机器视觉,研究人员能够可靠地将五种情绪状态与小鼠的面部表情关联起来:小鼠的快乐、厌恶、恶心、疼痛和恐惧,对于计算机算法来说,小鼠的每个面部表情和情绪是有明显差异的。
研究表明,小鼠的面部表情实际上不仅仅是对环境的反应。它反映了触发因素(trigger)的情感价值。戈加拉举了个实验中的例子,当口渴的小鼠舔糖水时,它们露出的表情要比饱足的小鼠愉悦得多,而尝了非常咸的水的小鼠则表现出“厌恶”的表情。从这些实验和其它实验中,研究人员得出结论:脱离感官刺激,面部表情实际上反映了一种情绪的内在特性。
发现小鼠面部表情的主要好处是让人类得以探索产生情绪的机制。论文显示,大脑区域是岛叶皮层(insular cortex),可以与动物和人类的情感行为和情感感知相关。当科学家们用双光子显微镜测量单个神经元的活动,并同时记录小鼠的情绪面部表情时,竟显示出,人类岛叶皮层的单个神经元反应与小鼠的面部表情强度相同,发生时间也完全相同。此外,每个神经元只与一种情绪有关联,即存在“情绪神经元”这种观点。
线上研讨会中,戈加拉博士表示,这一研究可以确信,情感也存在于孤独的动物身上,它们只是保护了自己的情感而已,所以说明动物也有沟通和社交功能,情绪对个人或动物来说是具有非常主观和自我的功能之一。

机器学习是临床中重要医疗工具之一

10月8日凌晨的在线研讨会上,华山医院院长、TCCI转化中心主任毛颖教授发表演讲,详细分析了 AI、机器学习(Machine learning,简称 ML)等技术方法对于潜在的临床实践(即诊断、治疗)神经外科学中带来的影响。
 
毛颖表示,ML 的意义与人类大脑的学习模式是一致的,主要取决于经验的积累、应用和修改。而ML 不等于AI,他认为,ML 不仅是 AI 的一部分,而且AI 中最重要的部分主要还有深度学习和强化学习,这些非常流行的精确学习技术方法,现在都属于机器学习的范畴。
随着ML算法的发展和演变,其技术已广泛应用于包括神经外科在内的医学教育疾病诊断的术前计划、互操作、导航指引等。例如,传统的开颅手术耗时且有风险,而未来随着装配下一代AI技术的神经外科职能机器人,神经外科医生将在手术中非常有效和容易实现手术,降低手术过程的风险。

 

据悉,毛颖教授是中国著名神经外科专家,现任复旦大学附属华山医院院长,还担任中华医学会神经外科分会候任主委等诸多重要学术职务。
具体来说,基于机器学习模型,毛颖团队开发了一种 AI 脑肿瘤病理诊断系统。通过对300例确诊病例的90000多张MRI(核磁共振)图像进行深度学习建立模型,这一系统最终的准确率在85% 以上,并随着病例数量的增加,该模型将得到改进。此外,毛颖团队还研发了一种新的算法系统,识别运动任务过程中不同脑区的时间顺序,从而应用于搭载脑机接口的患者,以及时规范大脑活动。
毛颖表示,机器学习方法为潜在的临床实践(即诊断、治疗)提供了神经外科医生友好的医疗工具,而且还让事情更简单,动作更快,在神经外科学中做出正确的决定。当然,这其中大样本、前瞻性、多中心化的数据是必不可少的。毛颖还认为,未来常规临床实践中,都需要使用基于ML技术的方法手段。“最好的机器学习比临床医生表现更好。”
不过,毛颖也指出,深度学习或 AI 技术依然基于条件经验以及大数据算法支撑,目前仍处于弱人工智能阶段,需要输入大量高质量数据,才能取得接近准确的结果。但他相信,在不久的将来,计算机会变得越来越聪明,从而更好地帮助神经外科医生。
“但老实说,用机器人替代神经外科医生是不可能的,依然还需要我们医生来继续做手术。”毛颖在研讨会上回答主持人提问时表示。

 

他在演讲中强调,现在 ML 技术,人类只能看到前方的一小段距离,距离完成类似登顶运动这样的“全智能神经外科手术流程”,还有很长的路要走。
(本文首发钛媒体App,作者|林志佳)

09

2021-10

 

会议介绍

认知科学在过去十年取得了巨大进展,几年前还被认为是天马行空的科学技术,现在已经迅速变成世界各地前沿实验室的标准方法和日常工作。这反映了现代神经科学的跨学科思维,科学家正在用跨学科方法来攻克有关人类思维和认知的深层问题。与此同时,不断涌现的革命性技术也让这一切变得可能。每年,天桥脑科学研究院(TCCI)和《科学》杂志(Science)都会举行一场认知科学会议,在会上各方集中讨论认知科学领域的最新突破性成果。

 

今年的会议将于北京时间10月7-8日(U.S. Pacific Time:10月6-7日)举行,聚焦于过去几年取得重大进展的两个领域。第一天,我们将讨论情感计算、情绪和面部表情的最新进展,第二天,我们将集中讨论机器学习、言语和语言的研究进展。

会议费用

1. 普通注册用户:$100

2. 报名注册了6月16日Science网络研讨会“人类与机器渐行渐近”(The shrinking distance between human and machine)的用户:$80

 

 

日程安排

Day.1 :情感计算、情绪和面部表情

北京时间10月7日

电影中的脑测试

Brain tests when watching a movie

时间:0:00 AM

人们有时以同样的方式理解世界,有时则具有鲜明的个性。研究表明,当我们在现实生活中拥有相同的知觉、感受和心理状态时,我们的大脑会表现出相似的活动模式。由此反推,我们的大脑对同一事件的反应可能有助于解码我们在认知和感受方面的个体差异。在本次演讲中,我将介绍我们是如何按照上述原理开发生态大脑测试。通过测量大脑对定制电影的反应,我们建立了机器学习模型来评估儿童和青少年的情绪成熟度以及识别精神障碍。

讲者 · Speaker

杨志

上海交通大学

上海市精神卫生中心研究员、博士生导师、上海交通大学心理与行为科学研究院特聘研究员、TCCI转化中心研究员;研究领域:人脑发育、儿童青少年精神健康、神经影像技术。

小鼠情绪表达及其神经元相关性

Expressions of emotion and their neuronal correlates in mice

时间:1:00 AM

情绪作为人类必要的生存功能,它控制着个人和社会行为。尽管情绪在生活中发挥着重要作用,但它仍然是大脑功能中最不为人知的产物之一。在本次演讲中,我将讨论我们实验室最近的工作:证明如何通过面部表情可以敏感地读出小鼠的情绪状态。此外,正在进行的研究如阐明岛叶皮层在情绪过程中的作用,也会在此次演讲中提及。

讲者 · Speaker

Nadine Gogalla

马克斯-普朗克研究所

2007年在巴塞尔大学获得神经生物学博士学位,然后在哈佛大学 Takao Hensch 实验室从事博士后研究。自2014年起,Gogolla博士在德国马克斯·普朗克神经生物学研究所担任研究小组组长。2017年,她荣获欧洲研究委员会启动研究基金。Gogolla博士的研究项目旨在研究情绪背后的神经元活动。为了实现这个目标,她的实验室研发出了有创新性的行为范式和的数据分析模式来测量动物的情绪状态。她的工作将这些读取到的数据与系统神经科学的前沿技术结合起来,包括双光子钙成像、单元体内膜片钳电生理学、光纤光度、病毒追踪和光遗传学。

我们能从智能手环和智能手机中了解哪些有关大脑健康的信息?

What can we learn about brain health from a wristband and smartphone?

时间:2:00 AM

多年前,我带领我们在麻省理工学院的团队创建了第一个可穿戴和非接触式成像机器学习算法,通过测量生理指标以数字化的方式表征人类情绪状态。我们重新设计了可穿戴传感器,该传感器能全天不停歇地收集数据,这让我们有了一些意想不到的发现。例如,我们最初的设想只是对汗液压力反应进行简单的测量,其结果却证明这一反应存在特定模式,这甚至比 100 年来实验室里研究的“皮肤电活动”(EDA)更有趣。我们进一步了解到,EDA 在睡眠的某些阶段以及被特定类型的神经刺激激活时也可以达到最高峰值。本次演讲将重点介绍在情绪测量过程中的最新发现,及其对焦虑、抑郁、睡眠记忆巩固、癫痫和自闭症等的影响。有了这些新发现和智能手机,我们可以解决哪些未来将会面临的重要挑战?

讲者 · Speaker

Rosalind Picard

麻省理工学院

Rosalind Picard是一位教授、发明家、工程师和科学家。她撰写了《情感计算》一书,概述了如何赋予机器情商技能,此书推动了情感计算这一科学领域的发展。她的发明利用AI技术推动了神经病学和精神病学的进步,她还与他人共同创立了两家成功的企业 Affectiva 和 Empatica:Affectiva 为 情感人工智能提供软件支持。Empatica 打造了第一款经 FDA 批准的智能手表,当有危及生命的癫痫发作可能时,该手表会发出警告,以及一种新的 AI 可穿戴设备:在疾病症状出现之前,会警告使用者病毒感染的可能性,目前美国卫生与公共服务部正在对其进行研究。在麻省理工学院,她是媒体实验室(Media Lab)的全职教授,负责教学和指导研究,并担任麻省理工学院校园健康计划 MindHandHeart 的创始教员主席。Picard博士获得了许多认可,包括工程师的最高荣誉之一,入选国家科学院。

Day.2 

机器学习、言语和语言

北京时间10月8日

临床神经外科和应用神经科学中的机器学习

Machine-Learning in Clinical Neurosurgery and Applied Neuroscience

时间:0:00 AM

讲者 · Speaker

毛颖

复旦大学

毛颖教授是TCCI转化中心主任、华山医院院长、中华医学会神经外科分会主任(候任),他还担任上海市抗癌协会副理事长、中华医学会神经外科分会副主任委员、中国医师协会神经外科分会副会长、上海市医学会神经外科分会主任委员等职务。毛颖教授曾经于美国密歇根大学Crosby神经外科实验室从事博士后研究,并在日本、中国和美国的多所学术机构深造。2017年,毛颖教授荣获了由上海市医学会颁发的上海医学发展杰出贡献奖。

言语的神经编码

The neural code of speech

时间:1:00 AM

人类语言认知的产生源于神经计算将外部接收到的语音信号转化为内部文字表征。大脑颞上回(STG)包含非主要听觉皮层,它也是语音处理的关键核团。我将为大家阐述颞上回中的语音表征是如何依赖于非线性且动态的处理过程,比如分类、规范化、语境还原以及对时序的提炼。颞上回局部皮质位点的空间嵌合展示了不同语音和韵律特征的复杂听觉代码。我们认为,作为一个群体集合,这些分布式神经活动模式产生了抽象且高阶的音素和音节表征,进而产生了语言感知。我将介绍颞上回进行语音处理的多模态、循环神经网络,这将进一步证明颞上回在听觉和语言系统衔接中起到的关键作用。

讲者 · Speaker

Edward Chang

加州大学旧金山分校

Edward Chang是加州大学旧金山分校神经外科学教授,神经外科系主任。他专长于通过高级脑功能定位手术保留大脑语言功能区。他还是加州大学伯克利分校和加州大学旧金山分校神经工程与假肢中心联合主任,该中心由加州大学旧金山分校和伯克利分校共同设立。他的研究主要关注人类行为(例如语言和情绪)背后的大脑机制。举例来说,通过研究与说话时的身体运动相关的大脑活动,他的团队成功的使用计算机解码这些大脑信号并将其转换为人工合成的语音。这项技术最终有可能为丧失了说话能力的瘫痪人群提供语言假肢。他曾获Blavatnik 全国生命科学桂冠和美国国立卫生院院长创新奖。他同时还是美国霍华德休斯医学研究所(HHMI)学者成员。

人工神经网络作为人类大脑语言理解的模型

Artificial neural networks as models of language comprehension in the human brain

时间:2:00 AM

我的研究计划旨在理解计算和表征及其背后的神经元活动,正是这些计算与表征使我们能够通过语言分享复杂的思想。十年前,我开发了一种可靠的新方法来研究大脑中的语言,其基础是从功能上识别个体参与者的语言反应皮层。使用这种方法,我识别并描绘出了一组额叶和颞叶脑区的特点:1) 支持语言理解和产生(口语和书面语);2) 与较低级别的感知(例如,语音处理)和运动(例如,发音)脑区完全分离;3) 不同语言(来自 11 个语系的 40 多种语言)在空间和功能上相似;4) 形成一个功能集成的系统,不同组成部分之间具有大量冗余。我将重点介绍我们工作中的三个主要发现。

首先,我将展示语言相关的大脑区域在各种非语言过程中对语言具有高度选择性——从数学和音乐到执行过程、再到非语言语义认知,甚至是处理计算机代码。同时,这些脑区还与支持社会认知的系统有深度且有趣的联系。

其次,与许多主要观点相反,我将证明语言脑区支持词义理解和句子结构的构建,语言网络的任何部分都没有选择性地进行组合/句法处理。我们通常认为大脑中的记忆和计算在空间上是没有分离开来的,而词义和结构构建之间的有力整合与这一论点一致。

最后,我将列举一些自然理解过程中语言网络预测编码的最新证据。我还会展示最先进的人工神经网络语言模型(针对预测处理进行了优化)在语言理解过程中准确捕获了神经反应。第二点对于研究语言理解的机制来说是关键的第一步。

讲者 · Speaker

Evelina Fedorenko

麻省理工学院

Fedorenko博士是一位研究语言系统的认知神经科学家。她于2002年获得了哈佛大学的学士学位,并于2007年从麻省理工学院获得博士学位。随后,她获得了美国国立卫生研究院国家儿童健康与人类发展研究所颁发的 K99R00 职业发展奖。2014 年,她成为了哈佛医学院/马萨诸塞州波士顿总院的教职员工。她于 2019 年回到麻省理工学院,目前在大脑认知科学系和麦戈文脑科学研究所担任副教授。Fedorenko博士使用fMRI、EEG / ERP、MEG,颅内记录和刺激以及计算模型等技术来研究成人和儿童,研究对象中包括患有发育性和后天性脑部疾病的患者。

26

2021-09

9月16日至19日,中国最大规模的神经科学年会在重庆举行。天桥脑科学研究院(TCCI)不仅继续赞助支持大会的主题发言,还首次在现场举办了TCCI专题学术论坛,吸引了诸多科学家的关注。

 

 

TCCI专题学术论坛以“追问推动科学探索”为主线,邀请来自神经和精神医学、认知科学、人工智能等领域的专家就“脑机接口与应用神经技术”和“人工智能与精神健康”两个主题,进行了分享和追问。

 

追问是TCCI今年以来强调的关键词。早些时候,TCCI创始人陈天桥在接受媒体专访时说,基础研究对于中国科学很重要,基础研究的出发点是好奇和追问。爱因斯坦曾说:“重要的是不停地提出新的问题,好奇心是一种天赋,它的存在是有理由的”。陈天桥也希望用追问来推动脑科学的研究,鼓励青年科学家追问行业大咖,鼓励热爱脑科学的非专业人士比如企业家、慈善家、创业者和学生追问科学家,共同关注脑科学,探索科学的边界。

陈天桥还透露,正在建设一个叫追问的互联网社区,预计今年上线,目的就是为了进一步鼓励和支持追问。此外,TCCI今年已经推出了“对话大脑”院士论坛,上线了追问公众号(id: nextquestion),追问布局日渐立体。

此次TCCI学术论坛,追问大主题下的两个讨论专题,则体现了TCCI中国两个前沿实验室的重点研究方向。去年和今年,TCCI宣布各捐赠5000万元人民币,与华山医院合作建立应用神经技术实验室,与上海市精神卫生中心合作建设人工智能与精神健康实验室。

在第一场脑机接口和应用神经技术专题讨论会上,主持人、华山医院院长、TCCI转化中心主任毛颖教授开门见山地提出:“脑机接口仅仅是大火的概念,还是已经实实在在造福人类?” 

 

 

针对该问题,华山医院神经外科教授、TCCI中国研究员陈亮展示了脑机接口已经取得的临床科研和医疗成果,并提出需要有更好的技术应用落地解决临床需求。对此,TCCI神经应用技术前沿实验室顾问Gerwin Schalk给出了他的见解,介绍了非侵入式的前沿脑机接口技术如超声、血管介入等,并追问除了医疗以外的应用场景。中科院上海微系统所副所长、TCCI中国研究员陶虎应声接上前两位专家的提问,介绍了自主研发的免开颅、高安全的柔性脑机接口前沿技术,以及脑机接口在消费级的应用前景。圆桌讨论环节,现场观众纷纷追问,“有创和无创,未来谁将是脑机接口的王道?”

 

 

在人工智能与精神健康的专题讨论中,主持人、上海市精神卫生中心院长、TCCI人工智能与精神健康实验室负责人徐一峰教授,从追问公众号读者征集的问题中选出一个作为开场提问:“精神卫生被称为脑疾病最后一座堡垒,在脑科学基础研究突破尚需时日之际,我们能做什么?”

 

上海市精神卫生中心副院长、TCCI研究员李春波教授回答了精神疾病为何难治,同时介绍了人工智能和大数据在精神疾病治疗中的最新成果。随后,浙大心理与行为科学系特聘研究员陈骥介绍了多模态信息采集的新进展,并追问了如何让实验走出实验室,解决数据瓶颈的问题。对此,上海交通大学心理与行为科学研究院副研究员、TCCI研究员张洳源认为,通过用户在游戏等社交媒体中的行为研究,开展认知和精神心理测评是一条可行之路。

 

 

来自产业界的代表、世纪华通总裁谢斐认可这一思路,并分享了发展游戏类新型数字药物的展望。此后,专家们针对读者的提问“人工智能是否会颠覆我们对精神疾病的认识?”“新技术能否帮助人们更好地正视和接受精神疾病治疗”等进行了讨论。

 

 

TCCI追问社区负责人介绍,此前的两个月里,追问公众号(id: nextquestion)持续对脑机接口进行了一系列的追问和报道,征集了青年科学家和读者对人工智能与精神健康主题的问题。这次会议的讨论话题集中体现了这些互动和追问。今天会议现场和在线观众又提出了很多更深层次的问题,他们将及时整理收集,继续开展追问。

17

2021-09