漫画家在创作时常会夸张人物的独特特征——让下巴更尖、雀斑更多。如今，耶鲁大学的研究者将这一思路应用到脑科学中：他们通过“夸张化”大脑连接图谱（connectome），放大个体之间的差异，从而揭示了以往被忽视的重要信息。相关成果发表于《Nature Neuroscience》。
夸张个体差异，寻找隐藏信息
大脑连接图谱是通过功能性磁共振成像（fMRI）构建的神经网络“地图”，它描述了大脑不同区域之间的活动联系。科学家们长期利用这类图谱来预测个体的行为、智力水平或心理健康状态。
此前的研究多聚焦于不同个体之间相似的活动模式，认为这些共性能够反映核心的神经功能，因此具有较高预测价值。而那些“个体独特”的活动模式则往往被视为噪声，被舍弃不用。
“但这些被忽略的部分，究竟隐藏着什么？是否也有价值？我们其实并不知道。”该研究的第一作者、耶鲁大学医学院神经科学项目博士生Raimundo Rodriguez说。
于是，Rodriguez决定反其道而行之——像漫画家一样‘夸张’这些个体差异。他开发了一种算法，去除不同个体间的共性活动模式，从而突出每个人独特的脑活动特征。
结果令人惊讶：这样的“漫画化（caricatured）”处理后，连接图谱对多种特征的预测能力反而提升，包括年龄、智商、性别、体质指数（BMI）以及情绪加工和抽象思维等认知任务的表现。
不是噪声，而是另一种信息
研究团队使用了来自人类大脑连接组计划（Human Connectome Project）、加州大学洛杉矶分校（UCLA）神经精神表型联盟项目以及耶鲁自建的fMRI数据集。
首先，他们识别出被试者在执行任务时呈现出的一致性脑区共激活模式。随后，Rodriguez从静息态fMRI数据中移除了这些共性模式。
处理后的数据中，同一个体的不同扫描更容易被识别出来，而不同个体之间的差异也更明显——这说明算法确实在“放大个体特征”。
接着，研究者检验了这种方法在行为预测上的效果。结果显示，漫画化数据对多数特征的预测能力提高，但并非对所有特征都有帮助。例如，在边缘型人格障碍（borderline personality disorder）的预测中，效果并未改善。
“这种差异说明，我们的方法并不是简单地‘清理噪声’，”论文通讯作者、耶鲁大学生物医学影像学副教授Dustin Scheinost指出，“而是揭示了两种不同的信息维度——个体差异携带着一种类型的信息，而群体共性反映着另一种。”
更有趣的是，当研究者将“漫画化”数据与原始（非漫画化）数据结合后，预测准确性进一步提升。这意味着两种信息来源是互补的。
个体化脑科学的未来
Rodriguez表示，未来他们希望进一步研究哪些行为特征更容易从“夸张化”数据中获得准确预测，以及其背后的神经机制。
“我们的研究揭示了一个此前被忽略的信息源，”他说，“如果善加利用，它可以让我们更好地预测个体差异，并推动脑科学走向更精准的个体化分析。”
参考文献：Raimundo X. Rodriguez et al, Connectome caricatures remove large-amplitude coactivation patterns in resting-state fMRI to emphasize individual differences, Nature Neuroscience (2025). DOI: 10.1038/s41593-025-02099-7
编辑：王洪
排版：李丽
评论 (0)