今年是回台後第一次參加國際會議，而且是之前從未參加過，但一直想要找機會的Human Brain Mapping，但從台灣飛到美國的時差，讓前兩晚的白天會議感覺一直昏昏沈沈，這可能是我以後要習慣之處（說不定也有人研究時差對大腦的影響，如果沒有 的話，這可能也是一個有趣的研究話題）。
第一次參加HBM，有些先前的刻版印象被打破：(a) 一直以為HBM比較是在方法上的討論，但後來發現它的內容也是相當的多元。有方法技術，也有認知各個層面（知覺，記憶，語言，意識等）的討論，再加上最近 的新方法，如利用機器學習(machine learning)判讀大腦造影資料，進而可以預測人的意識狀態，或是生活選擇等，皆是相當的吸引人。所以這次的會議對我來說，是真正的大開眼界（加上能夠回到舊金山舊地重遊）。再加上它的國際性（我看到非常多的歐洲人， 這是以前的會議比較少經歷的），所以以後大概我都會參加這個會議吧！最後，今年遇到兩位非常好的朋友（Craig Benette and Yune Lee)，大家也相約好明年再去Barcelona，西班牙的著名城市。2012的會議會在北京舉行，更是值得一遊了。
言歸正傳，這次會 議的焦點之一就是在機器學習，以目前眾多方法的免費提供讓人使用，如SPM5的DCM (dynamic causal modeling)，AFNI的 3dsvm (support vector machine)，還有一些third party 的functional toolbox，都讓方法的發展更加多元與百家紛呈。不少實驗室提供了他們的網址免費供人下載試用。事實上，台大電機系所提供的svm library 提供了至少三至五篇nature neuroscience的paper作為分析的基底，所以在目前的學術上，台灣早已為人所知的扮演一定的角色。
有關本次會談最讓人囑目的decoding 問題，也有不少組team充分的擁抱這個領域，讓它成為非常吸引人的題目。可以預見，這塊領域將來必將有更多的蓬勃發展，甚至成為自己的一個獨立學門也說不定。比方說，Pittsburgh University 就成立了一個 Machine Learning department，地下室也有自己的MRI scanner，所做的主題就是在 decoding大腦訊號，看人的大腦當時是在做什麼。可以想見，這個系將來必會有很多很實用(或是很sexy，會很吸引新聞記者）的產出。
一 些有趣的有關統計重要性的poster，如我室友 Craig的一個show 魚的大腦 poster，就吸引了不少人的目光。為什麼他要scan 魚呢？原來是我們平常在scan時所放的phantom，一般都是用特製瓶，裡面裝水或特殊溶液，但他scan過南瓜，昆虫，各式各樣的東西，還包括新英 格蘭的鮭魚（當然是用膜包好，以免流水發臭），有次他就想，既然都作過各式各樣的scan(T1, T2, DTI, etc)了，乾脆就分析一下吧。利用標準的 p<.001，再加上魚的大腦較小，所以3個voxel為cluster threshold下，結果竟然看到了significant activations。當然我們不能說，這隻死魚竟然在看不同的perspective taking狀況下，死魚的大腦內有明顯的反應差異！而是要用這個有趣的例子，說出 correction for multiple comparison的重要性（目前多半是用 family-wise error rate, or false discovery rate），而用魚的大腦來作poster，很容易提高人的回頭率（畢竟人的大腦看多不新奇，魚的大腦可是長得不一樣的）（Craig並解釋為何魚的大腦 會show出sig activation: 因為脂肪較多，氫原子較多的情況下，容易出現差異的機會也較大）。Craig並說到他們的poster 第一回並未過關，因為reviewer認為他們是在開玩笑。但主編Russ Poldrack認為這個poster 是幽默中帶有嚴肅的主題，所以讓他們敗部復活！而在一個被期刊審委的退稿意見中，他們更被建議：請你們scan 16條魚後，得到相同的結果，再來重寄吧！
另外在我的領域內，還看到一個有關我們在GLM中常用的，將motion correction 的 covariates放入design matrix，作為regressors of no interest 一起分析的practice。在這位作者的simulation & practice裡，發現到並不會對資料結果有任何幫助！看樣子，我們以後在做任何分析時，最後都須依賴自己的分析經驗作最有力的指引（而不是大家都怎麼 作，所以你也得如此）。
另外一個有趣的poster，是探討目前常看到的functional connectivity （目前幾乎是一個常用的added feature in fMRI data anlaysis)，其seed cluster 大小所影響的connectivity 結果。這篇poster以每一個voxel為出發點，探討每個voxel對應到四個不同candidate region of default network的聯結強度為何。結果發現到：在不同的作業要求，如1-back, 2-back, and 3-back下，不同的部位對其他的default network也會有不同強度的影響。但大體而論，default network 的結果是蠻 robust against voxel cluster size 的大小。
最後，可能是聽過最精彩的一篇poster（同時也得了student trainee award），是一位Benita Sorger 所延續Owens (06) 的一篇非常著名的Science paper，描述一位無法跟外界聯絡的植物人，透過fMRI內實驗者要求的指導語：「想像自己在走廊上行走」，或是「想像自己在打網球」，而能觀察到相對應腦區的反應（PPA 與 SMA, repsectively)，與正常控制組相同的結果。藉此來強調 fMRI可以彰顯這位植物人仍有意識，能瞭解指導語並作出相應心智活動。Sorger 繼續深入探討利用fMRI 作為植物人（或四肢癱瘓病人）對外溝通的工具。她的設計是利用BOLD反應的特性，設計三種作業（如唸出字音，判斷字非字等），每一種都可讓該反應在血流反應上昇，持平，或下降的時機，設計出共27種可能（如此即能容納26種字母加空白鍵）。實驗是藉由先問受試者：「上次妳去那裡旅遊？」如果答案是「Greece」，那G對應到字音作業，並且要持續唸十秒，然後不要再唸的方式，藉由一些預先指定的ROI time course 的判讀分析（這又是一種線上 real-time fMRI的應用），可以由程式判斷最有可能的字為何。而且由於字是由多單字組成，藉由多單字的組合來排出不可能的字，進而增加判讀的準確性。這種實驗方式簡易明瞭，並且可以想見可以應用在臨床上。Sorger 跟我說，她已寫了一個grant，利用NIRS（一種較為簡易可攜的探測大量血流變化的技術）來進行這個研究。可以想見，類似的概念被開發出來後，將會如同癱瘓的人可以藉由大腦植入晶片的方式重獲行動自由一樣，無法表達的人將也可用此方式跟外界溝通！這將是多大的福音與商機！
綜合而論，HBM對第一次參加的我，的確是大開了一場眼界：完善的服務（免費的無線網路，印表機服務，餐飲水酒，etc），來自世界各地的多式對腦科學感興趣的人，還有迷人的灣區風光，皆讓我非常喜歡。我也決定明年繼續報名HBM，以得到更多的分享與最新的經驗。
No comments:
Post a Comment