fMRI a psychologický výskum

V deväťdesiatich rokoch sa na scéne objavila nová technológia s potenciálom zásadne zmeniť výskumu ľudskej mysle. Funkcionálna magnetická rezonancia umožňuje kvantifikovať prietok krvy v mozgu. Prietok krvi danej oblasti mozgu možno následne použiť ako indikátor využitia tejto oblasti v určitom časovom rozmedzí. Ak inferenciu otočíme tak nám fMRI umožňuje určiť oblasť mozgu, ktorá je aktivovaná. Ďalej, ak naši probanti v priebehu rôznych časových úsekov vykonávajú určitú aktivitu, dozvieme sa, ktoré aktivity sú spojené s ktorými oblasťami mozgu. Bingo! Môžeme isť mapovať mozog.

fMRI poskytuje dobré priestorové rozlíšenie (1-125 kubických milimetrov) a použiteľné časové rozlíšenie (2-3 sekundy pre jednu 3D fotku mozgu). Revolučnosť tejto techniky si môžeme uvedomiť až keď sa pozrieme na akej evidencii spočíval výskum pred zavedením fMRI. Napríklad Milner a Goodale vo svojej knihe o vizuálnom spracovávaní v mozgu (1995) diskutovali nasledujúcu evidenciu. Prvá kapitola bola venovaná neurobiologickým experimentom s primátmi (prevažne merania akčných potenciálov neurónov u opíc). Tri kapitoly boli venované neuropsychologickým poruchám mozgu a záverečná kapitola bola venovaná behaviorálnym experimentom so zdravými ľudmi. Táto kapitola sa zároveň snažila argumentovať, že poznatky z predchádzajúcich kapitol sú relevantné pre teóriu o vizuálnom vnímaní u zdravých ľudských jedincov a teda pre teóriu vizuálneho vnímania všeobecne. Takýto induktívny skok v tom čase vôbec nebol samozrejmý. Bolo známe, že anatomická architektúra mozgu primátov a ľudí je v prípade vizuálneho laloku podobná, avšak či aj funcionálne rozdelenie (teda ktorá oblasť vykonáva aké úlohu) je rovnaké to nevedel nikto, keďže funkčné vlastnosti rôznych oblastí mozgu u ľudí neboli známe. (Zopár málo indícii poskytli Penfieldove experimenty s priamou elektrickou stimuláciou mozgu u epileptických pacientov.) S pomocou fMRI sa podarilo preukázať, že vizuálne spracovávanie v mozgu človeka a a ľudoopov sú si veľmi podobné. Podobne sa podarilo doložiť ďalšie poznatky z výskumu pamäte, učenia, pozornosti a ďalších psychologických funkcii.

fMRI nielenže potvrdila známe veci ale viedla k novým poznatkom a k teoretickému pokroku, ktorý by bol pomocou kombinácie behaviorálnych techník, klinickej neuropsychológie, neurológie a výskumu na primátoch ťažko možný. fMRI výskum napríklad podkopal modularistické teoretizovanie dominantné v 80. a 90. rokoch reflektujúce behaviorálnu a neurologickú evidenciu. Ako príklad možno uviesť gramatický modul.

Jednou z vlastností modulov postulovaných Fodorom (1983) bol ich spoločný “neurálny substrát”. fMRI pomohlo lokalizovať viaceré úlohy ktoré mal plniť gramatický modul (Blumstein & Amso, 2013). Reč, syntaktické, sémantické a lexikálne úlohy sú lokalizované vo viacerých odlišných oblastiach mozgu. To by nemuselo byť tragické, akurát niektoré oblasti sa venujú viacerým úlohám, pre ktoré boli postulované odlišné moduly. Napríklad predný spodný lalok (IFG) bol usvedčený z aktivity v štúdiách semantiky a syntaxi jazyka, porozumenia reči a transformácie lexikálneho obsahu do vetnej formy. Ešte horšie sú presahy medzi linguistickými a kognitívnymi funkciami. Oblasť STS padla do podozrenia v štúdiách vnímania reči, vnímanie tváre, biologického pohybu, teórie mysle a audiovizuálnej integrácie. K tomu môžeme ešte pridať fMRI štúdie so slepými a afazickými pacientmi. Napríklad u slepých jedincov sú časti vizuálnej kôry užívané pre spracovávanie rečových signálov. Tieto poznatky podkopávajú predstavu modulárneho rozdelenia mysle.

Ďalšou peknou ilustráciou užitočnosti fMRI je výskum pamäte u seniorov (Park & McDonough, 2013). S príchodom staroby pamäťové schopnosti klesajú. Seniori si pamätajú menej po kratšiu dobu. Pred vstupom fMRI na scénu si to vedci predstavovali tak, že pamäťové zdroje s vekom klesajú. Niečo ako hard-disk, ktorého kapacita vekom klesá. fMRI výskum viedol k oveľa diferencovanejšej perspektíve. V prvom rade sa zistilo, že aktivita vo frontálnych areáloch mozgu je vyššia u seniorov. Avšak to platí len pre úlohy do určitého stupňa náročnosti. Vyššia aktivita vo frontálnych oblastiach naznačuje, že seniori používajú vyššie kognitívne funkcie na to aby kompenzovali pamäťové deficity aj v jednoduchších úlohách. K tomu dobre pasuje evidencia, že vo vnemových oblastiach je aktivita počas  pamäťových úloh u seniorov znížená. fMRI tak ukázalo presun aktivity z vnemových do vyšších kognitívnych oblastí mozgu. Takýto výskum má dôležité implikácie pre diagnostiku pamäťových deficitov pomocou behaviorálnych úloh. Napr. v mnohých jednoduchých pamäťových úlohách sa nepodarilo preukázať výkonnostné rozdiely medzi seniormi a študentmi. fMRI výskum ukázal, že to nemusí znamenať, že takéto rozdiely neexistujú. Pri ľahkých úlohách sú seniori schopní kompenzovať a vynulovať svoje deficity pomocou zapnutia vyšších kognitívnych stratégii. Pre diagnostikovanie je preto dôležité použiť úlohy rôznej náročnosti a pri odhade deficitov treba zohľadniť vplyv kompenzačných kognitívnych stratégii.

Ako posledný príklad uvediem výskum vnímania bolesti (Wager & Atlas, 2013). Behaviorálny výskum bolesti má jeden zásadný problém. Na implicitné alebo explicitné odhady bolesti v podaní probantov a pacientov vplývajú rôzne sociálne faktory, ktoré ťažko izolovať a odlíšiť. Napríklad ak dáme probantovi tabletku a ten nám povie, že už sa cíti lepšie povedal to preto aby nepôsobil ako nevďačník? Cíti sa naozaj lepšie alebo zafungoval u neho placebo efekt? fMRI umožňuje tieto faktory rozpliesť. Podarilo sa preukázať, že placebo vedie k zníženej aktivite v oblastiach mozgu spájanými s vnímaním bolesti. Stupeň redukcie aktivity súvisí so subjektívne vnímanou úľavou. Táto úľava je zrejme sprostredkovaná endogénne podmieneným vylučovaním opiátov v strednom mozgu a v mozgovom kmeni, keďže medikamenty zabraňujúce vylučovaniu opiátov znižujú účinnosť placeba. fMRI doložilo zvýšenú aktivitu v týchto oblastiach po požití placeba. Ďalšie štúdie preukázali, že nasmerovanie pozornosti na úľavu (napríklad na presvedčovanie seba typu “Myslím, že sa už cítim lepšie, ale naozaj sa cítim lepšie, už som skoro zdravý”) nie je potrebné na to, aby placebo fungovalo. V tomto prípade išlo o behaviorálne štúdie. Tieto však boli motivované pozorovaním aktivácie oblastí spájaných s nasmerovaním pozornosti v štúdiách placeba. Nakoniec, aj keď placebo funguje na báze opiátov vzory aktivácie pozorované pri placebe sú odlišné od vplyvu medikamentov podporujúcich vylučovanie opiátov, čo pasuje k pozorovanej aditívnosti efektu medikamentov a placeba na vnímanie bolesti.

Kontroverzie

Napriek takýmto deklarovaným úspechom sa objavili ohľadom fMRI výskumu viaceré otázniky a kontroverzie. Obraz fMRI ako priameho okna do fungovania mozgu je veľmi zjednodušený. fMRI poskytuje neurobiologický signál, ktorý musí byť doplnený správnou experimentálnou manipuláciou a štatistickou analýzou, aby sme z neho mohli niečo o fungovaní mozgu dozvedieť. Týmto problémom čelia aj behaviorálne merania a fMRI sa tak môže oprieť o experimentálne manipulácie overené behaviorálnym výskumom. Čo sa týka štatistického vyhodnocovania dát tu čelia vedci čiastočne novým problémom spojeným so správnou analýzou vysoko-dimenzionálnych dát, ktoré fMRI poskytuje. Mnohokrát sú však tieto problémy vedcami vzorne zvládnuté, no pri šírení publikovaného výskumu médiami k verejnosti sa tieto detaily stratia čo vedie ku kontroverzným správam v tlači o blikajúcich mozgoch.

1. Čo meria fMRI?

Mozog a neuroný potrebujú na svoje fungovanie energiu, ktorá je dodávaná do mozgu okysličenou krvou napríklad v podobe cukrov. Prietok okysličenej krvi v mozgu je modulovaný neurálnou aktivitou v rôznych oblastiach. fMRI meria prietok okysličenej krvi v mozgu, takzvaný BOLD (blood-oxygen-level-dependent) signál . Induktívnym skokom je v fMRI štúdiách BOLD signál identifikovaný s neurálnou aktivitou. Mechanizmy, ktoré ovplyvňujú prietok krvi v mozgu stále nie sú dostatočne známe a sú oblasťou aktívneho výskumu. Viaceré faktory okrem neurálnej aktivity môžu ovplyvniť BOLD signál. BOLD reflektuje neurálnu aktivitu s časovým posunom a značným rozptylom. BOLD signál možno rozoznať 2-10 sekundy po aktivite neurónov a dosahuje maximum po 5 sekundách. Krvné cievy nie sú rozdelené rovnomerne po celom mozgu. Prietok je vyšší v oblastiach veľkých tepien. To môže viesť k celkovo vyššej BOLD aktivite v oblastiach mozgu, ktoré sú v blízkosti veľkých tepien. To je zrejme prípad notoricky aktívnych lingvistických oblastí v blízkosti mediálnej mozgovej tepny. Nakoniec, BOLD signál nie je modulovaný len aktivitou neurónov v danej oblasti, ale mozog sa snaží predpovedať aktivitu neurónov a zabezpečiť prísun krvi do danej oblasti ešte skôr než k nej dôjde (Cardoso et al., 2012). To znamená, že napríklad pri vizuálnom vnímaní prietok krvi v okcipitálnych vizuálnych oblastiach reflektuje nielen viditeľnosť stimulu na monitore ale aj očakávanie, že sa stimulus na monitore zjaví. K týmto výsledkom sa možno dopracovať paralelným meraním aktivity neurónov a BOLD-signálu u opíc. Ak máme k dispozícii len BOLD signál nemáme možnosť tieto dva faktory rozlíšiť.

2. Priame uzávery: Psychológia -> Mozog

Ak chcete študovať ako mozog funguje napr. pri pamäťovej úlohe a posadíte zdravého probanta do skeneru a zmeriate jeho mozgovú aktivitu zistíte, neprekvapivo, že celý mozog je aktívny. Jednotlivé merania samé o sebe sú ťažko interpretovatelné. fMRI štúdie, preto vždy pracujú s kontrastmi medzi aktivitou v rôznych úlohách úloh. Napríklad internetový portál austrálskej ABC priniesol správu o tom, že “vedci zistili, že ženský hlas aktivuje sluchové oblasti mozgu, zatialčo mužský hlas aktivuje oblasť v zadnej časti mozgu nazývanú tiež oko mysle”. Samozrejme aj mužský hlas aktivuje sluchové oblasti mozgu – inak by sme ho nemohli počuť. Štúdia v skutočnosti skúmala kontrasty v aktivácii medzi dvoma úlohami. Vedci púšťali probandov v skeneri v určitých intervaloch a v náhodnom poradí nahrávky ženského a mužského hlasu. Vedci potom porovnali aktiváciu mozgu pri počúvaní mužského a ženského hlasu a informovali o tom, ktoré oblasti vykazujú signifikantne rozdielnu aktiváciu. Výber experimentálnej manipulácie a materiálu je kritický. Vo vyššie uvedenom prípade musí byť stimulus identický, čo sa týka všemožných faktorov. Líšiť sa môže len čo sa týka pohlavia hlasu. Nahrávky musia mať v oboch prípadoch rovnakú dĺžku, rovnaký obsah, hlasitosť, intonáciu … Tieto detaily sú dôležité pre správnu interpretáciu získaných výsledkov.

3. Spätné uzávery: Mozog -> Psychológia

V poslednom odstavci sme vychádzali zo situácie, že probandi dostali určitú úlohu a my sme skúmali aktivitu mozgu. Napríklad probandi dostali linguistickú úlohu a porovnali sme ju podobne náročnou nelinguistickou úlohou. Linguistická úloha aktivovala oblasť X. Následne prevedieme štúdiu pamäte a zistíme, že okrem očakávanej oblasti Y bola aktivovaná aj oblasť X. Môžeme skočiť k záveru, že probandi na vyriešenie úlohy využívali lingvistické funkcie – napríklad, že si v duchu opakovali názvy objektov, ktoré si mali zapamätať? Takýto záver je problematický. Oblasť X nemusí byť aktivovaná len pri lingvistických úlohách ale má napríklad dodatočný význam pre fungovanie pamäte alebo nejakej tretej neznámej funkcie. Dôležité je zvážiť vzory aktivácie naprieč publikovanou literatúrou. Poldrack (2006) napríklad porovnal údaje z 3222 kontrastov (celkovo 749 publikovaných štúdii) ohľadom aktivácie určitej oblasti – volajme ju X. V 869 prípadoch sa kontrasty týkali lingvistickej úlohy. Z toho v 166 prípadoch bola oblasť X aktivovaná. Zvyšných 2353 kontrastov sa zaoberalo nelingvistickými funkciami. Z toho v 199 prípadoch bola oblasť X aktivovaná. Oblasť X teda nie je výlučne aktivovaná v lingvistických úlohách. Vskutku kvôli prítomnosti šumu a štatistickej chyby takúto oblasť naprieč akumulovanou literatúrou prakticky nenájdeme. Prípad spätnej inferencie však nie je stratený. Môžeme použiť Bayesovu vetu, aby sme kvantifikovali evidenciu, že aktivácia oblasti X reprezentuje lingvistické funkcie.

p(L|X)= \frac{p(X|L) p(L)}{p(X|L) p(L)+ p(X|!L) p(!L)}= \frac{166/869}{166/869+199/2353}=0.69

kde L je lingvistická štúdia, X je aktivácia oblasti X a p(L)=p(!L)=0.5. Evidenciu môžeme interpretovať cez Bayes faktor BF = p(L|X)/(1-p(L|X))= 2.23. Bayes faktor vyjadruje pomer evidencie – v akom pomere je zapojenie lingvistických schopností pravdepodobnejšie ako ich nezapojenie. V bayesiánskej terminológii tvorí Bayes faktor 1<BF<3 slabú evidenciu. Pozorovanie aktivácie oblasti X teda poskytuje slabú evidenciu pre zapojenie lingvistických schopností v danej úlohe.

Ako vidieť na príklade vyššie takéto závery závisia od celej literatúry. Dostupné databázy fMRI (z ktorých vychádzal aj Poldrack pre svoj výpočet frekvencii) sú nekompletné a obsahujú len informácie z publikovaných zhrnutí. Na to aby sme aplikovali podobnú analýzy na jednotlivé voxely je potrebné mať prístup k samotným dátam. Predchádzajúce snahy o sprístupnenie fMRI dát žalostne zlyhali (Van Horn & Gazzaniga, 2012). Praktická užitočnosť Poldrackovej metódy je tak značne redukovaná na zopár hrubozrnných prípadov. To znamená, že spätné uzávery sú problematické a vyžadujú dodatočnú argumentáciu v prospech špecifickosti aktivácie diskutovaných oblastí.

4. Funkčná ontológia

Ak sledujeme fMRI výsledky naprieč štúdiami zistíme, že konkrétna psychologická funkcia je lokalizovaná v rôznych často aj odľahlých oblastiach mozgu. Naopak určitá oblasť môže byť aktivovaná dvomi rozličnými funkciami. Otázne je nakoľko je súčasná kategorizácia výskumu na psychologické funkcie (pamäť, pozornosť, reč, kategorizácia, vhľad …) vhodná? Ak takáto kategorizácia vedie k zmätku v fMRI dátach, nemali by sme ju hodiť cez palubu a prijsť s novou vhodnejšou kategorizáciou?

V prvom rade vymyslieť kategorizáciu funkcii na prvý pohľad konzistentnú s fMRI dátami nie je až také ťažké. Napríklad Poldrack (2010) ukázal ako by frenológovia v 19. storočí nemali problém doložiť svoje postulované mozgové funkcie pomocou fMRI výskumu. To znamená, že konzistentnosť fMRI dát s kategóriami nie je dostatočná pre validáciu daných kategórii, ale musí byť doložená úvahami o presnosti a špecificite mapovania psychologických funkcii na oblasti mozgu a naspäť. Ako obstojí súčasný systém kategorizácie pri takýchto úvahách? Jemnozrnné testovanie presnosti a špecifickosti nie je možné z dôvodov spomenutých v predchádzajúcom odstavci. Poldrack (2010) však ukázal, že aspoň v prípade hrubozrnných funkcii ako pamäť, multi-tasking, inhibícia správania alebo reč dokáže fMRI celkom dobre diskriminovať. Napríklad reč je možné odlíšiť od inhibície s 80% úspešnosťou, zatiaľčo inhibíciu a multi-tasking s úspešnosťou 60 %.

Na druhej strane problému, stojíme pred otázkou ako charakterizovať aktivácie? Ako definovať identické aktivácie? Možno intepretovať signifikantnú aktiváciu voxelu (12,37,22) v prvom experimente a aktivácia voxelu (13,37,22) v druhom experimente ako aktiváciu rovnakej oblasti? Odpovedať na túto otázku je najľahšie pomocou neuroanatomických poznatkov o konektivite a kompaktností určitých oblastí. V mozgu je však viac-menej spojené všetko so všetkým a tak aj takéto neuroanatomické argumenty sú mnohokrát kontroverzné. Tým sa naskytá otázka či by nebolo vhodnejšie zvoliť iné jednotky aktivácie ako populárne priestorovo definované oblasti. Jedným trendom v fMRI literatúre je postupný prechod od lokalizačných štúdii k výskumu konektivity,  súčinnosti a interakcie oblastí po celom mozgu. Napriek nejasností ohľadom priestorovej definície oblasti aktivácie, však lokalizačné štúdie stále ostávajú dominantnou paradigmou fMRI.

5 Štatistika

Ako som spomenul vyššie, dáta zo skenera treba brať ako signál a nie ako fotky mozgu. Tento signál je nevyhnutné očistiť od šumu spôsobeného všetkým možným od nepresností meracieho prístroja (skenera) až po aktivitu mozgu reprezentujúcu nežiadúce behaviorálne artefakty (pohyb probanta v skenery). Najčastejšou technikou na očistenie signálu je spriemerovanie viacerých meraní. To znamená, že probant musí sedieť v skenery po dlhšiu dobu a v koordinovaných časových odstupoch opakovať danú úlohu.  Fotky mozgu sú zároveň transformované na priemerný mozog a priemerované naprieč vzorkou (väčšinou 10-20) probandov. Výsledkom je jedna priemerná fotka aktivácie mozgu.

5.1 Mŕtvy losos

Následne vedci hľadajú oblasti mozgu, ktoré sú signifikantne aktívne. Štatistická signifikantnosť je rátaná pomocou štandardných frekventistických metód (pričom relevantná je variabilita naprieč vzorkou probandov) pre každý voxel. Ako bolo spomenuté, množstvo voxelov pri skenovaní je enormné a ak by sme signifikatnosť vyhodnocovali na nominálnej úrovni p=0.05 tak získame obrovské množštvo signifikantne aktívnych oblastí, roztrúsených po celom mozgu. Riešením je korigovať nominálnu prahovú hodnotu p, tak aby sa zamedzilo alfa chybe na reálnej úrovni .05.

Ako správne zvoliť nominálnu hodnotu p? Nebudem zachádzať do detailov. Dôležité je, že mnohé štúdie používajú neadekvátne ad-hoc metódy korekcie nominálnej p hodnoty, čo možno odhaliť v počítačových simuláciách náhodných fMRI dát. Podobnú simuláciu možno previesť aj so spusteným skenerom. Bennett et al. (2009) chceli otestovať skener a softvér pre analýzu dát. Zrejme sa nikomu z labáku nechcelo do skenera, tak použili namiesto ľudského probanta mŕtveho lososa. Na svoje prekvapenie autori našli signifikantnú aktiváciu v oblasti, kde sa nachádza mozog lososa. Tieto signifikantné analýzy použili p=0.001. Autori ukázali, že sila aktivácie koreluje s variabilitou aktivácie (naprieč opakovanými meraniami, losos absolvoval 160 opakovaní). To znamená, že silne aktivované voxely sú aj viac volatilné a menej spoľahlivé. Štatistické metódy, ktoré adaptujú nominálnu p hodnotu na základe volatility pre každý voxel existujú a ich aplikácia nenašla žiadnu signifikantne aktívnu oblasť v tele mŕtveho lososa. Žiaľ mnohé publikované štúdie používajú neadekvátne metódy pre voľbu nominálnej p hodnoty.

5.2 Voodoo korelácie

Štatistické analýzy spomenuté v odstavcoch vyššie nám povedia, či a ktorá oblasť je signifikantne aktívna v danej úlohe. Štatistická signifikantnosť sa snaží vyjadriť spoľahlivosť daného efektu. Nás však zaujíma aj sila tohoto efektu v závislosti od úlohy. Napríklad Eisenberger, Lieberman, a Williams (2003) merali fMRI aktivitu zatiaľčo v probantoch bol evokovaný pocit sociálneho odmietnutia vo vnútri skenera. Po dokončení experimentu sa autori pýtali probandov nakoľko ich experiment rozrušil. Autori chceli zistiť nakoľko zodpovedá sila aktivácie (v signifikantne aktívnych oblastiach) ich (priznanej) emocionálnej reakcii. Autori našli koreláciu r=.88, čo je veľmi silná korelácia na psychologickú štúdiu. Vul et al. (2009) as pýtali ako je možné že takéto obrovské korelácie existujú? Problém je v tom, že korelácia nemôže presiahnuť reliabilitu samotných meracích prístrojov. Ak mám prístroj, ktorý predpovie dážď ďalší deň v 80 % prípadoch správne a pristroj, ktorý predpovie, že Anton si zoberie ďalší deň dáždnik v 70% percent prípadoch správne, tak korelácia medzi dažďom a Antonovym dáždnikom nemôže byť vyššia ako \sqrt{0.8 \times 0.7}=0.74. V prípade korelácie r=.88 fMRI aktivity a stupňa rozrušenia by pri stopercentnej spoľahlivosti fMRI musela byť reliabilita indikátora stupňa rozrušenia minimálne 0.78. To je úroveň reliability ktorú dosahujú testy IQ alebo testy osobnosti, ktoré boli mnohokrát validované, prešli desaťročiami vývoja a používajú široké spektrum úloh a otázok. Dotazník s piatimi otázkami na tému rozrušenia zbúchaný na kolene medzi experimentami, takúto validitu nikdy nedosiahne. Takéto vysoké korelácie možno nájsť vo viacerých publikovaných prácach. Popis metodiky v publikáciach konkrétnu informáciu ako boli korelácie získané neposkytujú. Vul et al. sa preto obrátili emailom na autorov daných štúdii a snažili sa zistiť ako rátali korelácie. Vyšlo najavo, že ide o nekorigované korelácie. Signifikantnosť aktivácie bola vyhodnocovaná v závislosti od korelácie. Signifikantne aktívne voxely nie sú tie s vysokou BOLD aktiváciou ale tie s vysokou koreláciou medzi aktiváciou a stupňom rozrušenia. Definovať aktiváciu takto nie je samo o sebe kontroverzné. Problematické je následné použitie aktívnych oblastí na vyhodnotenie sily efektu. Samozrejme ak prezrieme sto tisíc voxelov tak náhodne nájdeme aj nejaký, ktorý koreluje so stupňom rozrušenia s r>.8. Táto korelácia je náhodná a ťažko sa ju podarí replikovať. Obzvlášť problematické sú následné tvrdenia, že fMRI poskytuje spoľahlivý indikátor stupňa rozrušenia, depresívnosti, impulzívnosti… Riešením je buď korigovať veľkosť korelácie, zvoliť nezávislé kritérium pre hľadanie aktivovaných voxelov alebo použiť nezávislú vzorku probandov na validáciu veľkosti efektu.

5.3 Učenie strojov

Zaujímavou alternatívou ku klasickým štatistickým analýzam sú rôzne metódy učenia strojov (ML, Haynes & Rees, 2006). Pri týchto sa kladie väčší dôraz na schopnosť prediktívnosť ako na explanatívnu schopnosť metód. ML algoritmus si sám hľadá vzorce aktivity, ktoré najlepšie diagnostikujú správanie probanta. V nasledujúcom validačnom experimente možno pomocou aktivity predpovedať čo probant robí. Asi najznámejším príkladom sú štúdie Johna Haynesa zaoberajúce sa rozhodovaním. Soon et al. (2008) ukázali, že volne načasované rozhodnutia probantov možno identifikovať v niektorých prípadov až 8 sekúnd predtým, než si ich probanti uvedomia (než sa “rozhodnú”). Aj v týchto prípadoch podobne ako pri koreláciách je potrebná ďalšia vzorku probantov pomocou ktorej je výkon klasifikátora validovaný. Ak validácia prebehne na rovnakej vzorke na ktorej bol klasifikátor trénovaný, môže byť odhad jeho prediktívnosti nadhodnotený. ML je zaujímavou alternatívou v prípadoch kde je cieľom preukázať prediktívnosť neurónovej aktivity a konkrétny vzor aktivácie alebo jej lokalizácia nie sú až tak zaujímavé.

6. Klinická psychológia a fMRI

fMRI vzbudilo vlnu nevôle medzi klinickými psychológmi. Táto kritika je v mnohých aspektoch špecifická. Ako dva nedávne príklady možno citovať článok Gregoryho Millera (2010) alebo minuloročnú prednášku Dorothy Bishop. fMRI je súčasťou širšieho neurobiologického frontu, ktorý v klinických oblastiach odsáva finančné zdroje tradičnému behaviorálnemu výskumu. Neurobiologické metódy sľubujú lepšiu a spoľahlivejšiu diagnostiku a intervenciu. Tieto sľuby zostávajú z veľkej časti nenaplnené a odpútavajú pozornosť a zdroje od výskumu iných relevantných nebiologických faktorov. Zmeniť prostredie, správanie a rozhodnutia pacienta je pritom mnohokrát jednoduchšou a lacnejšou metódou ako zmeniť mozog než medikácia alebo neurotréning.

7. Mediálny ohlas

Prezentácia fMRI výskumu v médiách je kapitolou samou o sebe. Dôležité experimentálne, štatistické a inferenčné  detaily sú ignorované a fotky zo skenera sú prezentované ako okno do mysle človeka a vedú k povrchným článkom s uletenými tvrdeniami. Stručný výber: (Čo sa týka konkrétnej kritiky pozri Beck, 2010):

Chocoholics really do have chocolate on the brain.

Men see bikini-clad women as objects, psychologists say.

A neuroscientific look at speaking in tongues.

Neuron Network Goes Awry, and Brain Becomes an iPod.

This Is Your Brain on Politics.

Posledný menovaný článok bol op-ed v NY Times písaný vedcami, ktorí nerozhodnutým voličom ukazovali kandidátov do prezidentských volieb a pomocou skenera sa snažili vyčítať ich skryté preferencie. Na tento článok reagovalo listom 17 kognitívnych neurovedcov:

‘This Is Your Brain on Politics” (Op-Ed, Nov. 11) used the results of a brain imaging study to draw conclusions about the current state of the American electorate. The article claimed that it is possible to directly read the minds of potential voters by looking at their brain activity while they viewed presidential candidates.

[…]

As cognitive neuroscientists who use the same brain imaging technology, we know that it is not possible to definitively determine whether a person is anxious or feeling connected simply by looking at activity in a particular brain region. This is so because brain regions are typically engaged by many mental states, and thus a one-to-one mapping between a brain region and a mental state is not possible.

Samotná mediálna prezentácia mozgových skenov sa stala predmetom výskumu. Weisberg et al. (2008) dali probantom posúdiť správne a nesprávne (napr. kruhová argumentácia) vysvetlenia psychologických fenoménov. Niektoré vysvetlenia boli navyše okorenené neurovedeckým slovníkom. Probanti dokázali posúdiť správnosť, avšak neuroslovník signifikantne ovplyvnil ich hodnotenia, tak že neurovedecké vysvetlenia dostali v priemere vyššie hodnotenia správnosti. Autori pozorovali tento fenomén u laickej verejnosti a takisto u študentov neurovied. Skúsení výskumníci však boli voči neurovysvetleniam imúnni. V štúdii od McCabea a Castela (2008) študenti hodnotili logickosť novinových článkov. Články sa líšili len čo sa týka sprievodnej grafiky. Články doplnené skenmi mozgu dostali vyššie hodnotenie ako články s grafom výsledkov alebo bez grafiky.

Možný vysvetlením je že neurovysvetlenia sú jednoduché a pripomínajú redukcionizmus používaný vo fyzike alebo v chémii.  V prírodných vedách sú komplexné fenomény vysvetlené ako interakcia jednoduchých častí. Podobne články v novinách poskytujú dojem, že mozog sa skladá z funkčne odlišných oblastí a komplexné fenomény mysle vznikajú ich interakciou.

V reakcii na mnohé kontroverzie ohľadom skenovania mozgu a ich mediálnej prezentácie vyrástli viaceré blogy zaoberajúce sa kritikou neurovýskumu. Ako príklad poslúžia neuroskeptic, neurocritic, neurobonkers alebo mind hacks.

Rôzne kritiky fMRI výskumu v médiach zasa majú tendenciu vyeskalovať do pózy cisárových nových šiat – verejnosť bola vedcami zavádzaná až kým autor XY neukázal že ich štúdie sú nezmysli. Príkladom je reakcia na článok ohľadom Voodoo korelácii od Vul et al. (2009). Tento sa šíril internetom ešte pred tým než bol recenzovaný a publikovaný (pre zhrnutie histórie pozri Margulies, 2012). Po pár kolách na vedeckých blogoch sa dostalo voodoo koreláciám prezentácie na blogu Newsweeku. Autor blogu pohotovo vyniesol tvrdý rozsudok nad neurovedami: a “bombshell has fallen on dozens of such studies: according to a team of well-respected scientists, they amount to little more than voodoo science.” New Scientist, ktorý predtým radostne oslavoval neurovedy tiež skĺzol do hry na cisárove nové šaty.

Vul et al. menovali konkrétne štúdie, ktorých sa problémy týkali. Autori týchto štúdii tak boli nútený reagovať na tlačové správy. Dialo sa tak dosť chaoticky v diskusiách pod internetovými článkami. Publikované odpovede na odpovede s verziami rýchlo menili obsah takže bolo ťažké diskusie vôbec usledovať. Akademická diskusia nakoniec vyšla v PPS (Diener, 2009).

Z týchto príkladov vidieť, že prezentácia fMRI štúdii v médiach je do veľkej miery polarizovaná. Spôsobené je to z časti novosťou a komplexnosťou fMRI metodiky, z časti senzáciechtivosťou médii. Z časti došlo k prešľapom aj v podaní vedcov. Op-ed v NY times “This is Your Brain on Politics” bol písaní vedcami. Takisto Vul et al. mohli zvoliť trochu umiernenejší titul ako pôvodný Voodoo Corelations in Social Neuroscience. Voodoo korelácie vyznela ako alúzia na knihu Roberta Parka “Voodoo Science”, kritizujúcu pseudovedu. Článok bol nakoniec publikovaný pod iným titulom (Vul et al., 2009).

Trochu ironicky výsledky štúdii Weisberg et al. (2008), McCabea a Castela (2008) sa nepodarilo replikovať (Farah & Hook, 2013) a vplyv neuroslovníka a neuroobrázkov na kritické hodnotenie obsahu mediálnych článkov ostáva nejasný.

8. Dôležitosť psychologického teoretizovania pre fMRI

Čitatelia Mozgostrojov si už zvyknutí na moje frflanie nad nedostatkami psychologických teórii. Psychologické teórie tvoria hmlisté a simplistické príbehy o fungovaní mysle. Tieto jednoduché príbehy nie sú schopné popísať komplexnosť fenoménov ktoré sa snažia vysvetliť. Nie sú schopné poskytnúť detailné kvantitatívne predpovede a sú v konečnom dôsledku ťažko testovateľné a falzifikovateľné. Slabomocné teoretizovanie je zdrojom väčšiny problémov v psychológii a postihne aj ostatní výskum, ktorý prichádza s psychológiou do styku a ktorý sa musí na jej teoretickú produkciu spoľahnúť. Skenovanie mozgu je podľa mňa daľšou takouto obeťou. Ako bolo spomenuté v odsekoch o inferencii z fMRI dát, interpretovateľnosť závisí od dostupnosti testovateľných teórii. Lokalistické blobologické fMRI štúdie sú tak paralélnym produktom k telenovelám o schopnostiach, funkciách, oddieloch, moduloch a ich informačnej promiskuite. Myslím, že vývoj fMRI možno historicky prirovnať k vývoju mikroskopov. Ako prvé ľudia brali mikroskopy ako okno do mikrosveta. A čo nevideli? V súlade s esencialistickým myslením videli malých človiečikov v spermiách, malé kvety v semenách; mikrosvet bol tvorený malými liliputánmi a náš mezokozmos bol výsledkom ich konšpirácie. Podobne lokalistický výskum mozgu pomocou fMRI umožňuje uvidieť schopnosti a funkcie priamo v mozgu – ako malé entity, ktoré koordinujú naše myšlienkové pochody a naše správanie. Aplikácia mikroskopov vyrástla zo svojho protovedeckého použitia. Obrazy, ktoré poskytujú mikroskopy sú používané ako signál, na ktorého interpretáciu je potrebná štatistická analýza a značné teoretické znalosti. Dobrým príkladom je ďalšia technológia umožňujúca detailnejší pohľad – ďalekohľady a teleskopy. Astronómia by v určitom zmysle mohla byť modelom pre psychológiu a neurovedy. Na základe útržkovitých a (doslova) hmlistých dát sú astronómovia schopní vďaka šikovným štatistickým analýzam a solídnej teoretickej práci dospieť k záverom o fungovaní vesmíru.

Myslím, že najlepším riešením všetkých vyššie uvedených problémov fMRI výskumu je použitie kvantitatívneho psychologického a neurobiologického modelovania. Našťastie existujú vedci, ktorí sa týmto smerom už dnes uberajú. Exemplárne môžem odporučiť výskum Johna O’Dohertyho alebo Bradleyho Lovea. Čo sa týka širšej aplikácie tohoto prístupu som skeptický. Na jednej strane fMRI výskum je mladý a lokalistický výskum možno vnímať ako počiatočnú epizódu na ceste k vedeckej aplikácii skenerov. Svojim spôsobom je lokalizácia tou najjednoduchšou metódou ako skeny mozgu interpretovať a určite je potrebné ju vyskúšať. Keď už neumožňuje adekvátne teoretizovanie aspoň umožní deskriptívnu kategorizáciu poznatkov pre budúci výskum. Skôr než Darwin mohol prísť s evolučnou teóriou, boli potrebné  storočia tvorby herbárov, zbierania faktov o faune a flóre a hľadania správnej hierarchickej taxonómie. Myslím, že dnes už máme dostatočnú taxonómiu mozgových funkčných oblastí na to aby sa fMRI mohol posunúť do svojej vedeckej fázy. Hlavným problémom tak zostáva nedostatočná motivácia (podmienená nefunkčným systémom odmeňovania t.j. publikačným systémom) a nekompetentnosť psychológov čo sa týka modelovania. Predpovedám, že skenovanie mozgu bude pokračovať v hromadení nepresvedčivých a navzájom protirečiacich lokalistických výsledkov. Paralelnou alternatívou k tomu je zostup do výskumu podfunkcii a podpodfunkcii (napr. pamäť -> epizodická dlhodobá pamäť pre tváre). Ako sarkasticky vždy dodával Norbert Bischof, táto stratégia umožní vedcom dozvedieť stále viac o stále užšom fenoméne, až nakoniec vedia všetko o ničom.

Na záver chcem ešte zvážiť spätné implikácie fMRI dát pre matematické modelovanie v psychológii. Skenovanie mozgu býva občas prezentované ako protiklad k modelovaniu. Napríklad Tom Griffiths vo svojej prednáške chce skúmať ako vyzerajú ľudské reprezentácie. Svoju vedeckú metódu ilustruje preškrtnutým obrázkom skenera a Griffiths komentuje: “Rather than building special technology that we’re gonna use to answer these question, we are going to try to answer these questions using math.” (1:05-1:24). Ako si predstaviť toto tvrdenie? Ak Griffiths dostane dáta z fMRI štúdie tak fMRI merania vyhodí a postaví model výhradne na základe behaviorálnych dát? Griffiths zrejme kritizuje lokalistické štúdie fMRI. Je mylné myslieť si, že fMRI je možné použiť výlučne na lokalizáciu aktivácie. Práve naopak. Podľa mňa komplexnosť fMRI dát implikuje použitie matematických modelov. Takisto, komplexné modely je niekedy ťažké validovať a rozlíšiť pomocou behaviorálnych dát, keďže tieto neposkytujú dosť informácie. Inak povedané modely môžu byť moc komplexné z pohľadu behaviorálny dát. Samozrejme z pohľadu komplexnosti mozgu a kognície sú smiešnym zjednodušením. fMRI poskytuje dodatočný zdroj informácie pomocou ktorého možno tieto modely odlíšiť a testovať. Matematické modelovanie tak ide ruka v ruke s vývinom fMRI technológie a vskutku každej technológie, ktorá poskytuje dodatočné informácie o fungovaní mysle.

fMRI je obrovským pokrokom v tom zmysle, že poskytuje dodatočné informácie o fungovaní mozgu, ktoré so žiadnou súčasnou neurobehaviorálnou technológiou nedokážeme získať. Psychológovia ešte musia zistiť ako správne túto informáciu využiť aby sa dozvedeli niečo o fungovaní mysle.

Literatúra

Beck, D. M. (2010). The appeal of the brain in the popular press. Perspectives on Psychological Science, 5(6), 762-766.

Bennett, C. M., Miller, M. B., & Wolford, G. L. (2009). Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: An argument for multiple comparisons correction. NeuroImage, 47(1), 125.

Blumstein, S. E., & Amso, D. (2013). Dynamic functional organization of language: Insights from functional neuroimaging. Perspectives on Psychological Science, 8, 44–48.

Cardoso MM, Sirotin YB, Lima B, Glushenkova E, & Das A (2012). The neuroimaging signal is a linear sum of neurally distinct stimulus- and task-related components. Nature neuroscience, 15 (9), 1298-1306.

Diener, E. (2009). Editor’s introduction to Vul et al. (2009) and comments. Perspectives on Psychological Science, 4, 272.

Eisenberger, N. I., Lieberman, M. D., & Williams, K. D. (2003). Does rejection hurt? An fMRI study of social exclusion. Science, 302(5643), 290-292.

Farah, M. J., & Hook, C. J. (2013). The seductive allure of “seductive allure”. Perspectives on Psychological Science, 8(1), 88-90.

Fodor, J. (1983). The modularity of mind. Cambridge, MA: MIT Press.

Haynes, J.D., and Rees, G. (2006). Decoding mental states from brain activity in humans. Nat. Rev. Neurosci. 7, 523–534.

Margulies, D. S. (2011). Six Months of Methodological Controversy within Social Neuroscience. Critical Neuroscience: A Handbook of the Social and Cultural Contexts of Neuroscience, 273.

McCabe, D.P., & Castel, A.D. (2008). Seeing is believing: the effect of brain images on judgments of scientific reasoning. Cognition, 107, 343–352.

Miller, Gregory A. (2010). Mistreating psychology in the decades of the brain. Perspectives on Psychological Science, 5,716–743.

Milner, A. D., & Goodale, M. A. (1995). The visual brain in action. New York: Oxford.

Park, D. C., & McDonough, I. M. (2013). The Dynamic Aging Mind Revelations From Functional Neuroimaging Research. Perspectives on Psychological Science, 8(1), 62-67.

Poldrack, R. A. (2006). Can cognitive processes be inferred from neuroimaging data?. Trends in cognitive sciences, 10(2), 59-63.

Poldrack, R. A. (2010). Mapping mental function to brain structure: how can cognitive neuroimaging succeed?. Perspectives on Psychological Science, 5(6), 753-761.

Soon, C. S., Brass, M., Heinze, H. J., & Haynes, J. D. (2008). Unconscious determinants of free decisions in the human brain. Nature neuroscience, 11(5), 543-545.

Wager, T. D., & Atlas, L. Y. (2013). How Is Pain Influenced by Cognition?
Neuroimaging Weighs In. Perspectives on Psychological Science, 8, 91–97.

Van Horn J. D., and Gazzaniga M. S. (2012). Why share data? Lessons learned from the fMRIDC. NeuroImage.

Vul, E., Harris, C., Winkielman, P., & Pashler, H. (2009). Puzzlingly high correlations in fMRI studies of emotion, personality, and social cognition. Perspectives on Psychological Science, 4(3), 274-290.

Weisberg, D.S., Keil, F.C., Goodstein, J., Rawson, E., & Gray, J.R. (2008). The seductive allure of neuroscience explanations. Journal of Cognitive Neuroscience, 20, 470–477.