测绘人脑功能图是神经科学的一个长期目标，有望为脑疾病新疗法的开发提供信息。早期的人脑功能图是基于导致功能变化的脑病变或脑刺激的位置。随着时间的推移，这种方法在很大程度上被功能神经成像等技术取代，这些技术可以识别与行为或症状相关活动的脑区。尽管有这些优势，但它们揭示的是相关性，而不是因果关系。这给解释这些工具生成的数据，并利用它们开发脑疾病的治疗方法带来了挑战。基于脑病变和脑刺激的人脑功能因果图的回归正在进行。新的方法可以将这些因果信息源与现代神经成像和电生理学技术结合，以获得对特定脑区功能新的洞察力。在本文中，我们为转化研究提供了因果关系的定义，提出了一个连续统一体来评估来自人脑图研究的因果信息的相对强度，并讨论了因果脑图的最新进展及其与开发治疗的相关性。 人脑图研究通常依赖于症状或行为的神经生理学相关物。这种方法产生了大量的关于脑组织的知识，但这些知识并未常规地转化为治疗靶点。相关和因果关系之间的差异可能是造成这种转化缺失的一个重要原因。相关方法不区分引起症状、补偿症状或偶发性与症状相关的脑区。因此，基于神经生理学相关物的干预可能会改善症状，恶化症状，或没有效果。 这种“causality gap”是人类神经科学中一个公认的问题，与其他学科也面临的问题相呼应。【Causality gap，因果关系差距。缺乏相关和因果之间的逻辑联系，特别是当它与确定治疗靶点有关时。】例如，在20世纪80年代初推动使用因果方法之后，计量经济学领域经历了一场“可信度革命”。通过仿效这个例子，神经科学中的因果关系差距可能更好地被框定为因果关系的机会。更广泛地采用因果方法可以提高我们将脑图结果转化为成功干预的能力。使用脑病变和脑刺激的因果图研究帮助形成了主流的临床治疗方法，如帕金森病的深部脑刺激(DBS)和重度抑郁症的经颅磁刺激(TMS)。这些成功可能为基于人脑功能的因果图确定新的治疗靶点提供路线图。 【Deep brain stimulation (DBS)，深部脑刺激。一种通过手术植入深部电极调节大脑活动的侵入性技术，常用于帕金森病的治疗。】；【Transcranial magnetic stimulation (TMS)，经颅磁刺激。一种通过在头皮上施加磁脉冲来调节大脑活动的非侵入性技术，常用于治疗重度抑郁症。】 本文中，我们提供了一个因果关系的临床相关定义，总结了不同的因果脑图方法，提出了一个评估脑图研究中因果关系强度的框架，并描述了如何将这些研究转化为神经精神障碍的解剖学靶向治疗。本文发表在Nature Reviews Neuroscience杂志。脑绘图与因果推理（Brain mapping and causal inference）人脑绘图的简史
早期的脑图基于直接导致功能改变的病变或刺激位点，从菲尼亚斯·盖奇和亨利·莫莱森等有影响力的病变病例到彭菲尔德的颅内刺激研究等系统性实验。然而，在二十世纪后半叶，功能神经成像的出现伴随着病变和刺激研究的减少(图1)。神经成像可以在没有病变的患者身上进行非侵入性的人脑功能测绘，包括健康人。神经成像通常与先前的病变和刺激结果保持一致，并提供了对语言和记忆等复杂功能的额外洞察。【Functional neuroimaging，功能神经成像。一种用于测量脑活动的变化的非侵入性技术，通常基于血液氧合或代谢活动的变化。】 然而，这种新的能力是有代价的，因为这些相关工具远离了脑病变和脑刺激可进行的因果推理。一些人认为这是一个小局限，但另一些人则批评功能神经成像是“新的颅相学”。更重要的是，尽管功能神经成像很受欢迎，但它并没有引起新的临床治疗方法的发展。这导致了一些文章强调人类神经科学中的因果关系差距，以及将功能神经成像与因果技术相结合的必要性。【Causal inference，因果推理。评估一个事件是否直接导致另一个事件发生的过程。】
图1 自1950年以来脑绘图文献的演变。 在二十世纪后期，神经成像文献的增长与脑病变和脑刺激文献的减少相吻合。通过使用“neuroimaging”、“brain stimulation”和“brain lesion”等术语进行谷歌Ngram搜索获得的绘图数据，显示了1950-2019年的数据，平滑设置为5。 因果推理的历史很大程度上集中在解决一个根本问题上——要得出是干预导致了结果，必须确定如果没有干预会发生什么。反事实的，或者如果一项活动不同会发生什么，从定义上讲是无法观察到的。【Counterfactual，反事实的。如果因果事件没有发生时的假设结果。】因此，确定性的因果推理是不可能的。取而代之的是，研究人员通过研究扰动的影响，例如脑活动的局灶性中断，做出仔细的假设来估计反事实。 早在亚里士多德时期，哲学家就认识到了理解因果关系的价值。亚里士多德认为，如果不问“为什么”，就不可能获得真正的知识。亚里士多德的传统启发了中世纪的神学家，如伊斯兰医生兼哲学家伊本·西纳和天主教牧师托马斯·阿奎那。伊本·西纳和阿奎纳都认为，任何因果链要么可以无限追溯，要么应该以主因结束，阿奎纳将主因称为“天主”。【Causal chain，因果链。导致特定结果的一系列事件。】为了探索自由意志的概念，伊本·西纳还描述了发生在上帝设定的链条更下游的次要原因。作为一名医师，伊本·西纳强调了通过操纵这些次要原因来改变结果的必要性。 哲学家们对这个话题争论了几个世纪，直到1748年大卫·休谟编纂了因果推理的八条逻辑“规则”。这一早期的尝试启发了后来的系统，这些系统足够具体，可以科学地应用。例如，罗伯特·科赫的微生物学“假设”被成功地用于确定结核病和霍乱的病原学。最近，奥斯汀·布拉德福德·希尔的流行病学“准则”揭示了许多重要的因果关系，例如吸烟和肺癌之间的联系。 布拉德福德·希尔准则包括：时序性(唯一的强制性准则)、特异性、效应大小、再现性、剂量-反应、生理合理性、实验操纵、类比、可逆性(一个可选准则)和不同水平的一致性。吸烟和肺癌之间的联系举例说明了如何使用这些准则来建立因果关系： 肺癌在吸烟后特别增加，但在咀嚼烟草和酒精等相关暴露后不会增加(特异性)； 吸烟与肺癌之间的关系在不同环境中是一致的(再现性)； 吸烟导致单链DNA断裂，这容易发生肿瘤(生理合理性)； 在动物模型中，吸烟比对照干预(实验操纵)更增加癌症风险； 体外研究、动物研究、人体研究和流行病学研究一致地满足这些准则(一致性)。【Bradford Hill criteria，布拉德福德·希尔准则。一种广泛使用的框架，用于根据观察数据客观地评估因果推理的强度。】 直到20世纪中叶，伊本·西纳的对照临床试验愿景终于实现，医学科学才明确关注因果关系。随机试验改变了临床治疗学的面貌，因为它们通过将混杂因素降至最低来确立因果关系，因为除了干预本身，对照组在几乎所有方面都与干预组相同。因此，随机对照试验通过模拟没有干预的情况，成为估计反事实的黄金准则。【Randomized controlled trials，随机对照试验。随机将临床参与者分配到主动干预或对照干预的研究。】 然而，在设计临床试验之前，必须将因果链的组成部分确定为潜在的治疗靶点——否则，存在基于误导性关联进行干预的风险。例如，肺结核发病率与疟疾发病率、体温、分枝杆菌感染和前往流行国家的旅行有关。这可能会导致一种错误的结论：即结核病可以用抗疟疾药物或退烧药来治疗。事实上，与疟疾的相关是虚假的，因为这两种疾病都是低收入国家的地方病，而与体温的相关本身是反向因果关系，因为结核病会导致发烧。相比之下，分枝杆菌感染是因果原因，因为反事实已经用科赫法则自信地证明了。前往流行国家旅行也在事件的因果链中，但这只是因为它增加了分枝杆菌感染的风险。因此，在第一个随机临床试验评估抗分枝杆菌治疗结核病之前，人们已经很好地了解了可能的结果。 当随机对照试验中的实验操纵是不切实际或不道德时，因果关系仍然可以使用系统的方法(如布拉德福德·希尔准则)进行观察性评估。重要的是，这些观察方法并不一定排除所有未测量的混杂因素。例如，吸烟和肺癌之间的联系可能是由一种未被观察到的遗传因素解释的，该因素独立地增加了两者的风险。计量经济学家经常通过识别自然实验来克服这一限制，在自然实验中，干预的方式几乎是随机的。例如，如果在提高烟草税的不同地区的肺癌发病率持续下降，这种影响不太可能是由未观察到的遗传因素介导的。因此，自然实验可以用来推断因果关系。【Natural experiments，自然实验。以近乎随机的方式偶发性分配干预的观察情况。】 人脑绘图研究人员经常尝试因果推理来实现两个目标中的一个。本文着重于症状定位的目标，旨在确定症状和神经解剖学之间的因果联系。当一种症状被成功地定位时，它可能会通过调节相应的神经解剖学来治疗。第二个目标是测绘信息流的方向图，旨在了解一个脑区如何因果地影响另一个脑区。这些实验试图使用各种有效连接的测量方法来估计脑中两个或更多节点之间的信息流方向。方框1总结了症状定位的不同方法，而方框2总结了测量有效连接性的不同方法。【Symptom localization，症状定位。将神经学或精神病学问题与特定脑区联系起来的过程。】；【Effective connectivity，有效连接。一个神经单位对另一个神经单位施加的影响。】 对于任何一种提供因果关系知识的方法来说，研究必须被设计成估计如果干预方式不同会发生什么。当无法进行直接的实验操纵时，这仍然可以通过回归潜在的混杂因素，逐步拟合包含交互作用的更大的模型，或者估计不同因素如何影响结果的概率来实现。这些方法在如何估计反事实方面有所不同，但可以合并为一个关于因果关系的公理定义：在其他条件相同的情况下，如果一个事件的存在或不存在影响到结果的概率，则该事件是因果的。即使原因不是必要的或不足以引起这种影响，这种概率定义仍然可以揭示治疗靶点。例如，吸烟并不总是导致肺癌，肺癌也不总是由吸烟引起的，但吸烟会增加患肺癌的风险。根据这一定义，我们可以通过减少吸烟的干预措施来降低患肺癌的风险。 虽然这种方法的基本目标是估计反事实，但有时这还不足以清楚地证明因果关系。例如，基于任务的功能磁共振成像(fMRI)实验经常将任务的效果与控制条件进行比较，以估计如果不执行任务会发生什么。然而，由于方框1中描述的原因，这些实验很少被用来论证因果关系。 除了估计反事实，脑绘图中的因果推理可以通过借用布拉德福德·希尔框架的准则来评估(图2)。在这些准则中，有六个准则对评估不同人脑图研究中因果推理的强度特别有用：特异性、实验操纵、剂量-反应、一致性/收敛性、可逆性、时序性。效应大小、再现性、合理性和类比，可以使用任何方法进行研究，因此在比较脑图研究中因果推理的强度时用处较小。 当严格应用这些准则时，来自观测数据的因果推理可以接近随机对照试验的因果推理的强度。然而，目前还没有一个成熟的系统可以从人脑图数据中估计因果推理的强度。在休谟的框架和它所启发的许多系统方法的基础上，我们提出了人类脑绘图的“因果连续体”(图2B)。虽然不可能最终确定干预的因果作用，但这一连续体可以用来对不同脑绘图技术的因果关系的相对强度进行评分。Box 1 | Neuroimaging techniques for mapping symptoms or behaviours 一些症状定位方法可以产生比其他方法更强的因果推理(图2)。值得注意的是，当与因果技术相结合时，许多相关技术可以提供有用的补充信息。 无任务神经成像测量静息态下的脑。血流量可以使用正电子发射断层扫描或动脉自旋标记来测量，连接性可以使用静息态功能磁共振成像(fMRI)和扩散张量成像来估计，结构可以使用体积磁共振成像来测量，电活动可以使用脑电图或脑磁图来测量。这些测量结果可以与临床结果进行比较，以确定行为的神经解剖学相关性。尽管无任务神经成像不满足因果推理的任何准则，但它可以与因果技术相结合，以更好地理解因果关系的基于回路的机制。无任务神经成像也可以用来可靠地测绘脑组织，潜在地揭示因果操作的目标。 基于任务的神经成像测量行为任务的功能神经解剖学相关性。使用这种方法的研究通过比较实验任务和精心设计的控制任务来估计反事实。然而，由于实验的时间方向，基于任务的成像研究很少被用来论证因果关系——这些研究不是操纵脑活动并观察结果行为，而是操纵行为并观察结果脑活动。 神经反馈是基于任务的神经成像的一种变体，参与者有意识地操纵自己基于任务的脑活动。因此，这项技术可以修改脑活动并测量行为的变化，这使得比传统的基于任务的神经成像(修改行为并测量脑活动的变化)能够更好地推断因果关系。 偶发性萎缩模式可以与行为结果进行比较，潜在地说明了特异性(假设萎缩以近乎随机的模式发生)和剂量-反应(如果萎缩程度越大，症状越严重)。然而，时序性很难评估，因为萎缩进展缓慢。目前尚不清楚是萎缩导致了症状，还是症状导致了萎缩，或者两者都是由未测量的变量引起的。例如，黑质萎缩与嗅觉缺失症有关，因为这两种现象都可以由帕金森病引起。 偶发性病变可以表现出与偶发性萎缩相同的特异性和剂量-反应。此外，由于病变发生得很快，它们的时序效应通常是明显的。有些病变甚至是可逆的，比如多发性硬化症。因此，病变研究可以提供相当强的因果推理。然而，由于病变发生在不受控制的环境中，很难应用实验操纵或估计未测量的病变前因素的影响。由于远隔机能障碍，或对遥远连接的脑区的下游影响，病变也会难以解释。incidental stimulation sites 偶发性刺激位点的存在是因为治疗性脑刺激经常不精确地应用于近似的靶点。例如，经颅磁刺激(TMS)通常是使用头皮地标进行靶向的，导致脑刺激位点的偶发性变化。当实际刺激位点被回溯定位时，在任何给定患者受刺激的精确区域中显示出近乎随机的变异性。因此，可以通过比较治疗后和治疗前的状态来估计反事实，而通过比较有效和无效的刺激位点来证明特异性。然而，这种方法仍然依赖于偶发性的方差(自然实验)，而不是前瞻性的实验操纵，因此可能会受到未测量的混杂因素的影响。 靶向病变通常是通过手术产生的，作为一种治疗干预。除了从偶发性病变中收集到的洞察力外，还可以对前瞻性的靶向病变进行实验操纵，尽管考虑到该过程是侵入性且通常是不可逆的，因此这种情况很少见。这使得强大的因果推理成为可能，但目前受到无法评估可逆性的限制。 靶向刺激具有许多与靶向病变相同的优点，另外还有可逆性的好处。它还具有与偶发性刺激点相同的优点，并具有实现精确实验操纵的额外好处。因此，靶向刺激提供了符合因果关系连续体的几乎所有准则的数据。然而，关于刺激对神经功能的影响的假设通常是不准确的(例如，兴奋与抑制)。此外，为了说明一致性，靶向刺激必须与辅以其他技术。convergent causal mapping 收敛因果映射将多种因果方法结合到单个分析中。例如，如果一个症状是由病变特定的回路引起的，而同一症状通过刺激同一回路来缓解，这种跨模式的一致性比单独使用任何一种模式都能实现更强的因果推理。
A | 在人脑图研究中评估因果关系的六个准则，改编自布拉德福德·希尔准则。用颅内电刺激(iES)来说明每个准则。可以通过模拟脑活动没有被调节或被不同方式调节的假设情况来估计反事实。当略微不同的干预措施导致可测量的不同结果时，可以证明特异性。例如，刺激运动皮质的不同部分会对运动功能产生特定的靶向效应。与对照干预(本例中为假干预)相比，实验操纵可以用来选择性地调节特定脑区的活动。当更高强度的刺激导致更高强度的结果时，剂量-反应关系明显，在这种情况下，肌肉收缩更强烈。如果不同的方法在类似的结果上趋同，就可以证明一致性。例如，如果刺激一个位置会导致手指移动，那么同一位置的病变应该会导致手指无力。当脑功能的改变停止时，行为的逆转可以说明可逆性。 B | 我们在人脑图中提出的因果连续体。如何使用改编自布拉德福德·希尔准则的准则来评估不同的脑图技术的例子，沿着因果关系连续体从最小因果关系到最大因果关系排序。与其他脑定位技术相比，靶向脑病变和脑刺激满足更多的因果关系准则(如框1和框2所述)。Conceptual causal mapping frameworks 在不同的人脑图方法中，脑病变和脑刺激是因果关系连续体中走得最远的，假设使用其中一种方法的研究是严格设计的，以估计反事实并证明特异性。然而，可能的病变或刺激位点的数量基本上是无限的，可能的行为结果的数量也是无限的，这使得前瞻性地将每个脑区的行为效应与所有其他脑区分开是不切实际的。这一实际挑战可以通过识别在病变或刺激位点的位置具有偶发性或近乎随机的方差的自然实验来克服。使用大型数据集，可以通过比较脑中数百个偶发性的病变或刺激位点来测试解剖学的特异性。这可以生成与某些病变诱导的症状或刺激诱导的反应相关的脑区的大规模地图。这通常是通过比较修改症状的病变或刺激位置，比较这些病变或刺激位置的连接性，或用直接刺激和记录实时修改症状来实现的。 大多数早期的病变和刺激研究都是基于病例报告或小的病例系列，在这些病例中，一个病变或一个刺激足以导致某种结果。这些研究提供了关于神经解剖学的有用知识，可以清楚地测量感觉、运动和视觉等功能。然而，一些高阶功能很难用个案来研究，因为对较高关联区的刺激并不总是引起可测量的反应。使用因果关系的概率方法可以减轻这种限制，即确定病变或刺激如何修改结果的概率。概率因果关系仍然有助于确定治疗靶点，因为一种降低症状概率的治疗方法仍然具有临床意义。【Probabilistic causality，概率因果关系。一种评估事件是否改变了结果概率的方法，即使它不必要或不足以导致结果。】 在一项概率研究中，使用大数据集来比较多个病变或刺激位点的影响。这首先是通过体素病变症状映射(VLSM)来说明的，它将引起症状的病变与其他病变进行比较。例如，在遭受穿透性脑损伤的退役美国军人中，杏仁核和前颞叶的病变降低了创伤后应激障碍的风险，而后颞叶的病变则增加了焦虑的风险。VLSM中使用的概率方法也被扩展到脑刺激研究——例如，在接受前额叶TMS治疗的重度抑郁症患者中，相对前部和外侧刺激位点比相对后部和内侧位点更有效。然而，VLSM的统计能力是有限的，因为大多数病变和刺激位点彼此不重叠(图3A)，因此需要大样本来检测任何给定脑位置的统计关联。VLSM也不能直接解释远隔机能障碍和相互连接的脑网络的作用，尽管网络层面的关系可能会随着足够的空间覆盖和样本大小而变得明显。【Voxel lesion symptom mapping (VLSM)，体素病变症状映射。一种在逐个体素的基础上分析组织病变和行为之间关系的概率技术。】【Diaschisis，远隔机能障碍。某一脑区受损可导致远处区域功能改变的现象。】Box 2 | Mapping causal interactions between brain regionsMeasuring effective connectivity using brain stimulation 一些研究没有评估某些脑区是如何因果影响特定行为的，而是评估了某些脑区是如何因果影响其他脑区的。通过将局灶性刺激与远程实时生理记录相结合，可以推断因果关系。例如，经颅磁刺激(TMS)或深部脑刺激(DBS)可以与实时功能磁共振成像(fMRI)或脑电图配合。这些组合在因果连续体中的比例很高，因为它们使用了有针对性的刺激。 这些实时实验研究的是有效连接性，它测量脑回路中信息流的方向。如果实验受到严格控制，那么可以使用替代的和虚假的刺激条件来估计反事实。例如，对默认模式网络(DMN)施加兴奋性TMS与抑制性TMS会导致DMN连接性的分离效应。同样，将兴奋性TMS应用于额顶控制/中央执行网络可以立即引起与DMN的连接性的变化，而抑制额顶控制/中央执行网络或刺激其他网络不会引起同样的变化。这种能力在不同的模式下是一致的，因为与刺激额顶控制/中央执行网络或突显网络相比，使用颅内电刺激(iES)刺激DMN会引起不同的电生理反应。这种使用替代刺激靶点来估计反事实的原理也扩展到了其他网络，因为对背侧注意网络的TMS与对DMN的TMS相比可以诱导网络特有的脑电变化。总而言之，这些发现还表明，TMS可能能够间接地改变无法直接接触到的更深层次的脑区。 有效连接可以提供对感兴趣位点之间的直接或间接关系的机械洞察力，以及它们之间信号流动可能的方向性和/或时序。然而，它没有提供关于任何位点对特定行为或功能结果的重要性的因果推理。indirectly estimating connectivity 有效连接性可以基于不同脑区活动之间的时间关系来间接估计。这些时间预测方法对于具有高时间精度的数据特别有用，例如在神经元水平上的局部场电位的颅内测量。最常见的时间预测方法是格兰杰因果关系和动态因果模型。格兰杰因果关系最初是为经济时间序列分析而设计的，它基于两个变量活动的时间延迟来量化两个变量之间的方向关系。动态因果模型使用类似的原理，但将多个区域合并到概率图形模型中，允许通过改变其节点和有向边来指定不同的假设。然后，可以通过选择最简单的解释模型来估计偶发性波动或行为任务的下游影响。 与脑刺激实验相比，这些间接方法提供的因果推理较弱，因为时间预测也不能幸免于虚假关系。无数未测量的混杂因素可能会导致时间延迟，特别是对于功能神经成像等时间分辨率较低的技术。然而，格兰杰因果关系和动态因果模型经常被误解为具有很强因果推理的工具，这可能是由于误导性的命名。 脑区之间的关系也可以使用无任务的神经成像技术来估计，例如静息态功能连接和扩散纤维示踪图。这些方法在因果关系连续体上处于较低水平，并且没有提供关于信息流的因果方向的信息。 当不同患者的非重叠病变引起类似症状时，将症状定位于特定的神经解剖学可能是一项挑战(图3A)。这些个体差异可以解释为一个共同的网络受损，该网络的不同组成部分在个体间受到影响——换句话说，不同位置的病变导致了相同的症状，因为它们与相同的脑回路相交。 【Brain circuit，脑回路。任何相互连接的单元网络，潜在地包括单突触结构连接和/或多突触功能连接。】 为了测试对脑回路的定位，可以将病变和刺激数据与来自脑成像或电生理数据的电路图相结合(方框3)。这种方法被广泛应用于采用病变网络映射(LNM)和相关技术的研究中，这些研究使用相关的神经成像来解释异质性的因果发现。LNM不是简单地比较病变位置，而是首先识别与每个病变连接的回路，然后比较这些回路(图3B)，因为位于不同脑区的两个病变如果损坏相同的脑回路，可能会导致类似的症状。通过这种方式，相关的神经成像可以揭示看似不和谐的因果结果之间的机械联系。 【Lesion network mapping (LNM)，病变网络映射。一种识别与特定的症状或行为所相关的病变之间的共同连接模式的技术。】 因为LNM映射了每个病变的全脑连接，所以每个患者都有脑中每个体素的数据，这为LNM（病变网络映射）提供了比VLSM（体素病变症状映射）更强大的统计能力。LNM还量化了病变或刺激位点与不同回路重叠的程度，从而揭示了剂量-反应关系。最近的许多研究表明，即使在VLSM没有明显重叠的情况下，也可以利用规范的脑连接来检测病变或刺激位点与不同临床结果之间的因果联系。例如，脑病变如果连接到下丘脑，就更有可能导致健忘症。如果DBS位点连接到辅助运动区，则更有可能缓解帕金森病的运动症状。如果TMS位点在功能上与扣带回膝下部呈反相关，则更有可能缓解抑郁。类似的方法现在已经被用于测绘运动障碍、情绪障碍、焦虑相关障碍、精神病性障碍、意识障碍和各种其他神经精神现象的因果神经解剖图。 值得注意的是，大多数LNM研究使用规范的连接体数据库来定义回路，该数据库充当描述任何病变位置的预期连接概况的“接线图”。该接线图基于来自一大群没有脑病变或刺激的参与者的静息态功能连接或扩散纤维示踪图数据。正在进行的工作是比较不同方法生成的接线图，包括结构连接与功能连接，规范连接与个性化连接，每种方法都可能独立增加价值。 在回路水平上研究病变和刺激位点也有一些不利之处。这些方法会增加额外的复杂性，从而增加错误因果推理的风险。如果脑病变导致了特定的症状，就可以合理地推断病变位置与该症状有因果关系。如果导致相同症状的不同病变位置连接到一个共同的中枢，则很容易推断症状和中枢之间的因果关系。然而，中枢只是定义了包含导致症状的病变位置的连接网络。换句话说，因果推理是针对网络的，而不是定义网络的中枢。中枢可能代表一个重要的治疗靶点，但它与应用于病变位置本身的因果推理相差一步。人们需要独立研究病变或刺激对中枢区域的影响，以推断中枢与症状之间的因果联系。
图3：引起相同症状的异质性病变会使因果推理复杂化。 A | 如果引起相同症状的病变与一个共同的脑区(病变1-3的重叠区域，用红色勾画)相交，就可以推断该区域在症状产生中的因果作用。如果引起相同症状的其他病变未能与这个脑区相交(病变4-6)，这种因果推理就会变得更弱。 B | 如果引起相同症状的病变的位置连接到共同的中枢区域(病变1-6)，则与该中枢区域的连接定义了一个脑网络(橙色)，该网络包含导致该症状的所有病变位置。然后，人们可以推断这个脑网络在症状产生中的因果作用。请注意，中枢区域不一定与症状有因果关系，而是定义了与症状有因果关系的网络。Box 3 | circuit mapping approaches that may be combined with causal techniques 有几种成像技术可以提供有关大脑回路组织的可靠信息。这些方法可以与病变或脑刺激位点的因果信息相结合，将效应映射到大脑回路。每种脑图技术都有不同的优势和局限性。 扩散磁共振成像可以测量白质束的位置，使我们能够研究刺激同一束不同部分的效果。这提供了高空间分辨率，但无法测绘多突触关系或交叉白质纤维。 这种方法通过测量远程脑区自发波动之间的相关性来估计连接性，通常使用功能磁共振成像(fMRI)来测量。与扩散磁共振不同，这项技术可以估计刺激位点对全脑多突触网络的影响。然而，它受到时间相关性意味着不同脑区之间存在联系的假设的限制。 与测量个体的结构或功能连接不同，使用大型连接组数据库来估计特定脑区的全脑连接是可能的。这项技术提供了更高的可靠性，但牺牲了大脑结构中的个体间变异性。 脑电图或脑磁图可以用来测量刺激远端大脑区域的即时电效应，提供高时间精度。这些技术使研究刺激快速传播到大脑其他部分成为可能，但受空间分辨率差的限制。 由于具有比体表脑电更高的解剖精确度，颅内脑电能够精确地测绘特定的行为。然而，这些工具是侵入性的，通常只适用于专门的临床中心，在那里患者被评估为接受手术治疗难治性癫痫。 从理论上讲，使用任何神经成像方法，包括任务功能磁共振成像、有效连接、局部脑血流或体积成像，都可以定义先验回路。这些方法还没有被广泛应用于测绘连接到特定病变或刺激位点的回路，因此仍需要方法学验证。 另一种因果推理的方法是通过使用实时刺激实验来解决时序性、实验操纵和可逆性准则，在实时刺激实验中，不同的脑区被集中刺激以诱导瞬时效应。 实时测绘人脑功能图的最精确工具是清醒个体的颅内电刺激(iES)，尽管最近的研究表明热刺激可能达到类似的效果。这些研究通常在癫痫手术前植入多焦点电极阵列用于癫痫监测的患者中进行。尽管这些电极是植入的，但研究人员可以使用它们来传递焦点刺激，并测量参与者的主观体验状态或实验任务表现的变化。这种方法还可以在刺激期间和刺激后同时记录颅内脑电，从而产生有效连接的测量。尽管iES不像LNM和其他回路级分析那样提供全脑覆盖，但人们仍然可以通过比较多个患者数千个可能刺激位点的临床结果来估计反事实。 【Intracranial electrical stimulation (iES)，颅内电刺激。使用深度电极或硬膜下电极调节脑活动的侵入性技术，通常用于脑外科手术前测绘脑功能。】 虽然iES可以追溯到20世纪中叶彭菲尔德的工作，但最近iES研究的复兴因神经成像和基于回路的技术的发展而加速。高分辨率成像方法可以以毫米精度定位受刺激的脑区，以计算给定电剂量下脑的靶向范围。 最近的一些研究提供了一些例子，说明如何利用iES诱导的效应来验证由其他技术定义的解剖边界，如功能神经成像甚至动物模型。例如，通过刺激由基于任务的功能磁共振成像定义的后部梭形面部区的一小块改变对面部的视觉感知。通过刺激由静息态功能磁共振成像定义的前扣带回皮质的中枢可以诱导坚持的意愿。通过刺激基于任务的功能磁共振成像中与自我参照思维有关的部分后内侧皮质，可以诱导自我感觉的改变。此外，观察到对刺激的任何行为反应的可能性与静息态功能磁共振所定义的脑网络边界一致。最后，可以通过刺激后扣带回皮质来诱导解离状态，这是一个基于光遗传小鼠解离模型识别的靶点。这些研究说明了iES如何为相关的神经成像实验或动物模型研究的结果增加价值，潜在地促进它们转化为临床治疗。Clinical causal brain mapping 因果研究在医学上具有独特的价值，因为它有可能确定临床干预的靶点。如果一个特定的因素是因果的，在其他条件相同的情况下，它会影响结果的概率。因此，修改该系数应该修改该结果的概率。在临床神经科学中，这一原理可以使用接受治疗性TMS和DBS的患者的现有数据进行测试。如果某个特定的脑区与某种症状有因果关系，那么刺激该区域应该会改变该症状的概率或严重程度。例如，TMS可以通过研究靶向抑制对言语功能的影响来定位个别患者的语言中心。神经外科医生可以使用这种方法来避免在手术中损害语言功能。 此外，回路图研究使用连接性来深入了解最有效的TMS和DBS靶点。在重度抑郁症中，最有效的TMS位点在功能上与扣带回膝下部皮质呈反相关，而最有效的DBS位点与将扣带回膝下部连接到眶额皮质和边缘系统的束重叠。在帕金森病中，运动症状最有效的DBS位点在结构上与辅助运动区相连，在功能上与初级运动皮质反相关。在强迫症中，最有效的DBS位点与连接丘脑底核和前额叶皮质的束重叠，并在功能上与前扣带回、岛叶和楔前叶相连。在每种情况下，刺激位点都可能被细化，以更好地针对治疗连接，或潜在地避免与DBS副作用相关的连接。这是否会改善临床结果，仍有待前瞻性验证。 除了为任何给定的疾病优化治疗靶点外，因果回路映射方法还被用来区分哪些症状簇对不同的刺激位点有反应。在两组患有重度抑郁症的患者中，连接到特定回路的TMS位点更有可能改善悲伤和自杀等“烦躁”症状，而连接到不同回路的TMS位点更有可能改善失眠和性功能障碍等“焦虑”症状。以这种方式分离症状簇为个性化靶点选择奠定了基础，并突出了更深层次表型的必要性，这可能会揭示针对不同行为或症状的更不同的治疗靶点。 这一框架可以扩展到根据改变不同症状的病变来识别新的TMS和DBS靶点。如果对特定回路的损坏可以引起症状，则可以合理地假设刺激同一回路可以缓解该症状。事实上，一种类似的方法被用来识别目前临床上使用的一些神经调节靶点。对偶发性卒中病灶的早期研究导致确定背外侧前额叶皮质是治疗抑郁症的有效靶点，而关于治疗病变的早期发现确定腹侧中间核、丘脑底核和苍白球内侧部作为帕金森病的有效DBS靶点。 总的来说，这些成功表明，脑病变可以为脑刺激靶向治疗提供信息。因果回路映射方法还说明了多种方法间的一致性，这是因果关系连续体上很少满足的准则。例如，虽然LNM（病变网络映射）可以帮助我们基于与网络的重叠来检测病变和结果之间的因果联系，但因果因素仍然是病变位置，而不是网络中枢(图3)。为了确定网络中枢是否与行为有因果关系，然后可以使用定向刺激，从而满足一致性准则。最近LNM和iES结果之间的一致性的两个例子说明了这一假设。首先，连接到背扣带回的病变可以扰乱意志，而连接到背扣带回的iES可以诱导意志坚持(图4A)。其次，连接到右后梭状回的病变可以扰乱面部识别，而右后而不是左侧或前侧的梭状回的iES，可能会扭曲面部感知(图4B)。这些发现说明了刺激和病变如何能够提供关于网络中枢功能的补充信息。 一个类似的假设表明，不同的刺激方式也可以提供互补的因果信息。如果某一回路与某种症状有因果关系，则该症状应受到对该回路的不同类型刺激的影响。一项对已发表的TMS和DBS靶点的综述针对这一主题探讨了14种不同疾病，发现已发表的针对各种疾病的TMS靶点与针对相同疾病的已发表的DBS靶点连接到相同的脑区。因此，作者假设，基于有效TMS靶点的连接性，可以识别更好的DBS靶点，反之亦然。如果TMS和DBS位点汇聚在同一条回路上，将该回路与症状联系起来的因果推理的强度就会增加。 最近的一项研究系统地测试了461名脑部病变患者(5个数据集)、151名接受治疗性TMS的患者(4个数据集)和101名接受治疗性DBS的患者(5个数据集)的抑郁症严重程度，从而系统地检验了这一假设。在所有14个数据集中，这项分析揭示了一个共同的回路，它与导致抑郁症的病变、改善抑郁症的TMS位点和恶化或改善抑郁症的DBS位点有关(图5)。在“留一数据集”交叉验证中，与该回路的连接也预测了TMS和DBS位点的临床疗效。帕金森病的运动症状也观察到了类似的一致性——导致帕金森症的病变与缓解帕金森症的DBS位点连接到同一回路，并且两者都连接到初级运动皮质，初级运动皮质是帕金森病最常见的TMS靶点。因此，引起症状的脑病变的连接性可能揭示针对同一症状的有效刺激靶点。这为趋同的结果如何加强因果推理提供了一个清晰的模型——如果一个回路与一个症状有因果关系，那么对该回路的不同操作应该修改该症状的概率或严重性。随后的研究将这一原理扩展到其他症状和障碍，发现病变位置可以预测哪些DBS靶点最有可能改变抽动障碍的抽动和帕金森病的认知症状。
A | 病变网络映射(LNM)显示，导致执行动作意愿降低的病变与前扣带(暖色)连接。与附近的其他iES位点(蓝圈)不同，与这个网络重叠的iES位点(绿圈)可以诱导意志坚持。 B | LNM显示，导致面部知觉障碍的病变与右后梭状回(暖色)连接。iES位于右后梭状回(绿圈)，而不是右侧前梭状回或左侧梭状回(蓝圈)，导致面部知觉扭曲。
图5：TMS、DBS和脑病变之间的一致性。 与导致抑郁症的脑病变、缓解抑郁症的经颅磁刺激(TMS)位点和改善抑郁症的深部脑刺激(DBS)位点相连的常见脑回路。 A | 对于461个偶发性脑病变(左上)，使用规范连接组数据库(右上)估计全脑连接性。这张连接图与抑郁症的严重程度进行了比较，得出了与增加抑郁症严重程度的病变连接的全脑回路的图(底部)。 B | 对151个偶发性变化的TMS位点进行了同样的程序，得出了与改善抑郁症的TMS位点连接的全脑回路图。这张图的色标被颠倒，因为改善抑郁症的TMS位点预计与与较低抑郁症严重程度相关的病变位点相反。 C | 同样的程序也对101个DBS位点进行，得出了与DBS位点连接的全脑回路图，这些位点可以改善抑郁症。Road map for future research 除了直接将相关技术和因果技术结合到单一分析中的LNM之外，还有几种方法可以测试相关和因果技术之间的一致性(或缺乏一致性)。这一原理在最近的两项研究中得到了很好的说明，其中基于任务的颅内脑电(因果关系分数=2)被用来识别简单音调感知和复杂语音感知之间的内侧-外侧分离。这些相关的结果被用来指导因果操纵(iES，因果关系分数=5.5)，揭示了内侧位点诱导简单声音的幻觉，而外侧位点干扰了复杂单词感知。因此，通过将相关数据的高级分析与因果刺激相结合，这些研究发现了听觉皮质中一种新的内侧-外侧梯度。 因果技术也可以用来比较不同的相关脑图结果。例如，最近的一项研究使用基于任务的功能磁共振成像(因果关系分数=2)来比较基于无任务神经成像(因果关系分数=0)的不同的脑分割方法。最近的另一项研究使用偶发性病变(因果关系分数=5.5)来比较基于静息态功能磁共振成像(因果关系分数=0)定义“皮质中枢”的不同方法。在这两种情况下，更具因果关系的技术表明，一些相关方法比其他方法在功能上更相关。重要的是，在这类研究中，因果推理的强度是由因果性更强的技术而不是因果性更弱的技术来定义的。在未来，只要可行，就应该使用沿着因果关系连续体进一步发展的技术来检验因果关系较弱的方法得出的结果。 相比之下，当比较不同因果技术的效果时，相关成像也可以被用作生物标记物，特别是那些不能产生可测量的临床效果的技术。例如，功能神经成像可以用来估计TMS对前额叶皮质不同靶点的影响，即使这些靶点没有引起明显的行为变化。此外，在临床效果变得明显之前，通过使用相关成像来测量干预的生理效果，可能会得出有用的治疗性生物标志物。 最后，多焦点刺激协议可以被设计成针对由相关技术定义的回路的不同部分。刺激同一回路的不同节点的效果可能不同，刺激一个位点可能会改变次级位点的兴奋性。各种研究已经尝试了多焦点TMS，一些研究表明，将TMS和DBS应用于同一回路可能是安全的，但需要更多的工作来确定最佳的多焦点刺激方法。 不同的人脑图技术可以在不同的因果推理水平上产生洞察力。重要的是要认识到哪个水平的因果推理适用于给定的研究，并因此形成适当的结论，特别是当目标是发现治疗靶点时。在这里，我们提供了一些在这方面可能有帮助的指导方针： 首先，纯相关性研究应该避免声称因果关系，并谨慎的提出治疗相关性。尽管相关研究可以合理地确定用于诊断和监测的生物标记物，但相关结果和确定治疗靶点之间存在根本性差距——尽管一些相关性可能反映了因果关系，但其他相关性可能是虚假的或反向因果关系。 其次，在得出任何因果结论(包括局限性)的研究中，应明确评估因果推理的强度。在提出治疗靶点之前，脑图结果应该明确地与使用因果关系连续体进行研究的结果进行比较。例如，如果萎缩得出的脑图与相同行为的病变得出的地图一致，那么它们更有可能是因果的。如果在不同的因果映射方法之间存在一致性，并且在因果关系连续体中向上移动时具有一致性，这就增加了相关发现为治疗靶点提供有用的机械洞察力的可能性。 第三，病变和刺激研究应该明确考虑模式之间的一致性程度。随着更多的病变和刺激数据集的可用，这可能会变得越来越常见。我们提供了几个病变和脑刺激数据之间一致性的例子(图4,5)，这增加了对因果关系的信心。 第四，为了确定治疗靶点，不仅要关注因果关系的强度，还要关注其临床相关性。例如，如果刺激特定区域或回路改变了特定症状的概率，这在临床上是有意义的，并可能代表治疗靶点。相比之下，如果刺激特定区域或回路在远处区域引起电生理或血流动力学反应，则该信可能与临床不太相关。这一知识可能有助于机械学和方法论目的，但这并不意味着应该将遥远的区域作为治疗靶点。 第五，因果关系的强度和研究的整体质量之间存在着关键性区别。我们提出的因果关系连续体适用于设计良好、执行良好、方法严谨、控制得当的研究。如果一项研究使用了不合理的方法或缺乏适当的对照组，那么无论使用了哪种方法，因果推理的强度都无法可靠的评估。因此，因果关系连续体只是在评估人脑图研究时应该评估的众多维度之一。 最后，也可能是最重要的是，仍需进行前瞻性随机临床试验，以将因果回路图结果转化为实际治疗方法。大多数现有的临床试验将治疗效果与假治疗或安慰剂进行比较。这种方法对确定治疗方式的效果是有价值的，但不能澄清靶向回路的效果。为了解决这一问题，前瞻性试验可以通过比较刺激不同脑回路的临床效果来分离靶向回路的影响。如果不同的靶点可以调节不同的症状，这些试验将是测试基于回路的假设并将这些发现转化为治疗的有力工具。 病变或刺激改变转归的机制尚不清楚。理解结构损伤导致的脑病变为何会导致功能丧失相对简单，但尚不清楚一些病变如何导致积极的转归。病变通常被认为是抑制性的，但稳态补偿和远隔机能障碍可能会导致脑其他位点的兴奋效应。局灶性脑病变的影响可能超出病变本身，这些影响可能因灰质和白质病变而异。更好地理解远隔机能障碍的神经机制可能有助于解决这些开放性问题。 由于不同刺激参数的作用尚不清楚，经颅和颅内刺激的机制可能会增加因果脑图研究解释的复杂性。不同刺激频率和强度会有什么影响？不同的皮质层是如何受到影响的？转归与认知状态或任务有什么关系？这些和其他因素可能会影响哪些神经元会受到刺激的影响？刺激场的细微变化可以导致行为结果的可测量差异，这可能解释了为什么彭菲尔德的一些实验未能复制。 结果在TMS文献中尤其不一致。这在一定程度上与剂量有关——在过去的20年里，TMS研究使用了越来越高的剂量，并观察到越来越大的效应。然而，对个体差异和机制仍然知之甚少。例如，传统上认为高频TMS可以增加皮质兴奋性，但多达30%的个体可能表现出兴奋性没有变化，甚至降低。同样，TMS被假设通过调节NMDA受体介导的可塑性发挥作用，这种可塑性可以被各种药物修饰，但这些药物对TMS临床转归的影响很小。因此，即使是严格设计的TMS研究也可能产生有限的影响大小，潜在地低估了目标脑区和行为影响之间的真正因果关系。 最后，当试图将因果信息映射到脑回路时，重要的是要注意到，脑回路可以用不同的方式定义。人脑回路可以使用数千个单独的体素、数百个不同的模块或少数几个功能独立的网络来定义，并且可以在群体或个人层面上定义。这种异质性导致研究人员自由度很高，并可能导致神经成像结果的再现性较差。最近的一项研究说明了这种分裂，在该研究中，70个不同的研究团队被要求在相同的神经成像数据集中测试相同的假设，没有两个团队选择相同的分析程序。尽管许多因果关系图研究对微妙的方法变化具有稳健性，但其他研究在使用不同方法时得出了不同的结果。方法论标准化可能会提高再现性(布拉德福德·希尔的准则之一)，从而帮助整个领域更接近因果推理。 由于几十年来在临床和系统神经科学方面的研究，该领域已经积累了关于不同脑区组织的丰富知识。最近基于病变和刺激的研究的重新出现也导致了我们推断这些不同区域的因果作用的能力的迅速增长，潜在地使靶向神经调节的更知情的临床试验成为可能。为了实现这一点，因果关系应该被解释为连续谱上的“更强”或“更弱”，并且应明确承认纯相关性的发现。通过使用进一步遵循因果关系连续体的工具和方法，我们可以更接近于将脑图转化为神经精神疾病的临床治疗靶点。效仿计量经济学领域的榜样，这或许有助于人脑图实现自身的可信度革命。
|
