追问daily | 当我们清醒时，大脑的部分会小睡；额叶和海马的言语脑机接口；行为障碍存在广泛的大脑结构差异

█脑科学动态

当我们醒着时，大脑的部分会小睡；反之亦然

新型人脑模板提升神经影像数据分析效率

行为障碍儿童具有广泛的大脑结构差异

事件相关电位有望成为阿尔茨海默病诊断新工具

精神分裂症的病灶图谱研究揭示了治疗和诊断的新希望

█AI行业动态

Andrej Karpathy创办AI教育公司Eureka Labs

█AI研发动态

额叶和海马的言语神经假体：将高频活动解码为音素

机器学习定义帕金森病新亚型，为个性化治疗铺路

大语言模型在心理学研究中的应用前景与风险探讨

AI工具成功回应患者电子健康记录查询

EmoLLM：大模型助力心理健康辅导

认知行为疗法提示助你重塑思维模式

视觉语言模型的盲点：简单视觉任务中的挑战

脑科学动态

当我们醒着时，大脑的部分会小睡；而当我们睡着时，这一部分也会醒来

加利福尼亚大学圣克鲁兹分校和圣路易斯华盛顿大学的科学家合作，首次发现，当我们清醒时，大脑某一微小区域的脑电波会突然关闭几毫秒；当我们睡着时，在同一区域，这些脑电波会突然震动，持续时间相同。

研究人员通过训练神经网络分析大量脑波数据，揭示了以前未被描述过的高频模式。这些数据来自小鼠的十个大脑区域，记录了24小时的高分辨率神经活动。研究发现，大脑状态可以在快速、非周期性活动中识别，并且这种嵌入在1000赫兹以上的频率范围内仍然存在。这种嵌入对亚状态、尖波涟漪和皮层开/关状态具有鲁棒性。

研究还发现，个别大脑区域可以独立于其余部分间歇性地切换状态，并且这种短暂的状态不连续与行为不连续相吻合。这些发现挑战了长期以来对睡眠和清醒神经基础的基本认知，提示了大脑状态的基本单位可能与神经计算的空间和时间尺度一致。研究发表在Nature Neuroscience上。

#神经科学 #脑波 #神经网络 #高频活动

阅读论文：

Parks, David F., et al. “A Nonoscillatory, Millisecond-Scale Embedding of Brain State Provides Insight into Behavior.” Nature Neuroscience, July 2024, pp. 1–15. www.nature.com, https://doi.org/10.1038/s41593-024-01715-2.

新型人脑模板提升神经影像数据分析效率

达特茅斯学院的Haxby实验室开发了一种名为“OpenNeuro Average”（onavg）的新型皮层表面模板，用于更高效、更准确地分析脑成像数据。

传统的皮层表面模板因将折叠的大脑皮层膨胀到标准形状时引入的几何扭曲，导致采样位置不均匀。为了克服这一问题，达特茅斯学院的研究团队基于OpenNeuro平台提供的1,031个大脑的高质量结构扫描数据，创建了onavg模板。这一数据量是现有模板的25倍。团队通过优化顶点（vertex）位置，使其在皮层解剖学上实现均匀分布，显著提高了数据分析的准确性。

研究表明，使用onavg模板进行的多变量模式分类准确性和参与者间代表性几何相关性显著高于其他模板。同时，与其他模板相比，onavg只需使用四分之三的数据量即可达到相同的性能。优化后的采样还减少了各算法的CPU时间，减少幅度在1.3%到22.4%之间，这是由于每个搜索光斑中顶点数量的变异减少所致。研究结果表明，onavg模板在提高数据利用效率和学术研究结果的可重复性和再现性方面具有重要意义。该研究成果发表在Nature Methods期刊上。

#神经技术 #Nature_Methods #皮层表面模板 #神经影像 #数据分析

阅读论文：

Feilong, Ma, et al. “A Cortical Surface Template for Human Neuroscience.” Nature Methods, July 2024, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41592-024-02346-y.

行为障碍儿童显示出广泛的大脑结构差异

行为障碍（CD）是一种常见但未被充分认识的疾病，其症状包括反社会或攻击性行为，通常在儿童或青少年时期诊断出来。巴斯大学和伯明翰大学的研究人员与来自欧洲、北美和亚洲的研究团队合作，进行了有史以来最大规模的此类研究。

研究使用了来自15个国际队列的结构性MRI数据，包含1185名CD患者和1253名正常发展的儿童，平均年龄为13.5岁。通过ENIGMA标准化协议预处理3D T1加权MRI脑扫描数据，研究评估了皮层厚度、表面积和皮层下体积的组间差异。研究发现，与正常儿童相比，CD组在26个皮层区域的表面积和总表面积较低，皮层厚度在尾侧前扣带皮层和颞上沟有差异。此外，CD组的杏仁核、伏隔核、丘脑和海马体积较小。大多数差异在调整ADHD共病或智商后仍显著。

研究还发现，无论性别，CD儿童的大脑结构都与正常儿童不同，具有高冷漠无情特质的个体表现出更广泛的差异。这项研究提供了迄今为止最有力的证据，表明CD与广泛的大脑结构差异有关。研究发表在The Lancet Psychiatry上。

#大脑健康 #The Lancet Psychiatry #行为障碍 #MRI #皮层结构差异

阅读论文：

Gao, Yidian, et al. “Cortical Structure and Subcortical Volumes in Conduct Disorder: A Coordinated Analysis of 15 International Cohorts from the ENIGMA-Antisocial Behavior Working Group.” The Lancet Psychiatry, vol. 11, no. 8, Aug. 2024, pp. 620–32. www.thelancet.com, https://doi.org/10.1016/S2215-0366(24)00187-1.

事件相关电位有望成为阿尔茨海默病诊断新工具

波士顿大学乔巴尼安和阿维迪西亚医学院与西奈山伊坎医学院合作进行了一项研究，探讨了事件相关电位（ERPs）在阿尔茨海默病（AD）诊断中的潜力。研究对象为50至100岁的退伍军人，主要来自波士顿VA医疗系统的记忆障碍诊所。

研究团队招募了67名记忆障碍诊所的退伍军人，其中28名患者的淀粉样蛋白PET扫描结果为阳性，显示患有阿尔茨海默病，另有39名患者的PET扫描结果为阴性，显示其认知障碍并非由阿尔茨海默病引起。所有参与者均接受了神经心理评估（纸笔记忆测试）和ERP测试。研究表明，ERP-P200的目标幅度和标准潜伏期是预测淀粉样蛋白PET状态的重要指标。具体来说，P200标准潜伏期在ROC分析中表现出最高的特异性和敏感性，能够正确分类86%的患者。

这项研究首次在多样化的患者群体中验证了ERPs作为阿尔茨海默病体内生物标志物的效用。研究结果表明，ERPs可以作为一种辅助临床工具，帮助判断患者是否需要进行更具侵入性的生物标志物检测以确认淀粉样蛋白阳性。此外，研究人员还建议未来的研究应关注ERPs在监测阿尔茨海默病抗淀粉样蛋白治疗反应中的应用潜力。研究结果发表在Journal of Alzheimer's Disease上。

#大脑健康 #Alzheimer #生物标志物 #事件相关电位 #神经技术

阅读论文：

Marin, Anna, et al. “The Use of Event Related Potentials to Predict Amyloid PET Status Among Patients from a Memory Disorders Clinic.” Journal of Alzheimer’s Disease, vol. Preprint, no. Preprint, Jan. 2024, pp. 1–14. content.iospress.com, https://doi.org/10.3233/JAD-231038.

精神分裂症的病灶图谱研究揭示了治疗和诊断的新希望

精神分裂症的起源和发展机制一直困扰着科学家。麦吉尔大学的Lena Palaniyappan教授领导的研究团队，与复旦大学和华威大学的科学家们合作，使用创新的病灶图谱（epicenter mapping）技术，试图揭示精神分裂症在大脑中的起源和发展。

研究团队通过分析1124名精神分裂症患者的磁共振成像（MRI）数据，发现布罗卡区和岛叶皮质（frontoinsular cortex）是精神分裂症结构异常最可能的起点。这些区域分别负责语言和情感处理。尽管确定了这两个常见区域，疾病也可能在大脑的其他区域发展。研究表明，每个患有精神分裂症的人都有一个独特的起点，这解释了症状的差异。然而，存在一个共同的过程，导致大脑结构的弥散性但微妙的变化。

研究人员希望通过病灶图谱技术，可以在症状出现前识别出最受影响的大脑部分，从而帮助确定哪些患者更适合特定治疗。尽管精神病患者往往因语言和沟通问题面临失业和社会排斥，研究团队希望他们的研究能够推动临床试验，利用病灶图谱更好地匹配治疗方案，尤其是针对语言和沟通方面的治疗。该研究发表在Science Advances上。

#大脑健康 #精神分裂症 #病灶图谱 #布罗卡区 #前岛皮质

阅读论文：

Jiang, Yuchao, et al. “Neuroimaging Epicenters as Potential Sites of Onset of the Neuroanatomical Pathology in Schizophrenia.” Science Advances, vol. 10, no. 24, June 2024, p. eadk6063. science.org (Atypon), https://doi.org/10.1126/sciadv.adk6063.

AI 行业动态

Andrej Karpathy创办AI教育公司Eureka Labs

7月17日，前特斯拉AI高级总监、OpenAI创始成员Andrej Karpathy在X平台宣布创办新公司Eureka Labs，专注于人工智能与教育的结合。Karpathy表示，过去在特斯拉和OpenAI的工作只是“副业”，而现在创办Eureka Labs才是他真正的“正职”。

Eureka Labs的愿景是打造一所AI原生的新型学校，通过“教师+人工智能”的共生模式优化教育体验，旨在解决教育资源不均的问题。其首个产品是本科课程LLM101n，教授学生训练自己的AI模型。课程内容涵盖语言建模、机器学习基础、多模态、RLHF、模型部署等，目标是构建一个类似于ChatGPT的运行Web应用程序。

Karpathy一直以来对教育充满热情，从早期的YouTube魔方教程到斯坦福大学的深度学习课程CS231n，再到“Zero-to-Hero AI”系列，他的教育理念贯穿始终。Eureka Labs的成立，是他在人工智能和教育领域多年探索的结晶。

Karpathy在公告中透露，公司名称Eureka源自古希腊语，象征着理解新知识时的喜悦。他希望通过Eureka Labs激发更多人的学习热情。目前，LLM101n课程已在GitHub上获得广泛关注，收获了17k Star。

#Andrej Karpathy #Eureka Labs #人工智能教育 #AI课程 #创新创业

AI 研发动态

额叶和海马的言语神经假体：将高频活动解码为音素

失去语言能力对患者来说是毁灭性的，来自特拉维夫大学和特拉维夫苏拉斯基医疗中心的研究团队，利用大脑思维成功让无声患者“发声”。研究由Ariel Tankus和Ido Strauss领导。

本研究报告了一种新型语音神经假体，该假体基于从未用于神经假体的脑区（前扣带皮层和眶额皮层、海马的高频活动来人工生成语音基本单元。研究对象是一名37岁的男性癫痫外科患者，尽管其语言功能完好，但由于临床需要植入了深部电极。研究团队首先记录了患者在发出两个元音（/a/和/e/）时的脑电活动，通过深度学习和机器学习训练AI模型识别与这两个元音相关的脑电活动模式。然后患者仅需想象发出这两个元音，计算机便可将其电信号翻译成预录的声音。

结果表明，参与者通过神经假体以85%的准确率人工生成不同的元音。在随后的试验中，表现持续改善，这可能归因于神经可塑性。这一研究结果显示了利用高频脑电活动（包括尖峰活动）来无声生成语音单元的临床可行性。这些语音单元可以替代丧失的语音控制路径，从而帮助完全瘫痪的患者重新自愿发声。研究发表在Neurosurgery期刊上。

#神经技术 #Neurosurgery #脑电活动 #神经假体 #语音生成

阅读论文：

Tankus, Ariel, et al. “A Speech Neuroprosthesis in the Frontal Lobe and Hippocampus: Decoding High-Frequency Activity into Phonemes.” Neurosurgery, May 2022, p. 10.1227/neu.0000000000003068. journals.lww.com, https://doi.org/10.1227/neu.0000000000003068.

机器学习定义帕金森病新亚型，为个性化治疗铺路

威尔康奈尔医学院的研究人员通过分析两个大型数据库的匿名临床记录，利用深度学习方法，定义了帕金森病的三种亚型：缓慢进展亚型（PD-I），约占患者的36%，特征是基础症状轻微且进展速度缓慢；中等进展亚型（PD-M），约占51%，基础症状轻微但进展速度适中；快速进展亚型（PD-R），症状进展速度最快。通过网络分析患者的基因和转录组，他们探索了每个亚型的分子机制。例如，PD-R亚型激活了特定通路，如神经炎症、氧化应激和代谢相关的通路。团队还发现了三种亚型的特异性脑成像和脑脊液生物标记物。

研究团队利用PPMI队列的数据作为主要亚型开发队列，并通过NINDS帕金森病生物标记计划（PDBP）队列进行验证。研究人员还发现，通过靶向不同亚型的特定分子变化，某些药物可能被重新利用以改善帕金森病的进展。使用两个大型现实世界数据库，研究人员确认了这些药物的有效性。例如，糖尿病药物二甲双胍（metformin）在改善认知和跌倒症状方面显示出潜力，特别是对PD-R亚型患者。研究发表在 npj Digital Medicine 上。

#大脑健康 #人工智能 #机器学习 #个性化治疗 #帕金森病

阅读论文：

Su, Chang, et al. “Identification of Parkinson’s Disease PACE Subtypes and Repurposing Treatments through Integrative Analyses of Multimodal Data.” Npj Digital Medicine, vol. 7, no. 1, July 2024, pp. 1–22. www.nature.com, https://doi.org/10.1038/s41746-024-01175-9.

大语言模型在心理学研究中的应用前景与风险探讨

PNAS Nexus上的一篇文章由Mohammad Atari及其团队发表，探讨了大语言模型（LLM）在心理学研究中的应用前景和风险。研究强调，在使用LLM时，研究人员不仅要考虑如何使用，还要问是否以及为什么要使用。

研究团队通过多项实证研究探讨了LLM在心理学研究中的局限性、伦理影响和潜力。他们发现，LLM无法替代人类参与者，因为它们无法捕捉人类认知和道德判断的跨文化差异。大多数LLM主要基于来自西方、受过教育、工业化、富裕和民主（WEIRD）社会的数据进行训练，且大部分数据是英文。

此外，尽管LLM可以对同一问题生成多种回应，但这些回应往往是基于统计概率的最可能结果，无法模拟多样化的群体反应。在隐性、情感、道德或情境依赖的文本分析中，LLM也不具备优势，其“黑箱”性质使得结果难以重现。研究还指出，LLM在许多任务中不优于较小、精调的语言模型。尽管LLM在某些情境下有用，但草率和不合理地应用LLM可能会危及心理学研究的严谨性和质量。研究发表在PNAS Nexus上。

#PNAS Nexus #大语言模型 #心理学研究 #伦理影响

阅读更多：

Suhaib Abdurahman, Mohammad Atari, Farzan Karimi-Malekabadi, Mona J Xue, Jackson Trager, Peter S Park, Preni Golazizian, Ali Omrani, Morteza Dehghani, Perils and opportunities in using large language models in psychological research, PNAS Nexus, Volume 3, Issue 7, July 2024, pgae245, https://doi.org/10.1093/pnasnexus/pgae245

AI工具成功回应患者电子健康记录查询

在疫情期间，纽约大学朗格健康中心的患者通过电子健康记录（EHR）工具向医生提问的频率大幅增加，导致医生负担过重。纽约大学格罗斯曼医学院的研究团队开展了一项研究，评估AI工具在回应患者查询方面的效果。

研究团队在2023年引入了一种私有的GPT-4实例，允许医生使用真实患者数据进行实验。16位初级保健医生参与了这项研究，他们对344对由AI生成和人类医生撰写的回复进行了评分。结果显示，AI生成的回复在准确性、完整性和相关性方面与人类医生的回复没有显著差异，而在可理解性和语调方面则表现更好。此外，AI回复在被认为具有同理心和传递积极情绪方面也表现优异。然而，AI回复的语言复杂度较高，长度也比人类医生的回复更长，需要进一步培训以简化其语言。该研究发表在JAMA Network Open上。

#人工智能 #电子健康记录 #医生负担

阅读论文：

Small, William R., et al. “Large Language Model–Based Responses to Patients’ In-Basket Messages.” JAMA Network Open, vol. 7, no. 7, July 2024, p. e2422399. Silverchair, https://doi.org/10.1001/jamanetworkopen.2024.22399.

EmoLLM：大模型助力心理健康辅导

EmoLLM是一个专注于心理健康辅导的先进大型语言模型项目，通过对预训练语言模型的指令微调，旨在帮助用户理解和管理情绪，提供心理健康评估和干预措施。EmoLLM不仅能帮助用户管理和表达情绪，还提供情感支持，帮助用户从负面情绪中恢复。此外，EmoLLM分析和改善用户的思维模式和认知偏差，提供解决问题的策略，从而提升用户的应对能力。

在创建和训练EmoLLM的过程中，首先选择了具有强大文本理解和生成能力的预训练语言模型，如InternLM、Qwen、ChatGLM等。接着，收集了大量心理健康相关的对话和文本数据，使用多轮对话数据集CPsyCounD进行训练和评估，以确保模型能够进行连续、上下文相关的对话。通过QLoRA/LORA等高效微调技术，EmoLLM被优化得更加适用于心理健康辅导任务。

模型训练过程包括输入整理好的对话数据，让模型学习如何进行心理健康辅导对话，并通过不断调整参数以提高其表现。训练完成后，EmoLLM被部署到OpenXLab、ModelScope等平台，并通过LMDeploy量化部署，以确保在各种设备上高效运行。EmoLLM不仅考虑到用户的情绪管理，还提供应对压力的技巧和社交技能培训，增强用户的自我效能感和行为适应能力。

#心理健康 #情绪管理 #认知行为辅导 #社会支持 #心理韧性

阅读论文：

https://github.com/SmartFlowAI/EmoLLM

认知行为疗法提示助你重塑思维模式

近年来，认知行为疗法（CBT）作为一种有效的心理治疗方法，受到了广泛关注。近日，有Reddit用户分享了一项基于CBT的提示，旨在帮助人们识别和重构生活中的负面思维模式。虽然分享者并非专业治疗师，但通过阅读相关书籍，他发现这些提示对克服焦虑等问题颇为有效。

该提示被设计为一个虚拟的认知行为治疗师，通过温和和开放的方式引导用户完成CBT的各个步骤。具体步骤如下：

• 识别问题：提示帮助用户识别生活中令人困扰的情况或条件；

• 认识情绪和信念：引导用户意识到自己对这些问题的想法、情绪和信念；

• 识别负面思维：根据用户的回答，识别并分类导致用户痛苦的负面或不准确的思维模式，如非黑即白思维、过度概括、心理过滤等；

• 认知重构：通过一系列提问，帮助用户重新构建他们的思维。例如，询问用户对某种想法的证据，是否存在其他解释或视角，是否在夸大情况的负面方面等。

通过上述步骤，用户可以逐步认识到自己的负面思维，并学会如何用更理性和积极的方式重新思考问题。这不仅有助于减轻焦虑和压力，还能提升整体心理健康。

#认知行为疗法 #负面思维 #心理健康 #焦虑缓解 #认知重构

阅读更多：

https://www.reddit.com/r/ChatGPTPro/comments/12juous/cbt_therapy_prompt/

视觉语言模型的盲点：简单视觉任务中的挑战

近日，一项针对视觉语言模型（VLMs）的研究揭示了这些模型在处理简单几何图形任务中的显著局限性。研究测试了四种最先进的VLMs，包括GPT-4o、Gemini-1.5 Pro、Claude-3 Sonnet和Claude-3.5 Sonnet。这些模型在多个复杂的视觉理解基准测试中表现出色，但在一些对人类而言非常简单的任务中却表现不佳。

研究设计了七个任务，分别测试了VLMs在计算线条交点、判断圆形重叠、识别被圈住的字母、计算重叠和嵌套形状、计算网格行列以及跟踪单色路径中的表现。结果显示，VLMs在这些任务中的表现显著低于预期。例如，在计算两个线段交点的任务中，GPT-4o、Gemini-1.5 Pro、Claude-3 Sonnet和Claude-3.5 Sonnet的准确率分别为48.67%、69.67%、64.00%和77.33%。在判断两个圆是否重叠的任务中，Gemini-1.5 Pro的最高准确率为92.78%。

在识别被红圈圈住的字母任务中，VLMs在测试字符串“Subdermatoglyphic”时的准确率为：GPT-4o 70.18%，Gemini-1.5 Pro 92.81%，Claude-3 Sonnet 73.34%，Claude-3.5 Sonnet 89.22%。在计算重叠形状的任务中，Claude-3.5 Sonnet的表现最好，但准确率也仅为75.83%。而在计算嵌套方块的任务中，Claude-3.5 Sonnet的准确率为87.50%。

这些结果表明，尽管VLMs在高层次的视觉任务中表现优异，但在处理基本的视觉任务时仍存在明显不足。研究指出，这些模型在识别和计算简单几何图形时的表现类似于患有近视的人的视觉感知，即只能模糊地看到细节或依靠猜测来做出判断。

#视觉语言模型 #简单视觉任务 #几何图形 #研究挑战 #模型优化

阅读论文：

Rahmanzadehgervi, Pooyan, et al. Vision Language Models Are Blind. arXiv:2407.06581, arXiv, 12 July 2024. arXiv.org, https://doi.org/10.48550/arXiv.2407.06581.

整理｜ChatGPT

编辑｜丹雀 & 存源

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或扫二维码添加小助手微信questionlab，加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的全球最大私人脑科学研究机构之一，总部设在美国。

TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了TCCI加州理工神经科学研究院。

TCCI建成了支持脑科学研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI加速科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。