2023年12月6日晚20點，中國科學院深圳先進技術研究院、腦認知與腦疾病研究所研究員蔚鵬飛教授作為腦客中國科研第126位講者為大家帶來主題為《計算神經行為學新技術與神經調控》的報告。
尊敬的各位聽眾，非常榮幸今天晚上跟大家在腦客中國平臺上交流。我今天報告主要分為兩部分，一個是計算神經行為學，另一個是神經調控。前半部分的內容會稍微多一點，因為神經調控也是我這幾年在與臨床進行合作的過程剛開始做的。 然后咱們有什么具體的問題，可以在報告后進行交流。
1、語言腦機接口的必要性
首先從一些簡單的背景入手，無論是做神經生物學、認知神經科學或是臨床研究的過程中，其實對大腦觀測最直接的方法手段就是對主體行為進行評估觀測。一方面，比如說做動物實驗，肯定是從動物實驗的一些臨床行為表情去入手它的一些機制和功能； 而在臨床上，基因疾病的篩選和評估，一般來說也主要是依賴于主觀或者客觀的評估量表。
所以說行為監測，其實是一個最直接簡便去評估大腦的窗口。雖然它沒有那么精準，但其實是在所有的研究中要做的第一步工作。
2、語言腦機接口框架
這樣就引出了目前在腦疾病藥物開發領域，從老鼠到人的實驗對象的變化，存在大量臨床驗證失敗的情況。大家就在考慮可能是動物實驗的行為研究結果不準確引起的。
舉一個例子，抑郁癥的相關研究，所有研究抑郁癥的藥物都必須要用的一個標準研究范式。 叫強迫游泳行為學范式。 統計到2015年，平均每天都有用這個范式發表的研究論文。 其中很多藥物最終進入到臨床，也是基于這個實驗的發現結果。 但是現在這個范式被質疑說其實它無法代表更加復雜的人類的抑郁狀態，已經不太推薦作為抑郁癥藥物臨床前評價的模型使用。 所以說一個好的實驗評價行為范式模型，對于腦科學乃至腦疾病研發是非常重要的。
2019年，美國神經學會在成立50周年特刊中特別提到了一篇文章。 現在我們在腦科學研究中，其實缺乏精準的行為測量方法和同步神經活動記錄的工具，嚴重限制了神經科學研究。 而未來50年，和對神經環路機制的細致挖掘一樣，對行為也應該進行細致、自動化的篩查、量化。
他們展望未來在包括AI等技術進來以后，希望能夠助力整個無論是在臨床前的動物實驗，還是在實際的臨床中做篩查，都希望有更多的方法能夠更進一步高效和快速的行為篩查相關工作。
3、國際語言腦機接口研究進展
我們先簡單看一下，一般來說我們在動物的腦科學研究中的行為范式是什么樣的。
主要分成幾大類，首先是預定義特征的行為。類似于做這種fair condition，就是條件恐懼。 我們會把動物受到電擊以后，它在原地停留的時間定義為一個凍結狀態，拿它來去衡量動物的恐懼以及恐懼記憶產生的程度。
第二類叫做與地標（特定位置或物體）相關的行為。 主要是做社交類的行為，比如說做一些檢查是不是有自閉癥。 我們會把老鼠放在不同的箱體里面來看它對于新穎老鼠跟同伴老鼠的偏好性來去判斷他社交能力，主要看它是在不同箱體停留的時間來作為評價。
這兩類其實都是在非常有限的情況下去做的一些簡單的指標評價。 而現在我們想做的就是第三類，自然（自發）行為。 也就是說通過一些更加精細的活動，去分辨出來它是不是有一些腦功能疾病異常的狀態。
4、漢語的腦機接口合成
按照方法學進行講解，研究行為學主要有幾個步驟：
第一就是行為的記錄。 等于是用攝像頭、傳感器先記錄下來，然后進行目標的檢測，這是前面檢測的部分。 后面主要是針對這些數據，怎么對動物姿態進行追蹤，發現它特定的識別參數，最后基于這些參數對行為產生理解的過程。
在經典傳統的行為學方法里面，我們一般會把動物簡單的量化為一個點兒或是一個球。 因為過去的追蹤技術是比較簡單的，主要是看它的一些運動軌跡特征進行評判。
2018年以后，得益于深度學習在計算機視覺領域里面的應用，逐漸出現了包括Deep LabCut 、SLEAP、Moseq，這種基于深度學習對身體姿態點估計的技術。就能夠從原來只是一個量化的點或球，能夠看它一些更加精細的身體姿態特征以及三維特征。
所以2018年以后就產生了一門比較新的研究方向，就是今天的題目，叫計算神經行為學，通過AI的方法，能夠更加精細地對動物和人的行為進行評價和研究。
以上為本期直播部分內容，觀看本期及往期完整視頻內容可掃描下方二維碼觀看。
掃描二維碼
觀看完整視頻
END
往期精彩節選
