Anhebung der standard für Psychologie-Forschung: Forscher entwickelt-data-standards für die Bildgebung des Gehirns und gilt strenge rechnerische Methoden zu arbeiten

Anhebung der standard für Psychologie-Forschung: Forscher entwickelt-data-standards für die Bildgebung des Gehirns und gilt strenge rechnerische Methoden zu arbeiten

In den letzten Jahren, die Bemühungen zu verstehen, die Funktionsweise des Geistes auf sich genommen haben, in neuer Dringlichkeit. Nicht nur sind psychische und neurologische Erkrankungen-von Alzheimer und Schlaganfällen bis hin zu Autismus und Angst — immer mehr ausbreitet, die neue Werkzeuge und Methoden herausgebildet haben, die es Wissenschaftlern ermöglichen, erkunden Sie die Struktur und Aktivität innerhalb des Gehirns mit größerer Granularität.

Das Weiße Haus hat die GEHIRN-Initiative am 2. April 2013, mit dem Ziel der Unterstützung der Entwicklung und Anwendung von innovativen Technologien, erstellen ein dynamisches Verständnis der Funktion des Gehirns. Die initiative unterstützt hat, mehr als $1 Milliarde in der Forschung und hat neue Erkenntnisse, neue Medikamente und neue Technologien zu helfen, Personen mit Erkrankungen des Gehirns.

Aber dieser Reichtum der Forschung kommt mit Herausforderungen, nach Russell Poldrack, ein Psychologie-professor mit einem EDV-bent an der Stanford University. Psychologie und Neurowissenschaften Kampf um den Aufbau auf dem wissen von den verschiedenen Forschern.

„Wissenschaft soll kumulativ, aber beide methodische und konzeptionelle Probleme behindert kumulativen Fortschritt in der psychologischen Wissenschaft,“ Poldrack und Mitarbeiter aus Stanford, Dartmouth College und Arizona State University, schrieb in einem „Nature Communications“ Papier im Mai 2019.

DATEN ARCHIVAR

Teil des Problems ist praktisch. Hunderte von Forschungsgruppen, Unternehmen, ursprüngliche Forschung, ein zentrales repository benötigt wird, um host-und Daten auszutauschen, zu vergleichen und zu kombinieren, Studien und fördern die Wiederverwendung von Daten. Um dieses kuratorische Herausforderung, in 2010 Poldrack gestartet, eine Plattform namens OpenFMRI für den Austausch von fMRT-Studien.

„Ich dachte lange Zeit, dass das teilen der Daten wichtig für eine Reihe von Gründen“, erklärte Poldrack, „für Transparenz und Reproduzierbarkeit, und auch, um uns zu helfen Aggregat über viele kleine Studien zur Verbesserung unserer Leistung, um Fragen zu beantworten.“

OpenFMRI wuchs um fast hundert Datensätze, und in 2016 wurde subsumiert OpenNeuro, eine Allgemeine Plattform für das hosting brain-imaging-Studien. Die Plattform hat heute mehr als 220 Datensätze, darunter auch einige, wie „Das Stockholm Schläfrig Brain Study“ und „Neuronale Verarbeitung Emotionaler Musikalische und nicht-musikalische Reize in Depressionen,“ heruntergeladen haben, Hunderte Male.

Brain imaging-Datensätze sind relativ groß und benötigen ein großes repository, um Ihnen Haus. Als er entwickelt wurde, die OpenFMRI, Poldrack wandte sich an die Texas Advanced Computing Center (TACC) an Der University of Texas at Austin als host und bis zu dienen die Daten.

Ein Stipendium der Arnold Stiftung, die ihm erlaubt, host-OpenNeuro auf Amazon Web Services für ein paar Jahre, aber vor kurzem Poldrack wandte sich wieder TACC und anderen Systemen, die Teil der von der NSF geförderten Extreme Science and Engineering Discovery Environment (XSEDE) zu dienen, wie das cyberinfrastructure für die Datenbank.

Teil den Erfolg des Projektes ist aufgrund der Entwicklung des gemeinsamen Standards, GEBOTE — Brain Imaging-Daten-Struktur (BIDS) – und erlaubt Forschern, zu vergleichen und zu kombinieren Studien in einem äpfel mit äpfeln Weg. Eingeführt durch Poldrack und andere in 2016, verdient er in der Nähe-sofortige Akzeptanz und hat sich in der lingua franca für Neuro-Imaging-Daten.

Als Teil der standard-Schöpfung, Poldrack und seine Mitarbeiter Bauten eine web-basierende validator, um es einfach zu bestimmen, ob man seine Daten entspricht dem standard.

„Die Forscher konvertieren Sie Ihre Daten in die GEBOTE-format, hochladen Ihrer Daten, und es wird überprüft beim upload,“ Poldrack sagte. „Sobald es geht die Prüfung und wird hochgeladen, mit einem Klick auf eine Schaltfläche freigegeben werden kann.“

Austausch von Daten allein ist nicht das Ziel dieser Anstrengungen. Letztlich Poldrack möchte die Entwicklung der Rohrleitungen für die Berechnung, können schnell analysieren Gehirn-imaging-datasets in einer Vielzahl von Art und Weise. Er arbeitet mit der CBrain Projekt, basierend an der McGill University in Montreal, Kanada, zu erstellen Container-workflows, die Forscher verwenden können, um durchzuführen, diese Analysen, ohne dass eine Vielzahl von fortschrittlichen computing-know-how, und unabhängig davon, welches system Sie verwenden.

Er arbeitet auch mit einem anderen Projekt namens BrainLife.io basiert an der Universität von Indiana, die verwendet XSEDE Ressourcen, einschließlich derjenigen, die an TACC, die zum verarbeiten von Daten, einschließlich der Daten aus OpenNeuro.

Viele der Datensätze, die von OpenNeuro sind jetzt auf BrainLife, und es gibt einen Knopf auf jene Datensätze, die nimmt man direkt zu der relevanten Seite bei BrainLife, wo Sie verarbeitet und analysiert werden können mit einer Vielzahl von Wissenschaftlern entwickelten apps.

„Neben der Freigabe von Daten, ist eines der Dinge, dass diese gemeinsamen Daten-standard bietet, ist die Fähigkeit, Daten automatisch analysieren und die vor-Verarbeitung und Qualitätskontrolle, die wir oft tun, die auf imaging-Daten,“ erklärte er. „Sie zeigen Sie einfach die container im Daten-set, und es einfach läuft es.“

ÜBERDENKEN DISZIPLIN-WEIT ANNAHMEN

Die Dinge werden einfach, wenn die Formatierung, Speicherung und Austausch waren die einzigen Probleme Bereich konfrontiert. Aber was, wenn die gängigen Methoden, verwendeten die Forscher für die Analyse von Studien eingeführt, die Neigungen und Fehler, was zu einem Mangel an Reproduzierbarkeit? Außerdem, was ist, wenn die zugrunde liegenden Annahmen über die Art, den Geist arbeiteten, wurden grundsätzlich fehlerhaft?

Eine Studie, veröffentlicht im Jahr 2018 in der Natur Menschlichen Verhaltens, die versucht, zu replizieren 21 sozial-und verhaltenswissenschaftliche arbeiten aus Natur und Wissenschaft festgestellt, dass nur 13 erfolgreich repliziert. Eine weitere meta-Studie unter der Schirmherrschaft des Center for Open Science, re-lief 28 klassische und zeitgenössische Studien in Psychologie und festgestellt, dass 14 nicht repliziert. Dies führte zu einer rückwirkenden Vermutungen über Jahrzehnte Wert der Ergebnisse.

Poldrack und seine Mitarbeiter befassen sich mit den methodischen und Annahme, die Probleme in Ihrer aktuellen „Nature Communications“ Papier durch die Anwendung strenger statistischer Methoden, um zu versuchen zu entdecken, die zugrunde liegenden Strukturen des Geistes, ein Prozess, den Sie nennen, “ data-driven ontology Entdeckung.‘

Anwendung des Ansatzes auf die Studien der Selbstregulierung, die die Forscher untersuchten die Fähigkeit von Fragebögen und Aufgaben-basierte Studien für die Vorhersage eines individuellen Wahrscheinlichkeit des seins mit einem Risiko für Alkoholismus, Fettleibigkeit, Drogenmissbrauch oder andere self-regulation-Fragen.

In Ihrer Studie, 522 Teilnehmer nahmen 23 self-report-Studien und durchgeführt 37 behavioral Aufgaben. Aus jeder dieser 60 Maßnahmen, das team gewonnen mehrere abhängige Variablen gedacht, zum erfassen von psychologischen Konstrukten. Mit der abhängigen Variablen, die Mannschaft, die zuerst versucht, „einen psychologischen Raum“ – ein Weg der Quantifizierung der Abstand zwischen den abhängigen Variablen zu bestimmen, wie verschiedene Arten von Verhalten, die oft als getrennte cluster oder korrelieren miteinander. Sie verwendet diese „ontologische Fingerabdrücke“, um zu bestimmen, die den Beitrag der verschiedenen psychologischen Konstrukte der letzten prädiktives Modell aus.

Der statistische Ansatz in der Studie verwendet wird, und aktiviert von Supercomputern bei TACC, geht weit über die standard-Methoden in typischen psychologischen Studien.

„Wir sind zum tragen bringen, um ernsthafte machine-learning-Verfahren, um festzustellen, was korreliert mit dem, was, und was hat verallgemeinerbare prädiktive Genauigkeit, mit Methoden, die sind noch ziemlich neu auf diesem Gebiet der Forschung,“ Poldrack sagte.

Sie fanden heraus, dass einige prognostizierte Ziele, wie psychische Gesundheit und übergewicht, hatte einfache ontologische Fingerabdrücke, wie „emotional control“ und „problematische Essen,“ aber, dass andere Fingerabdrücke wurden komplizierter. Sie fanden auch, dass die task-basierte Studien-Häufig in der psychologischen Forschung-hatte fast keine prädiktive Fähigkeit.

„Ich bin immer misstrauisch zu sagen, unsere Forschung nützlich sein wird für die Diagnose, aber es fast sicher nützlich sein wird für ein besseres Verständnis, wie zu tun, die Diagnose und die zugrundeliegenden Funktionen, die sich auf bestimmte Ergebnisse, wie das Rauchen oder problematischen Alkoholkonsum oder übergewicht,“ Poldrack sagte.

Die Motivation der Aufwand ist eine überprüfung der Art und Weise, wir sprechen über psychische Erkrankungen.

„Gegen diese Störungen in die diagnostischen Kategorien wie Schizophrenie, bipolare Störung oder depression, ist einfach biologisch nicht realistisch“, sagte er. „Beide Genetik und der Neurowissenschaften zeigen, dass diese Erkrankungen haben weit mehr überschneidungen im Hinblick auf Ihre Genetik und Ihre Neurobiologie, als die Unterschiede. Also, ich denke, es gibt neue Paradigmen, die auftauchen könnte, das wäre geholfen, ein besseres Verständnis des Gehirns.“

High-performance-computing erlaubt es den Forschern, anwenden sehr anspruchsvoller Methoden, um zu bestimmen wissen-Distributionen und herauszufinden, wie Sie signifikante Ergebnisse sind.

„Können wir mit sampling-Techniken, mischen Sie die Daten 5000-mal, und führen Sie große Modelle, viele Male,“ Poldrack sagte. „Das ist nicht realistisch möglich, ohne Supercomputer.“

Früher war es der Fall, dass der Fortschritt der Wissenschaft abhängig war von der Fähigkeit zu schaffen, ein Molekül oder synthetisieren, die eine Chemische. Aber zunehmend Fortschritte in der Wissenschaft hängt von der Fähigkeit, die richtige Frage zu stellen, über einen großen Datensatz, und klicken Sie dann in der Lage sein, um tatsächlich wirklich eine Antwort bekommen auf diese Frage.

„Und,“ sagt Poldrack, „es gibt eine Menge von Fragen, die ohne high-performance-computing, können Sie nicht wirklich eine Antwort bekommen zu haben.“

Trotz der Krisen des Glaubens geschlagen hat das Feld in den letzten Jahren, Poldrack glaubt der psychologischen Wissenschaft hat eine Menge zu sagen, die ist sehr zuverlässig darüber, warum Menschen tun, was Sie tun, und dass die Neurowissenschaft gibt uns Möglichkeiten, um zu verstehen, Woher das kommt.

„Wir versuchen zu verstehen, wirklich komplexe Dinge“, sagte er. „Es muss realisiert werden, dass alles, was wir sagen, ist wahrscheinlich falsch, aber die Hoffnung ist, dass es uns ein wenig näher an, was richtig ist.“