Больше доказательств для описания боли в dACC

[Примечание: пожалуйста, прочитайте третий абзац, который разъясняет, что, по-видимому, является основным источником путаницы в нашей статье]

После нашего последнего ответа блога на Таль Яркони (TY) было три новых ответа от TY, Tor Wager (TW) и Алекс Шакман (AS). Эти ответы дали нам много о чем подумать и привели нас к проведению дополнительных анализов, которые мы (Lieberman & Eisenberger, далее L & E) считаем уточнением, расширением и, в конечном счете, укреплением наших первоначальных требований. Несмотря на то, что мы проводим все анализы в документе PNAS, мы хотели бы, чтобы мы подумали сделать эти анализы ранее и включили их в документ.

Мы много не согласны с некоторыми из последних блогов, но, поскольку мы заинтересованы в продвижении вперед, мы снова хотим начать с областей, где, похоже, есть какое-то соглашение, а затем переходим к нашим новым анализам, а затем на обсуждение четырех вопросов: a) отношение боли и страха в базе данных Neurosynth (b) Знают ли z-баллы в Neurosynth насчет обратного вывода? (c) Эмпирические приоры и (d) Можем ли мы когда-либо сказать, что у области мозга есть функция? Мы хотим быть ясными, что этот блог станет нашим последним комментарием по всему этому. Между предыдущим постом и этим, мы чувствуем, что мы прояснили все, что нам нужно, чтобы продемонстрировать, что наши выводы являются обоснованными. Мы ожидаем, что те, кто уже написал письменные сообщения, будут продолжать не соглашаться с нами, но мы надеемся, что другие найдут это полезным.

Но прежде чем перейти к основному тексту этого блога, мы хотели бы прояснить важный момент, который будет рассмотрен позднее в этом блоге. Из анализов в нашей статье PNAS мы не думаем, что когда мы видим активность dACC, это обязательно означает, что человек испытывает боль . Чтобы сделать это утверждение, нужно было бы создать задние вероятности на основе реальных эмпирических пригоров реального мира, которых не существует (ни Neurosynth pre. .50, ни 3.5% -ная распространенность боли в аннотациях Neurosynth не предоставляют эту информацию, поскольку последняя отражает то, что часто изучались, а не то, что часто встречается вообще). Но это не было тем требованием, которое мы делали. Наше требование было намного проще: есть достоверные доказательства, основанные на z-баллах от карт обратного вывода, что боль связана с большей частью dACC . Напротив, на большинстве DACC существует гораздо меньше доказательств, основанных на z-оценках из карт обратного вывода, что процессы управления, конфликта и значимости надежно связаны с dACC . Эти результаты свидетельствуют о том, что учет функции dACC должен больше фокусироваться на процессах боли, чем в основном на когнитивных процессах. Наша претензия заключается в создании лучшего отчета о функции dACC, не предсказывая процесс, присутствующий в конкретном исследовании, или предполагая, что каждый нейрон dACC делает то же самое. Ниже мы рассмотрим несколько дополнительных учетных записей функции dACC, чтобы сделать эту заявку более полной.

• Пупок
• Происхождение нашей эмоциональной жизни: наши самые ранние чувства
• Фокус на пожилых взрослых: май – месяц осознания психического здоровья
• 5 Мозговые умные решения
• Суперинджеры преследуют вызовы с помощью Gusto, Harvard Study Finds

Области согласия

Хотя TY указывает, что он не согласен с почти всем, что мы говорили в нашем первом блоге, он также переводит свой последний пост в блоге с цитатами из нас или повторениями претензий от нас, с которыми он явно соглашается (или не имеет проблем). Мы считаем, что это стоит выделить, потому что мы считаем, что это некоторые из самых важных заявлений нашей газеты.

Мы писали: «Вывод из карт обратного вывода Neurosynth недвусмыслен: DACC участвует в обработке боли. Когда были доступны только данные прямого вывода, было бы разумно утверждать, что, возможно, dACC не участвовал в боли как таковой, но эта обработка боли могла быть уменьшена до «реальной» функции dACC, такой как исполнительные процессы, обнаружение конфликтов или ответы на больные раздражители. Карты обратного вывода не поддерживают ни одну из этих учетных записей, которые пытаются уменьшить боль до более общих когнитивных процессов ».

• Почему мы едим?
• Оптимистическое исследование обучения в более старых мозгах
• У моего ребенка психическое расстройство?
• Мужчины больше полезны, альтруистичны или рыцарские, чем женщины?
• Отец современной неврологии был спортсменом и художником

TY написал в ответ: «Это утверждение действительно кажется мне во многом необоснованным».

Мы писали: «Для терминов исполнительной власти и конфликтов наш рисунок 3 в документе PNAS показывает крошечный бит dACC. Мы считаем, что более всеобъемлющие цифры, которые мы здесь включили, продолжают рассказывать одну и ту же историю. Если кто-то хочет рассказать историю конфликта о том, почему боль активирует DACC, мы полагаем, что должны быть доказательства широко распространенных сопоставлений обратного вывода от DACC к конфликту. Но доказательств такого иска просто нет. Что бы вы ни думали о остальной части нашей статистики и претензий, это должно заставить многих людей остановиться, потому что это не то, что почти любой из нас ожидал увидеть на этих картах обратного вывода (включая нас) ».

TY написал в ответ: «Никаких возражений нет»

Были и другие перефразирующие примеры соглашения. Например, TY писал:

И «Если бы L & E спросил меня:« Эй, как вы думаете, Neurosynth поддерживает высказывание, что активация dACC является хорошим показателем «значимости»? », Я бы сказал« нет, конечно, нет ».

И в отдельном разделе он писал:

«Если они имеют в виду что-то вроде« в среднем, принимая среднее значение всех вокселей в dACC, есть больше свидетельств статистической связи между болью и dACC, чем боль и конфликтный мониторинг », тогда я в порядке с этим». [Примечание : мы предполагаем, что последняя фраза ошибочна и что TY означает «мониторинг конфликтов и dACC»]

Учитывая, что все эти требования, в которых существуют области соглашения, зависят от интерпретации карт z-баллов, предоставленных Neurosynth в качестве доказательства (или отсутствия доказательств), что термин является разумной целью обратного вывода, которую мы принимаем в качестве важных областей соглашения:

1. z-баллы от Neurosynth действительно свидетельствуют о том, могут ли конкретные вокселы быть правдоподобно приписаны посредством обратного вывода к определенной функции. Могут быть несколько терминов, которые показывают значимые z-баллы для воксела, и все такие термины являются правдоподобными функциями для атрибута этого воксела.
2. Существует очень мало доказательств из z-баллов обратного вывода, что процессы управления, конфликта и значимости являются хорошими целями обратного вывода для активации dACC. Обратите внимание, что мы говорим «немного», а не «нет» доказательств, как это было в нашей статье, потому что есть некоторые обратные доказательства dACC для конфликта, но они скромны.
3. Имеются данные из z-баллов о том, что больные процессы являются хорошими мишенями для обратного вывода для значительной части вокселей dACC.

Если мы сможем договориться по этим вопросам, я думаю, мы согласны с большей частью того, о чем мы заботились в нашей статье.

Новые анализы Neurosynth

Последнее утверждение из TY выше («Если это то, что они означают, это что-то вроде …») заставило нас понять, что существует другой подход к выводам, которые мы достигли в статье PNAS. Как мы уже говорили, часть того, что напугало нас, когда мы смотрели обратные карты выводов для боли, исполнительной власти, конфликта и значимости несколько лет назад, заключалось в том, насколько широко распространено освещение dACC для боли по сравнению с другими терминами. Мы попытались зафиксировать это, посмотрев 8 вокселей, распределенных по dACC. Возможно, это был не лучший способ количественно оценить то, что мы видели, и он не был чувствителен к двум разумным вопросам, поднятым TY и AS. Во-первых, мы только посмотрели на среднюю линию, проблему, упомянутую TY. Во-вторых, мы определили границы DACC, используя невариантный атлас, и поэтому мы не могли указать на уверенность в том, что рассматриваемые вокселы действительно являются voxels dACC, вопрос, поднятый AS.

В наших новых анализах мы определили маску dACC с использованием вероятностного атласа Гарварда-Оксфорда (далее HO), а затем рассмотрели процент вокселей в dACC, для которых разные термины являются разумной целью обратного вывода, основанной на обратном выводе Neurosynth карты. Чтобы создать атлас HO, они взяли T1-взвешенные изображения из десятков голов (бит.ly/1RMTAzp). Различные области интереса (например, ACC) были идентифицированы на отдельных мозгах до любых преобразований. Затем каждое сканирование регистрировалось в пространстве MNI. На этом этапе они могли определить для каждого воксела в пространстве MNI, сколько отдельных мозгов было помечено определенной меткой на первом этапе. Таким образом, если 75% мозгов имели определенную координату, обозначенную как ACC, то этот воксел был бы оценен как имеющий 75% вероятность быть ACC в любом новом сканировании, зарегистрированном в пространстве MNI.

Источник: Мэтью Либерман

Используя этот атлас, мы смогли определить маски dACC (-8 ≤ x ≤ 8; 0 ≤ y ≤ 30), для которых вокселы составляли 25%, 35%, 50% или 75%, вероятно, в DACC (см. Рисунок выше). Можно утверждать, что только вокселы, которые, по крайней мере, на 50% или 75%, вероятно, действительно являются voxels dACC, должны войти в наши ROI, но визуальная проверка показала, что эти маски ROI выглядели очень похожими на то, что мы уже использовали в статье PNAS, которая привела к ответ от AS, поэтому мы пошли с более либеральной 35% -ной маской для наших анализов, представленных здесь.

Обратите внимание, что результаты качественно одинаковы для всех разных масок. Единственное существенное различие, которое мы наблюдали, заключается в том, что по мере того, как мы перешли от масок с низким доверительным сопротивлением dACC (25%) к маскам с высоким доверием dACC (75%), процентное соотношение dACC-вокселей, связанных посредством обратного вывода, с аффективными терминами увеличилось (например, боль +9 %, страх + 12%, отрицательный аффект + 6%), а процентное число dACC, связанных с когнитивными терминами, уменьшилось (например, конфликт -12%, ошибка -6%). Таким образом, по мере того, как мы увеличиваем нашу уверенность в том, что конкретный воксел действительно находится в ЦАПК, он, скорее всего, будет связан с аффективным процессом и с меньшей вероятностью связан с когнитивным процессом. Иными словами, те вокселы, которые связаны с когнитивными процессами в ЦАПК, как правило, являются вокселями, в которых мы должны иметь наименьшую уверенность, фактически находятся в ЦАПК.

Представленные ниже анализы используют 35% маску. Сначала нам казалось, что мы рассматриваем четыре основные категории интересов в документе PNAS (боль, исполнительность, конфликт, значимость), а также те, которые были подняты TY в качестве альтернатив, которые мы должны были рассмотреть (страх, вежливость, вознаграждение). В конечном итоге мы решили включить больше терминов в наши анализы, чтобы мы могли соответствовать стандарту избирательности, данному данным TY в его последнем блоге:

«Область мозга может считаться« выборочной »для конкретной функции, если она (i) показывает надежную связь с этой функцией, (ii) показывает незначительную связь со всеми другими легко доступными альтернативами, и (iii) авторы имеют проводил должную осмотрительность в обеспечении того, чтобы основные кандидаты, предложенные в литературе, были хорошо представлены в их анализе ».

Мы считаем, что это определение выходит за рамки того, как многие исследователи использовали этот термин в прошлом (т. Е. В документах MVPA), но мы подумали, что было бы полезно увидеть, что происходит, когда мы применяем это определение к нашим анализам. Следует отметить, что мы интерпретируем слово «ассоциация» в этом определении, чтобы ссылаться только на ассоциации, идентифицированные на картах обратного вывода, а не на то, что наблюдается в картах прямого вывода. В результате мы попытались выполнить нашу «должную осмотрительность в обеспечении того, чтобы основные функции кандидата, предложенные в литературе, были хорошо представлены в их анализе». Таким образом, теперь у нас есть список из 14 терминов, который охватывает каждую учетную запись dACC, о которой мы знаем с годами. Наш список терминов включает:

боль, внимание, вежливость, избегание, конфликт, эмоция, ошибка, исполнительность, страх, негативный аффект, подавление ответа, отбор ответов, вознаграждение и значимость.

Мы считаем, что это довольно полный список терминов и надеемся, что, если мы пропустим их, у них есть разумный синоним в списке, который, вероятно, даст подобные эффекты.

На анализах. Первое, что мы сделали, – подсчитать количество вокселей в маске 35%. Было 1110 вокселов, что атлас HO был, по крайней мере, на 35% уверенным, были вокселы dACC. Из них 947 вокселей (или 85,3%) появляются на карте обратного вывода для боли (с использованием стандартного уровня значимости Neurosynth p <.01, FDR исправлено). Из 13 других терминов ни один из них не охватывал даже 20% вокселей dACC (см. Рисунок ниже). Сравнительное сравнение боли в сравнении с любым другим термином было очень значительным. Все X ² > 975.278, p <.00001, d 's> 5.38. Это говорит нам о том, что боль гораздо более распространена в обратном выводе объяснений по поводу вокселей dACC, чем любой из 13 других терминов.

Показывает процентное количество docc вокселей, которое отображается в карте обратного вывода. Тот же воксел может отображаться на карте для нескольких терминов

Источник: Мэтью Либерман

Вышеприведенный анализ не доходит до сути проблемы избирательности, как описано в определении TY, потому что тот же воксел может отображаться для нескольких терминов и, следовательно, не указывает на селективность одного термина над другими. Таким образом, мы затем оценили, сколько вокселей в dACC показалось выборочным для чего-либо такого, что они появились для карты обратного вывода любого из одного термина, но не фигурировали ни в одной из других карт термина «обратный вывод». Можно предположить, что с 14 терминами, что почти никакие вокселы в dACC не продемонстрировали бы селективность по этому определению – любой воксел, который является значимым только для двух из терминов, исключается из этого анализа. Несмотря на высокий барьер для избирательности, 477 вокселей из 1110 (43%) в ЦАПК появились только в одной из 14 обратных карт вывода. Таким образом, эти 477 вокселов будут соответствовать полосе для избирательности, заданной определением TY. Из 477 dACC вокселов, которые избирательны для одного термина (из 14 рассмотренных терминов), 91,2% были избирательными для термина «боль» .

Из вокселей dACC, которые являются выборочными для 1 из 14 терминов, показывает процент для каждого термина.

Источник: Мэтью Либерман

Всего 435 из 477 выборочных вокселов присутствовали только в карте обратного вывода, и ни в одной из карт обратного вывода для остальных 13 терминов. Единственным другим термином, который имел> 10 избирательных вокселов, связанных с ним, было вознаграждение в 30 вокселях (мы ссылались на это в оригинальной статье). Страх следующий в 8 вокселях, с ошибкой в ​​3 вокселях и конфликт в 1 вокселе. Бобоселективные docc-вокселы более чем на порядок более распространены, чем любой другой выборочный тип вокселов dACC. Цикловое сравнение боли по сравнению с любым другим термином для числа выборочных вокселей в dACC было очень значительным. Все X ² > 446.203, p <.00001, d 's> 1.64. Эти результаты говорят нам о том, что среди вокселов dACC, которые свидетельствуют о селективности, они гораздо чаще связаны с болью, чем с любым из остальных 13 терминов.

Два очень важных оговорки:

1) Поскольку 477 вокселов были селективны для одного термина, это означает, что 633 dACC вокселя не были избирательными ни для одного термина. Хотя мы думаем, что сейчас мы используем очень высокий бар для избирательности здесь, выше, чем любой, который мы видели в литературе, ясно, что с этим высоким баром менее половины dokc voxels демонстрируют селективность. С этой точки зрения можно сказать, что «ЦАПК» является равномерно избирательным для боли по сравнению со всеми другими 13 учетными записями функции dACC, которые мы рассматриваем в настоящее время. Два ответа на это предупреждение. Во-первых, используя только четыре термина, которые мы изначально рассматривали (боль, исполнительность, конфликт и значимость), 823 вокселя были выборочными в соответствии с текущим определением (т.е. 74,1% dokc-вокселей), и из них 811 были избирательными для боли (которые имели бы было 98,5% избирательных вокселей). Таким образом, в контексте категорий, рассмотренных в нашей статье PNAS, наше требование избирательности по поводу боли по отношению к процессам исполнительной власти, конфликтов и значимости было разумным. Во-вторых, учитывая, что все ответы, которые мы видели о том, что dACC являются слишком универсальными или многогранными, мы считаем довольно впечатляющим, что почти половина docc voxels являются избирательными, и из них почти все они избирательны для боли.

2) Можно взглянуть на эти анализы и подумать, что нечестно сравнивать каждый термин с другими 13, потому что некоторые из них находятся в перекрывающихся категориях. Например, мы включили конфликт и ошибку, которые представляют собой разные, но дублирующие друг друга учетные записи dACC. Если они появлялись в одних и тех же вокселях друг с другом, они выбивали бы эти воксели из вышеизложенного. Чтобы решить эту проблему, ниже приведена цифра, показывающая сравнение карт боли и друг друга в терминах – так что каждый термин может показать, сколько вокселей обнаруживается для карты обратного вывода, но не для боли. Оранжевые полосы в каждых двух парах баров ниже показывают процентное соотношение dACC вокселей, связанных с каждым термином, когда удаляются только связанные с болью вокселы. Таким образом, такие термины, как ошибка и конфликт, здесь не конкурируют друг с другом. (Синие полосы показывают, сколько вокселей появляется на карте обратного вывода боли, но не для другого термина в сравнении)

Источник: Мэтью Либерман

Как видно, в этом анализе не проявляется какой-либо другой термин, особенно хорошо проявляющийся при язве 1-на-1 против боли. Помимо вознаграждения, для которого 2,7% вокселей dACC появляются на его карте, но не на карте боли, ни один другой термин не превышает 1,1%. Напротив, в этих анализах боль последовательно получает выше 65% всех вокселов dACC после их удаления для любого другого термина. Хотя мы указали в документе PNAS, что вознаграждение действительно демонстрирует более сильные эффекты, чем боль в передней части dACC, мы подумали, что было бы лучше показать это немного более четко. Если бы мы использовали угловую границу (пунктирная зеленая линия), как некоторые другие, чтобы отличить dACC от rACC, карта обратного вывода вознаграждения вознаграждения в значительной степени отсутствовала в dACC. На этом рисунке довольно ясно, что эффект обратного вывода для вознаграждения в значительной степени является частью более рострального кластера ACC.

Источник: Мэтью Либерман

В выводах наших текущих анализов подтверждается общий момент, сделанный в документе PNAS. Если мы собираемся рассказать о функции dACC, поскольку за последние 20 лет было проведено бесчисленное количество статей, боль является единственной функцией, которая, по мнению DACC, избирательна более чем для нескольких вокселей. Мы использовали определение селективности TY (с предположением, что ассоциация ссылается на ассоциацию обратного вывода). Таким образом, мы попытались создать более исчерпывающий список терминов, которые являются разумными отчетами dACC. Мы определили, какой процент от вокселей dACC показал обратную связь с каждым из 14 терминов. Затем мы определили, из этих вокселей, сколько только показали обратную связь с 1 термином и ни один из остальных 13 членов. Подводя итог нашим выводам:

1. Из 1110 dACC вокселов 43% (т.е. 477 вокселей) соответствовали вышеуказанным критериям селективности (появляясь только в одной из 14 карт обратного вывода).
2. Из 477 вокселов, которые были избирательными, 91,2% (то есть 435 вокселов) были избирательными для боли.
3. Таким образом, значительная часть dACC может быть описана одним термином из этого большого списка исторически правдоподобных терминов.
4. Из значительной части docc вокселей, которые могут быть описаны одним термином из этого длинного списка разумных учетных записей, почти все они появляются на обратной карте вывода для боли и ни для одного из остальных 13 терминов.

Боль и страх

Мы утверждали, что связанный с бедствием аффект может быть зонтичным счетом для процессов dACC, при этом dACC обрабатывает связанные с бедствием аспекты боли (Rainville et al., 1997). Десятилетия старой работы по поражению показывают, что ЦАПК играет ключевую роль в бедствии физической боли, а также в тревоге (Foltz & White, 1962; Tow & Whitty, 1953). Как уже указывалось, существует нетривиальное число вокселей dACC, которые отображаются на карте обратного вывода для страха (12,2% в маске dACC). Мы считаем, что боль и страх концептуально связаны, потому что большая часть того, что мы боимся, это вещи, которые могут причинить нам боль (физически, социально или эмоционально). Но в контексте Neurosynth отношения гораздо более прямые. Многие исследования нейровизуализации страха – это исследования по обучению страху, которые используют боль (например, удар) как безусловный стимул. Эти исследования почти никогда не используют слово «боль» в любом месте и, следовательно, не помечены болью в Neurosynth, но могут вводить болевые эффекты в карты обратного вывода для страха.

Чтобы изучить эту возможность, мы вручную проверили первые 50 исследований ФМР, которые появились в Neurosynth для термина «страх». Мы обнаружили, что 50% этих исследований использовали манипуляции с болью. Чтобы увидеть, могут ли эти манипуляции с болью управлять сигналом dACC на карте обратного вывода для страха, мы подсчитали, сколько исследований с активациями dACC имели манипуляции с болью и сколько исследований без активации dACC имели манипуляции с болью. Как можно видеть на рисунке ниже, значительное большинство исследований страха (71%), которые производят реакцию ДАКК, используют манипуляции с болью, тогда как значительное большинство исследований страха (69%), которые не дают ответа ДАКК, не используют боль манипуляции. Цикловое сравнение этого 2 × 2 было очень значительным; X ² > 8,013, p <0,006, d = 0,87. Этот результат свидетельствует о том, что исследования страха, которые включают в себя манипуляции с болью, скорее всего, вызовут ответ dACC.

Источник: Мэтью Либерман

Если учесть, что реакция ДАКК на страх в карте обратного вывода Нейросинта (а) концептуально связана с ответами ДАКК на боль или (б) буквально из-за манипуляций с болью, активирующих ДАКК в исследованиях страха, тогда разумно объединить реакция ДАКК на боль и страх. Хотя мы не хотим делать слишком много этих анализов, когда боль и страх объединяются в единую объединенную рентабельность (далее – боль + страх), мы обнаруживаем, что 566 из вокселей 1110 dACC показывают селективность для одного из 13 терминов , Таким образом, 51% доменов dACC являются избирательными в этих условиях. Кроме того, 532 из 566 избирательных вокселей избирательны для боли + страха. Другими словами, 94% выборочных вокселей dACC в этом анализе избирательны для боли + страха. Более того, 48% всех вокселов dACC являются избирательными для боли + страха.

Итак, если мы рассматриваем боль и страх как часть одной конструкции в отношении DACC, мы видим, что почти половина всех вокселей dACC являются выборочными для этой конструкции и почти во всех вокселях dACC, которые избирательны для чего-либо являются селективными для этой конструкции. Как и в наших основных анализах в предыдущем разделе, ни один другой термин помимо вознаграждения (5% избирательных вокселов здесь) не выделяет даже 1% выборочных вокселов в ЦАП.

Записывают ли z-баллы в Neurosynth насчет обратного вывода?

Мы считаем, что однозначно следует, что z-баллы в Neurosynth рассказывают что-то важное о обратном умозаключении. Таким образом, один из наиболее неожиданных аспектов обмена над нашей статьей PNAS заключается в том, что TY и TW, создатели Neurosynth, похоже, предполагают, что почти ничего не может быть узнано о обратном выводе из z-баллов и что мы должны сосредоточиться в первую очередь на задние вероятности. Например, TY писал:

«Я объяснил, почему нельзя получить поддержку для обратного вывода, используя z-баллы или значения p. Обратный вывод по своей сути является байесовским понятием и имеет смысл только в том случае, если вы готовы говорить о предшествующих и задних вероятностях ».

Мы находим это странным, потому что, когда вы используете веб-интерфейс Neurosynth и просматриваете любой термин, на экране есть одна кнопка с надписью «обратный вывод». Когда вы нажимаете на эту кнопку, она отображает карту тепла, которая, учитывая их схему маркировки, мы можем только предположить, чтобы рассказать нам что-то о обратном выводе. Это тепловое отображение является тепловой картой обратного вывода z-баллов, а не задними вероятностями. Аналогично, если вы загружаете карту обратного вывода для любого термина, это карта z-баллов, а не задняя вероятность. Несмотря на то, что они не байесовские, эти z-баллы – это то, что TY и TW использовали для заполнения карт «обратного вывода». Если они не говорят нам об обратном умозаключении, то очень странно, что единственная обратная кнопка вывода в интерфейсе приводит к этим z-результатам.

TY также написал о значении z-баллов от Neurosynth в нескольких местах, которые, как представляется, противоречат вышеуказанному требованию («невозможно получить поддержку …»). Сначала у нас есть текст из Neurosynth FAQ:

«Карта обратного вывода: z-баллы, соответствующие вероятности того, что термин используется в исследовании, учитывая наличие сообщенной активации (т. Е. P (Term | Activation)»)

Это звучит для нас, как z-score, говорит нам что-то о обратном умозаключении. Вот выдержки из того, что TY написал в Google+, где он любезно отвечает на множество вопросов пользователей о Neurosynth:

«Z-оценка является показателем уверенности в статистической ассоциации; задняя вероятность является мерой размера эффекта. В общем, я рекомендую уделять больше внимания первому , потому что последний подвержен шуму, связанному с размером выборки. Термин с меньшим количеством исследований, включенных в метаанализ, будет иметь более высокую изменчивость, что приведет к более экстремальным апостериорным вероятностям. Однако термин с меньшим количеством исследований также будет давать * наименьшие значения р / г, при прочих равных условиях. Поэтому, если вы пытаетесь подать заявку на форму, «вероятно, что функция F связана с активностью в регионе R», вам, вероятно, лучше, чем на основе z-score . [выделено мной]

Это утверждение не соответствует его утверждению выше, что «одна пушка получает поддержку для обратного вывода с использованием z-баллов». В своем блоге он также написал это из z-score:

«Все это говорит нам, что, учитывая все данные, которые мы имеем, очень маловероятно, что между термином и регионом существует ровно нулевая ассоциация».

Несмотря на уничижительную формулировку, мы считаем, что «все это говорит нам» довольно удивительно, поскольку у нас не было никакого способа сделать это перед базами данных, такими как Neurosynth. Это очень важно знать, особенно когда оно сочетается с другими анализами, предполагающими, что для других терминов не существует доказательств ассоциации между термином и регионом. Наконец, TY пишет:

«Если целью является просто сказать что-то вроде« мы думаем, что временное соприкосновение связано с биологическим движением и теорией разума », или« данные свидетельствуют о том, что парафемопакампальная кора ассоциируется с пространственной навигацией », я не вижу ничего плохого с основанием, которое претендует на карты Z-score Neurosynth ».

Мы считаем, что это именно то утверждение, которое мы прилагаем к тому, чтобы показать, что мы наиболее оправданы в делах, связанных с болью, о требованиях к функции dACC, чем о претензиях на другие условия. В статье PNAS мы сделали это, сравнив термины, которые имели несущественные z-баллы (исполнительные, конфликтные, значимые) до термина, который сделал (боль). Хотя они не показывают, что размеры эффекта больше боли, чем другие термины (которые никогда не были нашей целью), они показывают, что мы можем быть более уверенными в том, что существует некоторая реальная связь между болью и dACC, чем между тремя другими терминов и dACC. Мы считаем, что это ценный вклад. В текущих анализах мы использовали другой подход, подсчитывая количество вокселей, которые показывают некоторую обратную связь для одного и только одного из 14 членов. Опять же, большинство вокселей в dACC, которые отвечают этим критериям, были избирательны для боли.

TW дает некоторые приятные подробности в своем блоге о том, как вычисляется z-счет, фактически начинающийся как хи-квадрат:

«Он сравнивает частоту активации для одного целевого термина (« боль ») против базовой скорости активации для других исследований (« не боль »). Формально он сравнивает P (A | боль) с P (A | не боль) с использованием теста хи-квадрат. Таким образом, это говорит нам о предпочтении, но не о специфичности относительно других потенциальных состояний ».

Мы согласны с тем, что z-оценка боли не выполняет эту работу сама по себе. Но если мы также знаем P (A | мотор) и P (A | не двигатель) для тех же координат, это позволяет нам оценить, является ли эта активация более избирательной для боли, чем мотор. Чем больше z-балл, тем больше уверенности в том, что P (A | term) больше, чем P (A | не член). Сравнение этих z-баллов по терминам (z _pain vs. z _motor ) говорит нам о том, нужно ли нам больше доверять тому, что одно из этих условий связано с деятельностью в интересующей области, чем с другим термином.

Наконец, мы теперь сравнили заднюю вероятность для терпения боли, исполнительной власти, конфликта и значимости, используя 8 вокселей, на которые мы сосредоточились в нашей статье PNAS. Например, мы сравнили заднюю вероятность боли (используя 8 задних вероятностей боли, которая пришла из 8 различных точек активации) с апостериорными вероятностями для исполнительной власти (с использованием 8 задних вероятностей для исполнительной) с использованием повторного t-теста мер. Для боли по сравнению с каждым из трех других терминов боковые задние вероятности были значительно выше, t> 5,92, p <.0003, d 's> 4.47. Более того, даже при сравнении боли с страхом и вегетативной, задняя вероятность боли значительно выше, t> 2,92, p = 0,03, d 's> 2,21. Мы никогда не думали, что сравнение прошлых вероятностей имеет важное значение для определения нашей точки зрения, но это, по крайней мере, некоторые доказательства того, что эффект существует.

Возможно, не удивительно, что мы видим то же самое, что и предыдущие вероятности, которые мы видели с помощью z-баллов, учитывая, что, по крайней мере, с данными, которые мы рассматривали, два набора статистических данных были очень связаны. В частности, соотношение всех задних вероятностей и z-баллов для интересующих нас членов в 8 местах, рассмотренных в нашей статье PNAS, было r = 0,86 . Таким образом, хотя между этими мерами может быть некоторый концептуальный дневной свет, функционально они предоставляли примерно такую ​​же информацию в наших анализах. Это сходство можно увидеть на рисунке ниже, в котором представлены z-баллы против апостериорных вероятностей боли, исполнительной власти, конфликта и значимости из 8 мест в нашей статье PNAS. Можно также видеть, что 7 наивысших задних вероятностей и 7 наивысших z-баллов – все это от боли. Обратите внимание, что криволинейное отношение, вероятно, связано с тем, что задние вероятности ограничиваются верхней границей 1,0.

Источник: Мэтью Либерман

избирательность

Мы уже немного говорили об избирательности в нашем предыдущем блоге. Мы просто хотим сказать еще несколько вещей. Во-первых, нет универсально согласованного определения избирательности (TW описывает его как «неопределенно определенное»). У людей есть определения, но не у всех одинаковые. Подразумевается, что каждый из нас должен сказать, что мы подразумеваем под селективностью, когда мы используем этот термин (что почти не содержит документов, которые используют этот термин, включая нашу статью PNAS). Мы, безусловно, будем более осторожны в этом в будущем, но мы должны уважать определения разных исследователей, когда они их дают, а не относиться к ним как к плохому или некогерентному определению только потому, что оно отличается от нашего. Мы теперь видели по крайней мере три определения селективности в docC вокселях, все из которых являются разумными:

Селективность _{L & E} : voxels dACC избирательны для боли, если боль является более надежным источником активации dACC, чем другие условия интереса (исполнительный, конфликтный, значительный).

Селективность _TY : voxels dACC можно назвать «выборочным» для конкретной функции, если он (i) показывает надежную связь с этой функцией, (ii) показывает незначительную связь со всеми другими легко доступными альтернативами и (iii) авторами предприняли должную осмотрительность в обеспечении того, чтобы основные функции кандидата, предложенные в литературе, были хорошо представлены в их анализе.

Селективность _TW : vocels dACC являются выборочными для конкретной функции, если воксель активируется этой функцией и «не активируется другими вещами»,

Мы считаем, что определение TW является оправданным, но, вероятно, он исключает вызов каких-либо избирательных результатов из анализа МРМР, поскольку в мозгу, вероятно, мало каких-либо вокселов, которые показывают активацию одного и только одного процесса (т. Е. Появляются только в одной карте прямого вывода ). Мы считаем, что наше определение и определение TY являются более практичными. Мы полагаем, что наше участие в большинстве исследований MVPA обсуждает селективность на сегодняшний день, и мы считаем, что TY представляет собой более высокий бар, но интересный бар, и тот, который действительно требует таких инструментов, как Neurosynth, а не MVPA, рассмотреть.

Эмпирические призмы

В последнем блоге TY он предлагает одну из проблем с нашими выводами в том, что наше использование задних вероятностей вводит в заблуждение. Задние вероятности боли составляют около 0,80, тогда как задние вероятности для других терминов, рассмотренных в статье, как правило, находятся между 0,50 и 0,60 (где .50 по существу является нулевым эффектом). Мы считаем, что эти различия (и особенно связанные с отличиями z-оценки) говорят нам о вероятных функциях dACC. Однако TY подразумевает, что мы полагаем, что на основе этих эффектов, если новое исследование Neurosynth с активностью dACC было выбрано случайным образом, мы могли бы предсказать, что это будет исследование боли. Хотя мы можем понять, почему TY может подумать, что мы бы поверили в это, мы никогда не делали этого заявления и на самом деле не верим в это.

TY указывает, что задняя вероятность .80 для боли зависит от начала с 0,50 до того, что Neurosynth предполагает для каждого термина. Ни в коем случае не имеет .90 задней вероятности в Neurosynth, подразумевает, что 80% исследований с активацией dACC были исследованиями боли. Фактически, мы уже указали это в нашей статье PNAS:

«Задняя вероятность сродни размеру эффекта, хотя и не является непосредственно интерпретируемой, потому что байесовский предшественник для каждого члена был нормирован до 0,50. Таким образом, задняя вероятность 0,82, вероятно, значительно превышает размер эффекта, чем другой из 0,56; однако из-за нормирования нельзя сказать, что 0,82 означает, что существует 82% вероятность того, что активация исходила из исследования с определенным психологическим термином ».

Затем TY продолжает обсуждать эмпирические пригороды о боли и других терминах. Из-за того, что в аннотациях из 3,5% всех исследований в базе данных Neurosynth появляется боль, а в аннотациях 18% всех исследований в базе данных Neurosynth появляется, если эти (.03 и .18) используются в качестве эмпирических каждый термин (вместо 0,50), мотор заканчивается с более высокими апостериорными вероятностями, чем боль.

Мы полностью согласны с тем, что, если вы видите исследование в базе данных Neurosynth с активацией dACC, это, скорее всего, связано с моторным исследованием, чем с изучением боли. Тем не менее, мы считаем, что это почти полностью не относится к делу. Мы не заинтересованы в распределении исследований в базе данных Neurosynth как таковой. Мы заинтересованы в попытках сделать выводы о вероятной функции (ы) dACC в реальном мире. То, что есть больше моторных исследований, чем исследования боли в базе данных Neurosynth, говорит только о приоритетах научных исследований ученых и, возможно, о большей легкости, с которой может проводиться моторное исследование, по сравнению с трудностью проведения исследования боли.

Чтобы прояснить, насколько неуместно это различие в предшествующем Neurosynth, рассмотрим следующий пример. Представьте себе базу данных только с больными и моторными исследованиями. Предположим, что в базе данных 100 исследований боли и 1 000 000 моторных исследований. Далее представьте, что 100% исследований боли производят активность ДАКК в конкретном вокселе и что только 1% моторных исследований производит активность ДАКК в том же вокселе. Если бы мы случайно использовали исследование из этой базы данных, которое показало активность в этом воксе dACC, это было бы в 100 раз более вероятным, чем моторное исследование, чем исследование боли. Тем не менее, любой разумный человек будет смотреть на эти результаты и сделать вывод, что это место в ДАКК, вероятно, связано с болью, но не связано с двигательными процессами. Хи-квадрат поддержал бы этот вывод.

Мы понимаем, что 3,5% и 18% в некотором смысле являются эмпирическими пригородами для боли и двигательного аппарата, соответственно, в контексте Neurosynth, но они не являются реальными эмпирическими приуральями (и TY указывает это позже в своем блоге). Мы считаем, что решение TY установить все приоритеты .50, когда он создал Neurosynth, был действительно хорошей идеей, поскольку он позволяет избежать влияния эффектов на те виды исследований, которые лучше всего представлены в базе данных.

В первом блоге TY он дал большое объяснение, как на самом деле думать о задних вероятностях. Он написал:

«Строгая интерпретация апостериорной вероятности 80% боли в DOCC-вокселе заключается в том, что если бы мы взяли 11 000 опубликованных исследований в области ФМР и предположили, что ровно 50% из них включали термин« боль »в их тезисы, то наличие активация в рассматриваемом вокселе должна увеличить нашу оценку вероятности того, что термин «боль» происходит от 50% до 80% ».

Поэтому давайте немного проиграем этот пример. Предположим, у нас есть 2000 исследований в гипотетической базе данных Neurosynth вместо 11 000. Установив предварительную боль в 0,50, мы говорим: «Представьте, что 1000 из 2000 исследований имеют терпение в абстрактном выражении, а другие 1000 – нет». Далее представьте, что через эти 2000 исследований 1000 из них обладают активностью dACC в интересующем вокселе (например, координаты 0, 18, 30). Побочная вероятность боли 0,81 в этом вокселе будет означать, что мы должны ожидать около 810 из 1000 исследований с dACC в этом образце (или новый набор исследований с тем же распределением боли / без боли), чтобы иметь боль как термин и около 190 из 1000 исследований с dACC в этом образце, чтобы не иметь боли в качестве термина. Напротив, если у двигателя есть задняя вероятность 0,51 для этого воксела, тогда мы должны ожидать около 510 из 1000 исследований с dACC в этом образце, чтобы иметь мотор в качестве члена и около 490 из 1000 исследований с dACC в этом образец, чтобы не иметь мотор в качестве срока. Хотя боли и мотор не были непосредственно сопоставлены в этих анализах, мы считаем, что эти два анализа предполагают, что боль лучше отражает активность в этом вокселе, чем двигательные процессы. Это также отражается на z-баллах при 0, 18, 30 для боли (Z = 9.90) и двигателе (Z = 0,21).

TY также пишет следующее:

«Интересно, что независимо от того, что раньше вы выбрали для любого заданного термина, Z-score Neurosynth никогда не изменится. Это связано с тем, что z-оценка является частотной мерой статистической связи между появлением термина и активацией воксела. Все это говорит нам, что, учитывая все данные, которые мы имеем, очень маловероятно, что между термином и регионом существует ровно нулевая ассоциация. Это может быть или не быть интересным (я бы сказал, что это не так, но это для другой должности), но он, конечно же, не разрешает обратный вывод, например, «активация dACC предполагает, что боль присутствует». Чтобы привлечь последнее требование, вы должны использовать байесовский фреймворк и выбрать несколько разумных призеров. Нет приордов, нет обратного вывода.

Это до сих пор не имеет для нас никакого смысла. Во-первых, насколько мы можем судить, мы никогда не писали слова TY, которые, как нам кажется, приписывают нам («активация dACC предполагает, что боль присутствует»), и это потому, что мы не поддерживаем эту точку зрения и не поддерживаем ее. Кроме того, мы понимаем, что без байесовской структуры вы не получаете задних вероятностей, что дает оценку силы эффекта обратного вывода. Тем не менее, z-балл, несомненно, говорит нам, есть ли ненулевой эффект обратного вывода. Таким образом, z-оценка действительно говорит нам что-то интересное о обратном выводе. Если есть 14 учетных записей DACC, и только 1 из 14 учетных записей имеет значительный z-балл в своих обратных картах вывода для определенного воксела, тогда мы определенно узнали что-то о функции этого вокселя, не обращаясь вообще к задним вероятностям.

Можем ли мы когда-либо сказать, что у области мозга есть функция?

TW поставил под сомнение предпосылку нашей газеты, предлагая:

«Мы не должны искать единое объяснение деятельности dACC, если только оно не описывает совокупность различных процессов. Попытка найти «лучшую интерпретацию» для коллекции из 550 миллионов нейронов вводит в заблуждение, потому что она предлагает нам сделать психологические выводы, основанные на активности мозга, которые не оправданы. По аналогии, это похоже на попытку угадать, является ли человек республиканцем или демократом, основанным на его или ее родном государстве. «Лучшая интерпретация» избирателей, которые живут в Техасе, заключается в том, что они являются республиканцами. Вы были бы правы, чтобы угадать республиканца, но вы были бы правы только в 57% случаев ».

Это действительно философия науки о единицах / уровнях анализа. Тот же вопрос возникает в социальной психологии, когда мы говорим «при определенных условиях люди склонны проявлять эффекты соответствия». Это не означает, что каждый человек, оказавшийся в этой ситуации, покажет эти последствия, а скорее, что существует центральная тенденция, может быть статистически отличен от шума. Просто потому, что есть люди, которые не соответствуют друг другу, это не значит, что мы не можем говорить о том, что делают люди в целом.

Позиция TW философски оправдана, однако в значительной степени это приводит к выводу, что fMRI в значительной степени никогда не может идентифицировать какую-либо психологическую функцию в любом мозговом регионе, поскольку каждый воксел содержит около 5,5 миллионов нейронов (Logothetis, 2008), и, вероятно, нет региона, где 100% этих нейронов вызывается одной функцией / процессом и никакой другой функцией / процессом. Но ученые ясно нашли полезность в попытке описать, скажем, гиппокамп с точки зрения конкретной функции, несмотря на то, что у него есть миллионы нейронов, которые не все делают одно и то же. Мы не предполагаем, что какая-либо конкретная функция является окончательным описанием функции гиппокампа, но мы полагаем, что не бессмысленно пытаться установить общую функцию гиппокампа, которая будет обсуждаться, уточняться и обновляться с течением времени.

Давайте обратимся к примеру TW, предполагающему, является ли случайно выбранный техасский республиканцем, исходя из того, что 57% техасцев проголосовали за Ромни в 2012 году (против 41% для Обамы). Мы считаем, что это отличный пример, но он не затрагивает вопрос, который нам действительно интересен. Если мы приравниваем отдельных техасцев к нейронам dACC и состоянию Техаса с ЦАПК в целом, тогда наш реальный вопрос не является можем ли мы догадаться, является ли конкретный человек республиканцем (хотя вы были бы сумасшедшим, чтобы не догадываться о республиканском, если бы вы были вынуждены делать ставки). Вместо этого наш вопрос более сродни: «Техас действует как республиканское государство, несмотря на то, что многие люди в этом государстве не являются республиканцами?» Ответ на этот вопрос является решительным да. Те 57%, которые голосуют республиканцами, обеспечили доминирование республиканцев во всех сферах правления: в Сенате США (100%); Палата представителей США (69%); Сенаторы штата Техас (68%); Представители Техаса (65%); и Верховный суд штата Техас (100%). Эти цифры достаточно высоки, чтобы гарантировать, что Техас функционирует как республиканское государство. С 65% и более в обеих палатах законодательного собрания штата республиканцы могут голосовать через 100% -ное республиканское законодательство, а Верховный суд штата может время от времени принимать реваншские дружеские решения. Возможно, самое большое значение состоит в том, что те 57% техасцев, которые голосуют республиканец, отправили 100% голосов избирателей из Техаса на пост кандидата в президенты от Республиканской партии за последние 9 выборов подряд. Поэтому пока мы считаем, что разумно описывать Техас как республиканское государство, поскольку это имеет большую практическую ценность. Каждый гражданин не должен быть республиканцем, чтобы это имело место, а также тот факт, что существуют городские анклавы, которые опережают демократию, подрывают это описание государства. (Для тех, кто более разбирается в вычислительной способности, просто рассмотрите сеть соединений. Если представление имеет небольшое преимущество в весах, соединяющих некоторые узлы, процессы удовлетворения итеративных ограничений удовлетворения превратят это небольшое преимущество в большое функциональное преимущество в результатах.)

Вывод

Получают ли z-баллы с карт обратного вывода, говорят ли мы о силе эффектов обратного вывода? Нет, но они коррелированы .86 в наших анализах с последующими вероятностями. Получают ли z-баллы с карт обратного вывода, где нам известно, что в мозге есть достоверные доказательства отсутствия обратной обратной связи? Абсолютно. Можно ли использовать z-баллы в качестве инструмента для обратного вывода, если мы идентифицируем вокселы, которые показывают значимые z-баллы за один термин, но не для других, представляющих интерес? Абсолютно.

Считаем ли мы, что каждый нейрон или воксел в ЦАПК избирателен или даже активирован болью? Нет. Считаем ли мы, что это означает, что не может быть обсуждения функции dACC? Нет. Большинство из вокселей в dACC выборочно, используя определение TY? Нет, но около 43% вокселей dACC показывают селективность с использованием 14 членов, которые мы рассматривали (что означает, что эти вокселы появились в одной и только одной из 14 обратных карт вывода).

Из тех vocels dACC, которые являются селективными, 91% являются избирательными для боли . Является ли dACC избирательным для боли по сравнению с исполнительными, конфликтными и значительными процессами, как мы утверждали в статье PNAS? Абсолютно – только один воксел из 477 вокселов, которые показывают селективность, избирателен для любого из этих трех процессов. Основываясь на доказательствах Neurosynth, больше зависит от выбора dACC для боли, чем для внимания, автономности, избегания, конфликта, эмоций, ошибок, исполнительной власти, страха, негативного воздействия, ингибирования реакции, отклика, вознаграждения и значимости? Абсолютно. Учитывая, что немногие, в том числе и мы, догадались бы, что гораздо больше dACC является избирательным для боли, чем все эти другие счета, мы считаем, что наши результаты являются значительным вкладом в аффективную и когнитивную неврологию.