大脑功能活动流模型的解释力

近期，通过映射大脑连接性取得了巨大的神经科学进展，补充了关于任务诱发大脑激活模式的广泛知识。然而，尽管有证据表明它们是相关的，但这些连接性和活动性研究路线大多各自独立发展。在此，我回顾了将连接性和任务诱发活动估计结合为活动流模型的显著成效与未来前景。这些数据驱动的计算模型模拟了任务诱发激活（包括与行为相关的激活）的产生过程，基于任务诱发活动在经验性大脑连接上的流动，产生了对神经认知功能起源的实证支持解释。关键在于，通过纳入因果原理和来自大脑数据的广泛经验约束，该方法能够提供比纯预测（而非解释性）模型或主要为任务性能优化的模型（如标准人工神经网络）更具机制性的神经认知现象解释。本文涵盖了迄今为止报道的多种基于活动流的解释，以及发现新的基于活动流的解释时的重要方法论和理论考量。这些考量共同阐明了活动流建模在神经科学未来以及最终为大脑疾病开发新型临床治疗方法（例如，使用大脑刺激）方面的前景。