Подход на основе больших данных к нейробиологии обещает значительно улучшить наше понимание взаимосвязи между активностью мозга и производительностью.
На сегодняшний день было предпринято сравнительно мало попыток использовать подход с большими данными в появляющейся области нейротехнологий. В этой области несколько попыток метаанализа (анализа по нескольким исследованиям) объединяют только результаты отдельных исследований, а не исходные данные. Новое исследование – одно из первых, которое объединило данные различных экспериментов, чтобы выявить закономерности мозговой активности , общие для разных задач и людей.
Армия, в частности, заинтересована в том, как когнитивное состояние солдат может повлиять на их эффективность во время миссии. Если вы можете понять мозг, вы можете предсказать и даже улучшить когнитивные функции.
Исследователи из Военно-исследовательской лаборатории Командования по развитию боевых возможностей армии США совместно с Техасским университетом в Сан-Антонио и Intheon Labs разработали первый в своем роде мегаанализ данных визуализации мозга – в данном случае электроэнцефалографии или ЭЭГ.
В статье, состоящей из двух частей, они объединяют необработанные данные из 17 отдельных исследований, собранные в шести разных местах, в единую аналитическую структуру, а их результаты опубликованы в серии из двух статей в журнале NeuroImage . Отдельные исследования, включенные в этот анализ, охватывают разнообразные задачи, такие как симуляция вождения и визуальный поиск.
«Подавляющее большинство человеческих нейробиологических исследований использует очень небольшое количество участников, занятых в весьма специфических задачах», – сказал доктор Джонатан Турян, военный ученый и соавтор статьи. «Это ограничивает то, насколько хорошо результаты любого отдельного исследования могут быть обобщены для более широкой популяции и более широкого спектра видов деятельности».
Мегаанализ ЭЭГ является чрезвычайно сложной задачей из-за множества типов аппаратных систем (свойства и конфигурация электродов), разнообразия задач, того, как аннотируются различные наборы данных, и внутренней изменчивости между индивидуумами и внутри человека с течением времени, Touryan сказал.
Эти источники изменчивости затрудняют поиск надежных взаимосвязей между мозгом и поведением. Мегаанализ пытается решить эту проблему путем объединения больших разнородных наборов данных для выявления универсальных функций, которые связывают нейронную активность, когнитивное состояние и выполнение задач.
Нейротехнологии следующего поколения потребуют глубокого понимания этой взаимосвязи, чтобы уменьшить дефицит или повысить производительность операторов. В конечном счете, эти нейротехнологии позволят автономным системам лучше понимать солдата и облегчат связь в рамках многодоменных операций, сказал он.
Чтобы объединить необработанные данные из коллекции исследований, исследователи разработали дескрипторы иерархических событий (теги HED) – новую онтологию маркировки, которая охватывает широкий спектр экспериментальных событий, встречающихся в различных наборах данных. По словам Туряна, эта система меток HED была недавно принята в международном стандарте структуры данных для визуализации мозга, одном из самых распространенных форматов для организации и анализа данных мозга .
Исследовательская группа также разработала полностью автоматизированный конвейер обработки данных для проведения крупномасштабного анализа своих многомерных данных временных рядов, что составляет более 1000 сеансов записи.
Большая часть этих данных была собрана в течение последних 10 лет в рамках Альянса по когнитивным и нейроэргономическим технологиям армии США и теперь доступна в онлайн-хранилище для научного сообщества. Армия США продолжает использовать эти данные для разработки адаптивных систем, обеспечивающих автономию человека, для кросс-функциональных команд боевого корабля следующего поколения и солдатской смертности.