功能性近红外光谱(fNIRS)研究的可重复性挑战：数据质量、分析流程与研究者经验的多维度影响

本研究针对功能性近红外光谱(fNIRS)技术分析流程缺乏标准化的问题，通过全球38个研究团队对相同数据集的分析比较，揭示了分析流程差异对结果可重复性的影响。研究发现，在文献支持较强的组水平假设中团队间一致性达80%，而个体水平分析的一致性随数据质量提升而改善。研究强调了建立标准化分析流程对提升fNIRS研究可靠性的重要意义，为神经影像学方法学发展提供了重要参考。

　　

在神经科学研究领域，功能性近红外光谱(fNIRS)技术因其便携性和适用性广的特点，已成为研究自然状态下脑功能的重要工具。然而，随着这项技术的快速普及，一个关键问题日益凸显：不同实验室采用的分析方法差异巨大，导致研究结果难以直接比较。这种"分析灵活性"虽然有助于探索多样化的科学问题，但也带来了结果不一致的风险，甚至可能影响整个领域的可信度。

针对这一挑战，来自波士顿大学神经光子学中心(Neurophotonics Center, Boston University)的研究团队联合全球多所机构，发起了名为"fNIRS可重复性研究枢纽(FRESH)"的创新项目。这项发表在《Communications Biology》上的研究，首次系统评估了分析方法差异对fNIRS研究结果的影响程度及其关键影响因素。

研究人员采用了多中心协作的研究设计，邀请全球223名研究者组成38个独立分析团队，对两组标准化的fNIRS数据集进行分析。第一组数据来自听觉任务实验，包含语音、噪声和静息三种条件；第二组为运动任务数据，记录受试者执行手指敲击任务时的脑活动。每个团队都基于自身专业知识独立分析数据，并测试预先定义的假设。通过比较不同团队的分析流程和结果，研究揭示了影响fNIRS研究可重复性的关键因素。

研究采用了几个关键技术方法：1)多中心协作分析框架，确保方法多样性；2)标准化fNIRS数据采集(使用NIRScout设备，波长760/850nm)；3)基于BIDS格式的数据共享；4)广义线性模型(GLM)和块平均等多种信号处理方法；5)信号质量指标(如信噪比SNR)定量评估。

研究结果

假设检验结果在不同分析流程间存在显著差异

研究发现，在组水平分析中，38个团队对7个假设的检验结果差异显著。对于文献支持较强的假设(如H1、H2)，团队间一致性高达81%，而对支持较弱的假设(H3-H6)，一致性明显降低。在个体水平分析中，结果一致性普遍较低，但在高信噪比(SNR)数据中有所改善。

分析流程选择是变异性的主要来源

通过Sankey图可视化分析流程发现，91.4%的团队会剔除低质量通道，88.6%进行运动伪迹校正，但具体方法差异很大。79%的团队使用GLM分析，其中46%采用自回归迭代重加权最小二乘法(AR-IRLS)，33%使用普通最小二乘法(OLS)。值得注意的是，20%的团队仍使用不考虑生理噪声的块平均方法。

研究者经验与结果一致性相关

分析显示，自我报告分析信心较高的团队(通常具有更长的fNIRS研究经验)在组水平分析中表现出更高的一致性(Sorensen-Dice系数：高信心组0.61 vs 低信心组0.50)。这些团队更倾向于使用GLM结合短通道回归等先进方法，而低信心团队更可能依赖单一质量指标如SNR。

讨论与意义

这项研究首次全面揭示了fNIRS研究中的"分析变异性"问题，并量化了其对结果可重复性的影响。研究发现虽然分析方法差异不可避免，但在文献支持充分的假设中仍能获得较高一致性，这支持了fNIRS技术的科学可靠性。研究特别强调了数据质量(如SNR)和研究者经验对结果可重复性的重要性。

研究结果对神经影像学领域具有重要启示：一方面需要保持方法多样性以促进创新，另一方面也需要建立核心分析标准。作者建议未来研究应：1)提高分析方法透明度；2)推广最佳实践(如GLM结合短通道回归)；3)加强研究者培训；4)发展全球数据共享平台。这些措施将有助于提升fNIRS研究的可靠性和可比性，推动该技术在基础研究和临床应用中的发展。

这项由M.A.Yücel和R.C.Mesquita等学者领导的多中心研究，为理解神经影像学分析变异性树立了新标杆，其研究框架也可拓展至fMRI、EEG等其他脑成像技术，对促进整个神经科学领域的可重复性研究具有重要意义。