特征选择导致基于脑的机器学习生物标志物的神经生物学解释出现分歧

《Nature Human Behaviour》:Feature selection leads to divergent neurobiological interpretations of brain-based machine learning biomarkers

【字体: 大 中 小 】 时间:2026年04月16日 来源:Nature Human Behaviour 15.9

编辑推荐:

  摘要 人类神经影像学的一个核心目标是理解认知和心理健康的神经生物学基础。基于神经影像学数据训练的机器学习模型,作为预测行为表型的工具,相较于传统磁共振成像(Magnetic Resonance Imaging, MRI)研究,可提高预测精度、增强精准医疗并改善

  
摘要 人类神经影像学的一个核心目标是理解认知和心理健康的神经生物学基础。基于神经影像学数据训练的机器学习模型,作为预测行为表型的工具,相较于传统磁共振成像(Magnetic Resonance Imaging, MRI)研究,可提高预测精度、增强精准医疗并改善泛化性。然而,脑连接数据的高维度特性使得模型解释具有挑战性。主流实践依赖于特征选择,并隐含地将识别出的特征网络解释为特定表型的唯一代表,而忽略了其他特征。尽管特征选择被广泛使用,但单变量特征选择在如何权衡“为优化建模而简化”与“过度简化以至于曲解真实神经生物学”方面仍未得到充分研究。本研究使用了四个大规模神经影像数据集,涵盖超过12,000名参与者和13种结局,以论证被特征选择丢弃的脑连接(edges)仍可达到显著的预测准确度,并产生不同的神经生物学解释。这些结果在认知、发育和精神表型中均被观察到,并同时适用于功能连接(functional MRI, fMRI)和结构(扩散张量成像, diffusion tensor imaging, DTI)连接组,在外部验证中也依然存在。这表明,仅关注最重要的(top)特征可能会简化大脑-行为关联的神经生物学基础。当某些被忽略的特征可能同样有意义时,这种解释可能只是冰山一角,这可能加剧了该领域内关于可重复性(reproducibility)的持续性问题。更广泛而言,我们的结果强化了这样一个观点,即细微的全脑(brain-wide)信号不应被忽略。

论文解读

研究背景、问题与目的

人类神经影像学的一个核心目标是揭示认知和心理健康的神经生物学基础。新兴的机器学习方法通过从大脑结构和功能中预测个体行为表型的差异,有助于实现这一目标。这些大脑-行为预测模型通过将数据集分割为训练集和测试集,减少了过拟合,并比传统MRI研究提供了对关联更稳健的评估。它们也为推进精准医疗策略提供了机会。然而,脑连接数据的高维度特性使得模型解释面临诸多挑战。为了获得高维数据的更易管理表示,该领域普遍采用单变量特征选择,即根据每个脑特征与目标表型的关联强度(单变量效应量)进行排序,选取关联最强的特征进行建模,其余则被丢弃。尽管特征选择可以减少训练时间、提高预测性能并简化可解释性,但它可能忽略了较弱的、但具有神经生物学意义的信号。
常规做法中,所选特征被解释为所预测表型个体差异的神经生物学基础。然而,这种行为与表型之间的关联很可能由效应量较小、分布广泛的神经环路来表征。传统的单变量方法,包括单变量特征选择,可能只允许最稳健、最直接的关联(即“冰山一角”)保留下来。然而,近期研究表明,单变量效应量较弱的特征通常可以组合起来,产生与关联更强的特征相当的预测准确度。因此,特征选择可能会过度简化支撑行为的复杂神经生物学。如果被丢弃的特征支持有意义的预测,那么将解释局限于排名最高的特征就会简化神经生物学的复杂性。尽管单变量特征选择被广泛应用,但它在简化建模与过度简化之间的权衡如何,仍未得到充分研究。
本研究的目的是检验未被选择的特征是否对预测和神经生物学解释有意义。研究横跨四个大型神经影像数据集(总计超过12,200名参与者),涉及功能和结构连接,以及13种结局,包括年龄、性别、认知能力、发育指标和精神表型。研究人员旨在探究,被特征选择忽略的多个特征子集是否能产生显著的预测准确度,但导致不同的生物学解释。这可能会对识别临床或研究人群中有意义的亚型产生重要影响。

主要研究方法

研究人员开展了一系列基于连接组(connectome)的预测建模(Connectome-based predictive modeling, CPM)和岭回归(ridge regression)分析,主要利用了四个大型神经影像数据集:健康脑网络(Healthy Brain Network, HBN)、青少年脑认知发育(Adolescent Brain Cognitive Development, ABCD)研究、发育中的人类连接组项目(Human Connectome Project in Development, HCPD)和费城神经发育队列(Philadelphia Neurodevelopmental Cohort, PNC)。研究的关键技术方法包括:
  1. 1.
    特征分组建模:修改了标准的CPM框架,将连接特征根据其与目标表型的关联强度(通过训练集的Pearson相关系数绝对值)排序,并划分为十个互不重叠的十分位数(decile)。然后,分别使用每个十分位数的特征子集建立独立的预测模型,以评估其预测性能。
  2. 2.
    模型训练与评估:采用100次重复的十倍交叉验证进行模型训练。模型性能通过Pearson相关系数(r)、交叉验证确定系数(q2)和均方误差(mean square error, MSE)进行评估。显著性通过1,000次排列检验(permutation testing)来评估。
  3. 3.
    外部验证:将在一个数据集上训练的模型,应用于其他独立的数据集,以评估模型的泛化能力,这是模型评估的金标准。
  4. 4.
    神经生物学解释分析:比较不同十分位数模型所涉及的脑网络(基于Shen 268节点图谱和标准功能网络)和节点贡献,以评估其神经生物学解释的异同。对于岭回归模型,应用了Haufe变换进行特征贡献的反向解释。
  5. 5.
    跨模态与表型验证:研究不仅限于功能磁共振成像(fMRI)功能连接,还扩展到扩散张量成像(DTI)结构连接。预测的表型也涵盖了执行功能、语言能力、精神病学量表评分、发育指标、年龄和性别等多种领域,以验证研究发现的普适性。
  6. 6.
    敏感性分析:进行了多项敏感性分析,包括使用不同的特征分组方法(如百分位数、五分位数)、基于不同统计指标(P值、效应量)进行特征分组、控制协变量(如年龄、性别、头动等)的影响,以及使用偏相关(partial correlation)构建功能连接矩阵等,以检验结果的稳健性。

研究结果

预测准确性并非排名最高特征所独有

研究人员在PNC、HBN和HCPD数据集中,使用修改后的CPM范式构建了语言能力和执行功能模型。结果显示,从第一到第九个特征十分位数构建的模型,均能成功预测执行功能和语言能力。被常规特征选择忽略的排名较低的特征,继续表现出显著的预测性能。在某些情况下,第一十分位数的预测性能并非最佳。例如,对于HCPD执行功能,第五十分位数在数值上优于排名更高的特征十分位数。总体上,第一十分位数与第二、第五、第六、第七十分位数在预测性能上无显著差异。

被忽略的特征集也能通过外部验证

研究人员将十分位数模型应用于三个独立数据集进行外部验证。尽管十分位数之间的特征没有重叠,但除了第一十分位之外的其他十分位数模型,在所有12种跨数据集预测情景中,对执行功能和语言能力均成功实现了外部验证。例如,基于PNC第九十分位数特征构建的执行功能模型,在HCPD数据集上的泛化能力与第一十分位数模型相当。模型在PNC和HCPD中的表现优于在HBN中的表现。

被忽略的特征集产生不同的神经生物学解释

由于不同特征子集的模型表现相似,研究人员比较了各十分位数模型所涉及的脑内和脑网络间功能连接,以确定其神经生物学基础的异同。研究发现,对于执行功能和语言能力,不同十分位数模型所依据的典型(canonical)网络是不同的。例如,对于PNC执行功能,视觉关联网络与额顶网络之间的连接在第一十分位数中很突出,但在第二到第五十分位数中信息量较少。来自不同十分位数的网络之间,解释的方差(explained variance)较弱至中等,只有一个网络对解释了超过50%的方差。来自相邻十分位数的网络之间的解释方差大于来自非相邻十分位数的网络。当从网络级比较转向节点级方法时,趋势也相似。所选特征在较高十分位数中比较低十分位数更频繁地出现在交叉验证的各折(folds)中。

被忽略特征的效用泛化至精神病学、发育和人口统计学表型领域

研究人员在HBN数据集中,对一系列发育和精神表型进行了预测。对于每个表型,第一十分位之后的十分位数都保留了预测效用。值得注意的是,对于社交沟通问卷,第二到第七十分位数实现了数值上优于第一十分位数的预测性能。预测模型通常表现出较低的效应量。因此,研究人员还测试了研究结果是否扩展到更大效应量表型的预测,即在PNC、HCPD和HBN中预测年龄和性别。同样,传统上被忽略的特征集对所有三个数据集的性别和年龄都保留了显著的预测能力。

岭回归中被忽略的特征

研究人员使用岭回归重复了部分分析。岭回归可以处理高维数据而无需特征选择,尽管特征选择仍常与岭回归结合使用。特征选择提高了岭回归的预测性能并减少了训练时间。与CPM类似,第一十分位之后的模型也表现出显著的预测能力。但与CPM不同的是,后续十分位数的预测性能比前一个十分位数差。例如,第一十分位数的模型优于第二十分位数的模型。基于非重叠十分位数的模型彼此之间以及与无特征选择模型之间,表现出互补的连接模式。十分位数模型通常解释了无特征选择模型少于40%(网络水平)和43%(节点水平)的方差。在三分之二的比较中,与无特征选择模型最相似的模型并非来自最高十分位数模型。

使用偏相关的复现

为了通过去除节点间的共享方差来分离直接连接,研究人员在PNC数据集中使用偏相关而非Pearson相关生成功能连接矩阵,重复了分析。偏相关连接组的结果类似于扩散连接组的结果,即性能衰减更单调。

被忽略的特征在其他成像模态中也有用

研究人员使用ABCD研究的扩散加权成像数据,测试了较低十分位数的预测效用是否在不同成像模态中保守。类似功能模型,结构模型在较低十分位数特征集中仍保留了相当大的预测能力。扩散模型在十分位数间表现出稳定、线性的预测性能下降,这与功能数据不同,后者在大多数十分位数中保持了相对稳定的性能,仅在最低十分位数出现急剧下降。总体而言,对于各表型和十分位数,功能连接组的预测性能通常高于结构模型。

敏感性分析

为评估研究结果的稳健性,研究人员进行了一系列敏感性分析,包括使用不同的特征分组(百分位数、五分位数等)、基于不同的统计指标(P值、效应量)对特征进行分组、控制非兴趣变量的影响、仅使用静息态连接组,以及评估不同特征子集对个体子集的适用性。在每种情景下,除排名最高的特征子集之外的特征子集都表现出了显著的预测能力。初步结果还表明,对于某些个体子集,排名最高的十分位数并非总是最佳拟合模型。

讨论与结论

讨论
本研究评估了未被选择的特征是否能对神经影像预测模型的构建和解释做出有意义的贡献。通过使用基于十分位数的特征排序范式,研究表明显著的预测能力并非排名最高连接特征所独有。横跨功能和结构连接数据、多种表型和数据集,排名较低、未被选择的特征达到了显著的预测准确度,通常与传统所选特征(即排名最高的特征)相当。排名较低的特征揭示了互补的连接模式,通常提供了独特的神经解剖学贡献。总的来说,多个特征集都能实现显著预测的现象,可能导致对大脑-行为关联的神经生物学解释出现分歧。因此,虽然特征选择可以改善预测建模的许多方面,但当某些被忽略的特征可能同样有意义时,它可能只呈现了冰山一角。
研究结果与神经影像学领域的几个新兴趋势相一致。首先,支持了对广泛分布的脑网络(而非更局部化或简化的网络)日益增长的认识。大脑-行为模型依赖于广泛分布的网络,即使与行为个体相关性较弱的连接,作为更广泛功能网络的一部分考虑时,也可能发挥有意义的作用。虽然通过特征选择获得的稀疏模型很方便,但它们可能过度简化了个体行为差异的神经生物学基础。
其次,虽然预测模型比全脑关联研究(brain-wide association studies, BWAS)更具可重复性,但可重复性挑战仍然存在。在不同研究中,相同表型可能涉及不同的神经生物学过程。研究发现可能有助于解释这种变异性的一部分。在某些复制失败的案例中,跨研究识别的不同网络可能代表了更复杂的神经生物学图景中的特定快照,而非真正的分歧。
第三,研究结果与神经影像学中公认的多变量与单变量分析差异相符。例如,连接组中的单变量特征(即连接)往往可靠性较差。然而,多变量可靠性方法显示连接组具有相对较高的可靠性。这种增加的可靠性反映了连接组的高维结构。同样,一次选择一个特征而不考虑其他特征,忽略了这种高维方差结构。
从表面上看,排名较高和较低的特征能相似地预测结果可能显得矛盾。这一结果很可能由脑特征间高度的空间和时间自相关来解释。当向模型添加新特征时,仅当新特征具有与现有特征不同的信息时,准确性才会提高。两个与表型高度相关的特征很可能彼此之间也具有高相关性。因此,汇集排名较低(但不相关)的特征可能与汇集排名很高(但高度相关)的特征表现相当甚至更好。汇集特征也可以通过抑制噪声来增强稳健性,即使它们的个体单变量关联较弱。换句话说,较低的信噪比(signal-to-noise ratio)将相对较强的聚合大脑-行为关联转化为较弱的单变量关联。或者,预测模型可能无意中捕获了不感兴趣的信息,如混杂因素。排名较低的特征可能更容易从这些信息中学习。因此,来自排名较低特征的预测可能反映了这些特性,而非潜在的神经生物学。
结构模型的结果与功能连接组生成的结果基本一致;然而,功能模型性能在最低十分位数之前相对稳定,而基于扩散的模型性能在十分位数间表现出更稳定、线性的下降。鉴于功能连接组实现了更高的预测性能,一种可能性是,对于更高效应量的预测,较低十分位数的效用持续更久。然而,使用结构连接组进行年龄预测的初步研究表明,这种解释并不成立。另一种解释可能与功能磁共振成像时间序列数据的低信噪比和高时间自相关有关,这可能导致不同十分位数间的信号冗余,并解释为何性能在多个十分位数间保持相似。实际上,使用偏相关生成的功能连接组的初步结果,表现出与扩散连接组观察到的性能衰减相似的模式。尽管如此,针对功能模型的考虑可能同样适用于结构模型。
识别和定义数据集中具有生物学意义的个体聚类(例如,亚型)是该领域非常感兴趣的。研究结果表明,多个神经生物学上不同的模型可能捕获给定的表型,每种都需要不同的模型,这对这些持续的努力具有重要影响。同样,未被选择的、排名较低的特征可能是新兴干预措施和个体化医疗策略的新目标。传统上,预测模型中排名最高的特征被选为潜在目标,但这些特征可能与特定疗法不匹配。然而,被忽略的、排名较低的特征可能更易解剖学上接近,并且仍能以与高排名特征相同的准确度预测相关表型。超越传统的特征选择方式,可能使预测模型与治疗方法更好地结合。不过,哪些特征是干预的最佳目标仍不清楚。预测症状或治疗结果个体间差异的脑特征,与那些在症状表现中有因果关系的特征不一定相同。
研究结论
总而言之,本研究的发现强调,通常被忽略的特征可能具有可比的预测和神经生物学意义。它们支持对广泛分布的脑网络的日益重视,而非更局部化或简化的网络。本研究结果也指向了连接组数据中潜在亚型的存在,其中不同的特征集代表不同个体组的最佳模型。总体而言,更好地理解和表征被忽略的特征,将有助于提高预测模型的泛化性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号