本篇文章探讨了在脑部功能活动研究中，通过细微粒度的功能相互作用签名（FGFI）来刻画大脑状况的新方法。文章基于人脑中的功能活动发生于多个空间尺度的原理，分析了目前针对功能性脑网络及其在大脑疾病中的变化研究主要采用局部尺度（局限性区域分析和区域间功能连接性分析）或全局尺度（图论分析）。然而，研究者们推测，在更细微的子网络尺度上推断功能相互作用尚未得到充分的探索，并且这种细微粒度上的功能相互作用可能为神经心理条件的神经机制提供新的见解，为健康与患病人群的分类提供补充信息。
在研究中，作者通过扩散张量成像（DTI）和静息态功能磁共振成像（rs-fMRI）衍生出了轻度认知障碍（MCI）患者和精神分裂症患者的FGFI签名，并使用患者与对照组分类实验来评估所得FGFI特征的区分度。研究结果表明，单独使用FGFI特征可以达到与常用区域间连接性特征相当的分类性能。当结合FGFI特征和其他特征时，分类性能可以显著提升。
具体来说，这项研究的方法和技术涵盖了以下几个关键知识点：
1. 功能性脑网络的多尺度研究：目前的研究关注于局部尺度和全局尺度。局部尺度主要侧重于单个脑区的功能活动及其与邻近脑区的功能连接性；而全局尺度则更多地关注大脑作为一个整体的网络特性，应用图论方法分析大脑网络的拓扑属性。然而，这两种方法都忽略了一个中间的、更精细的网络尺度——子网络尺度。
2. 细微粒度功能相互作用（FGFI）：研究中提出了FGFI的概念，是指在更小的网络规模上推断功能活动之间的相互作用。这可能涉及到神经元群体间更为复杂的交互作用，而这种交互作用可能是在更大的脑网络尺度上不易观察到的。
3. 扩散张量成像（DTI）：这是一种基于MRI的技术，能够非侵入性地测量水分子在脑组织中的扩散。DTI可以揭示白质束的微观结构，被广泛用于研究大脑连接性和神经解剖学。
4. 静息态功能磁共振成像（rs-fMRI）：在rs-fMRI扫描中，受试者在没有特定任务或外部刺激的情况下处于静息状态。研究者利用这种成像技术来分析大脑区域在静息状态下的功能连接性。
5. 轻度认知障碍（MCI）和精神分裂症：MCI是认知功能下降的一个临床症状，通常被认为是阿尔茨海默病的前兆。精神分裂症是一种慢性精神障碍，主要特征是认知功能障碍、感知扭曲、思维混乱和情感平淡。
6. 患者与对照组的分类实验：这是一种机器学习方法，通过学习正常大脑功能与疾病状态下的差异来训练分类器。分类实验的目的是检验特定的生物标志物（如FGFI特征）在区分健康和患病人群方面的有效性。
7. 结合特征的分类性能提升：研究显示，当将FGFI特征与其他类型的特征（如区域间连接性特征）结合使用时，可以显著改善疾病状态的分类效果。这说明FGFI特征能够提供互补信息，增强机器学习模型对于复杂脑疾病的识别能力。
FGFI提供了一个新的视角，用来探究大脑功能活动在细微尺度上的相互作用模式，可能有助于揭示神经心理疾病的潜在机制，为未来的大脑疾病诊断和治疗提供新的生物标志物和治疗靶点。
