功能磁共振成像给了心理学一件它渴望了一个世纪的东西：看见活着的、正在思考的大脑。
它也带来了一个副作用：彩色的脑图具有近乎不可抗拒的说服力。有研究发现，同一段解释配上一张无关的脑扫描图，读者会觉得它更可信。图像的可信度与它承载的证据强度之间，从来不成正比。
理解神经影像的价值，必须同时理解它测的到底是什么、以及它有多少种方式会骗人。
一、每种方法都是一次取舍
功能磁共振（fMRI）测的不是神经活动，而是血氧水平依赖（BOLD）信号——神经元活跃后局部血流与含氧血红蛋白比例的变化。这是一条间接链路：神经活动 → 代谢需求 → 血流调节 → 磁化率变化 → 信号。这条链路带来两个硬约束：时间上迟钝（血流响应峰值在刺激后数秒，无法分辨百毫秒级的认知过程），空间上尚可（毫米级，但一个体素仍包含数十万神经元与多种细胞类型）。
脑电（EEG）与脑磁（MEG）直接记录神经元群的电磁活动，时间分辨率达毫秒级，但逆问题没有唯一解——头皮上的电位分布可以由无穷多种颅内源组合产生，定位依赖模型假设。
功能近红外（fNIRS）同样测血氧，便携、可用于婴儿与自然情境，但只能探到皮层浅层。
颅内电极（临床癫痫患者）兼具高时空分辨率，是黄金标准，但样本量极小、电极位置由临床需要而非科学问题决定。
没有一种方法同时具备高时间分辨率、高空间分辨率、全脑覆盖与无创性。任何一项神经影像结论，首先要问的是它用哪种取舍换来的。
二、反向推理：最常见的逻辑错误
一项研究发现某任务激活了脑岛，于是解释说"因此该任务涉及厌恶情绪"——因为脑岛在厌恶研究中常被激活。
这是反向推理（reverse inference），形式上是肯定后件：由"厌恶 → 脑岛激活"推出"脑岛激活 → 厌恶"。它只在该脑区选择性地只被那一种心理过程激活时才成立。而绝大多数脑区参与大量不同功能——脑岛在疼痛、内感受、风险、共情、语言任务中都会激活。
反向推理的强度可以用贝叶斯方式量化，取决于该区域被该过程激活的条件概率与其基础激活率之比。大规模元分析数据库（如 Neurosynth）让这种量化成为可能，而结论普遍不乐观：多数脑区的选择性远低于文献叙事所暗示的水平。
这不意味着反向推理毫无价值，而意味着它只能作为假设生成，不能作为结论。把它写成"因此该任务涉及 X"，是把弱证据陈述成了强证据。
三、统计上的三次教训
教训一：多重比较。 全脑分析动辄涉及十万级体素，每个体素做一次检验，不校正必然出现假阳性。2009 年一项著名演示把一条死去的大西洋鲑鱼放进扫描仪并给它看人物照片，未校正的分析在鱼脑中发现了"显著激活"。这项工作以幽默的方式说明了一个严肃的问题，此后校正方法成为发表的最低要求。
教训二：校正方法本身可能失效。 2016 年一项大规模验证用真实静息态数据构造零假设场景，发现常用软件包中基于聚类的推断因空间自相关模型不当，假阳性率远高于名义水平——影响面覆盖此前大量文献。这提示了一个更深的问题：方法学的错误可以在一个领域里静默地存在很多年，因为没有人有动机去验证"大家都在用"的默认设置。
教训三：非独立性分析（"双重浸取"）。 先用全脑分析挑出激活最强的体素，再在同一批数据里计算这些体素与行为量表的相关——得到的相关系数必然虚高。2009 年一篇引发激烈争论的论文指出，社会神经科学中相当比例的高相关（0.8 以上）是这样得来的，而这类相关在统计上根本不可能：它超过了两个测量各自信度所允许的上限。正确做法是用独立数据定义感兴趣区，或使用交叉验证。
四、样本量：这个领域最痛的一课
2022 年一项分析用数千人规模的公开数据集检验"脑—行为关联研究"（BWAS）：把全脑影像特征与认知、人格、精神症状等个体差异做关联，需要多大样本才稳定？
结论令人不安。真实效应量普遍很小（相关系数量级在 0.1 上下），而典型研究的样本量是几十人——在这个量级上，估计值的抽样波动远大于效应本身，同一份数据的不同子样本会得出符号相反的结论。要让此类关联可靠复制，需要的样本量是数千人。
需要区分两类研究：任务激活的组内平均效应（"人看到人脸时梭状回激活"）在小样本上就相当稳健，因为效应大；个体差异关联（"梭状回激活强度预测社交能力"）效应小，需要大样本。文献中的复制失败，绝大多数集中在后一类。把两者混为一谈，是理解神经影像可信度危机的主要障碍。
五、分析自由度：同一份数据，七十个答案
2020 年一项协作研究把同一份 fMRI 数据分发给七十个独立团队，让他们检验九个预先设定的假设。结果是：没有任何两个团队使用了完全相同的分析流程，而对某些假设，团队间的结论分歧极大。
这不是有人做错了。神经影像的分析管线包含数十个都有合理依据的选择：切片时间校正、头动校正与回归、空间平滑核大小、配准模板、生理噪声去除、高通滤波截止、统计模型的基函数、校正方法与阈值。每一个选择都轻微改变结果，组合起来构成一个巨大的"分析花园"。
应对手段与心理学其他领域一致，只是更迫切：预注册分析计划、共享数据与代码、多元分析（报告一族合理管线的结果分布而非单条路径）、以及使用标准化管线降低随意性。
六、这套工具真正擅长什么
以上批评容易读成"神经影像没用"，那是错的。它有几件事做得比任何其他方法都好：
- 验证心理学构念的可分离性：若两个行为上难以区分的过程在神经上系统性地分离，这构成了它们不同的证据；
- 多体素模式分析与编码模型：不问"哪里激活"，而问"能否从活动模式中解码出刺激内容"——这把问题从定位换成了信息表征，方法论上更严谨；
- 临床与个体化应用：术前功能定位、意识障碍患者的残存认知评估，是无可替代的；
- 约束理论：神经证据可以排除某些认知模型，即使它无法直接确认另一些。
恰当的期待是：神经影像是约束理论的证据来源之一，而不是心理学解释的终点。 说"因为大脑区域 X 激活了"并不解释任何心理现象——它只是把待解释的对象换了个位置。
跨域连接
- 神经心理学：脑与行为：脑损伤研究提供的是因果证据（损伤导致功能丧失），影像提供的是相关证据（功能伴随活动）。两者的方法论地位不对称却互补：损伤研究能证明必要性但受限于自然发生的病灶，影像能全脑观察但无法断言因果。经颅磁刺激等干预手段正是为弥合这道缝隙而生。
- 效应量与统计功效：脑—行为关联的效应量普遍很小这一事实，直接决定了小样本影像研究不可能可靠。功效不足不只是"可能测不到"，它还会系统性地夸大被测到的效应——在低功效下，只有偶然偏高的估计才能越过显著性门槛。这条逻辑解释了为什么文献中的效应量总比后续大样本研究高。
- 可重复性危机：神经影像不是危机的例外，而是它的放大器——高分析自由度、小样本、强视觉说服力三者叠加。但它同时也是响应最积极的领域之一：公开数据集、标准化管线、协作复制研究与预注册在这里的普及速度快于心理学多数分支。
- 认知偏差：脑图对读者判断的影响本身就是一个认知现象——具体、生动、看似机械的证据会被赋予超出其信息量的权重。研究者对自己方法的信任同样受此影响，这是方法学批评难以被接受的原因之一：批评的对象不只是统计，还包括一种视觉直觉。
- 机器学习概览：多体素模式分析本质上是把分类器用作测量工具，因而继承了机器学习的全部陷阱——数据泄漏、交叉验证不当、类别不平衡、以及"解码成功"与"该信息被大脑使用"之间的鸿沟。能从活动中解码出某信息，不等于大脑在计算中使用了它，这是当前神经解码研究最需要澄清的推理边界。
参考文献
- Poldrack, R. A. Can Cognitive Processes Be Inferred from Neuroimaging Data? Trends in Cognitive Sciences 10(2), 59–63, 2006.
- Bennett, C. M. et al. Neural Correlates of Interspecies Perspective Taking in the Post-Mortem Atlantic Salmon. 2009（多重比较问题的经典演示）。
- Eklund, A., Nichols, T. E. & Knutsson, H. Cluster Failure: Why fMRI Inferences for Spatial Extent Have Inflated False-Positive Rates. PNAS 113(28), 2016.
- Vul, E. et al. Puzzlingly High Correlations in fMRI Studies of Emotion, Personality, and Social Cognition. Perspectives on Psychological Science 4(3), 2009.
- Marek, S. et al. Reproducible Brain-Wide Association Studies Require Thousands of Individuals. Nature 603, 654–660, 2022.
- Botvinik-Nezer, R. et al. Variability in the Analysis of a Single Neuroimaging Dataset by Many Teams. Nature 582, 84–88, 2020.
延伸阅读
- Logothetis, N. K. What We Can Do and What We Cannot Do with fMRI. Nature 453, 869–878, 2008.
- Kriegeskorte, N. et al. Circular Analysis in Systems Neuroscience: The Dangers of Double Dipping. Nature Neuroscience 12, 535–540, 2009.
- Yarkoni, T. et al. Large-Scale Automated Synthesis of Human Functional Neuroimaging Data (Neurosynth). Nature Methods 8, 665–670, 2011.
- Poldrack, R. A. et al. Scanning the Horizon: Towards Transparent and Reproducible Neuroimaging Research. Nature Reviews Neuroscience 18, 115–126, 2017.