假如你面前有三扇門，你需要選擇其中一扇門。一扇門后藏著一輛新車，而在另外兩扇門后都藏著一只山羊。當你做出選擇后，知道每扇門后有什么的人必須打開其余兩扇門中的一扇門，而這扇門后藏著的必定是一只山羊。你知道，車要么在你選的那扇門后面，要么在剩下那扇關著的門后面。你是會改變你的選擇，還是堅持你的第一選擇？

這道著名的趣味智力題就是蒙提霍爾問題。正是因為這道謎題，álvaro López-Medrano 才進入了計算精神病學領域，開發了一款可以改變醫生診斷注意力缺陷/多動障礙 （ADHD） 方法的工具。

神經科學家、神經學家、精神病學家和心理學家都在努力將精神障礙（如多動癥）的行為癥狀與其背后的神經機制聯系起來。而腦科學領域的研究人員正在尋找易于獲取的可靠生物標志物，以消除精神病學診斷中的猜測。López-Medrano 和他的創業公司 Bitsphi 正在通過一種算法處理大腦信號來解決多動癥診斷問題，這種算法可以捕獲這種疾病的特定模式。

認知模型與信息論

當面對三扇門和選擇正確門的第二次機會時，你會怎么做？答案是最好換一扇門。在換的過程中，你最終總有可能選擇錯誤的門。但有兩只山羊和一輛車，你的第一選擇很有可能是一只山羊。因此，一旦另一只山羊揭曉，當你換門的時候，你就更有可能找到那輛車。

10 年前，López-Medrano 坐在自己家的客廳里，努力思考著蒙提霍爾問題及其解。López-Medrano 是一位電氣工程師，他苦苦思索著這個反直覺的解，并開始深入思考大腦是如何處理信息并做出決策的。探索這個話題讓他陷入了 Google Scholar 的兔子洞。他輾轉于一篇又一篇關于蒙提霍爾問題的論文，直到發現了一篇探討認知模型的論文，這個模型基于香農信息論。

該理論創建了一個通信框架：發送端如何將信息傳輸到接收端，以及為了連接和實現這種交換所做的工作。但在基于這一理論的認知模型中，López-Medrano 并沒有發現哪個模型能夠對大腦處理信息的基本方式（自上而下和自下而上）之間的差異做出令人滿意的解釋。在自上而下的處理過程中，你的想法會影響你對環境的感知和反應，比如你應該注意什么，或者在不同的情況下如何對刺激做出反應。你的大腦先分析感官刺激，然后在自下而上的過程中做出反應。對這個問題的思考讓他對認知有了新的認識。

在受到啟發后，López-Medrano 試著開發了一種認知模型，基于概率和信息論中的概念來表示大腦處理信息的方式。他的數學認知模型旨在解釋大腦中的信息流，以及我們是如何從不確定到確定的。

他帶著他的模型找到了 Fernando Maestú，這是馬德里康普頓斯大學的一位認知神經科學教授，也是認知和計算神經科學中心主任。Maestú 致力于研究大腦的電生理活動，以尋找神經和精神障礙的生物標志物。

考慮這個模型后，Maestú 認為可以將它用作新的方式來開展他的研究工作。他告訴 López-Medrano，他們可能會使用這個模型幫助診斷認知障礙。他建議先研究注意力缺陷/多動障礙 （ADHD），這是一種需要客觀診斷工具的常見疾病。全球有 8，400 逾萬人患有多動癥。

追根溯源

通常，臨床醫生依據《精神障礙診斷與統計手冊（第五版）》（DSM-5） 診斷精神障礙。盡管專家們的診斷標準基于數百項科學研究和數百本白皮書，但診斷也是一門藝術。許多標準都帶有主觀性。例如，在 DSM-5 中，多動癥的一個癥狀是：“當別人直接跟他說話時，他似乎經常聽不進去”。“經常”或看似聽別人說話的定義帶有主觀性。不同的臨床醫生對此持有不同的看法。

臨床醫生還根據認知測試所得的結果，評估癥狀和診斷精神障礙。這些測試用于衡量患者在利用某些大腦網絡（如注意力或記憶系統）的功能完成任務時的表現。但這種方法也遠非萬無一失。Bitsphi 的產品經理 Sandra Ortiz Hernández 解釋道，“當有人患有心臟疾病時，你往往會關注心臟，看看問題出在哪里。因此，如果我們的問題與大腦認知有關，我們為何要考慮此人的反應時間或能劃掉多少個字母呢？”

認知測試結果也可能會掩蓋疾病。Ortiz 表示，在一些多動癥評估中，這類疾病患者可能表現得很好，因而錯過了可能讓他們得到所需治療的診斷。多動癥患者可能還患有其他疾病，如閱讀障礙，這可能會混淆診斷工作。她說道，“合并癥會使行為測試變得困難，有時還會產生誤導。這并不是適用于每個人的好方法。”

臨床醫生需要更精準的工具。Ortiz 說道，“我們相信，如果我們能著眼于問題的根源（即大腦），我們也許能做出更準確的診斷，確保需要藥物治療的兒童得到相應治療，同時避免給不需要藥物治療的兒童開處方。”

在這些問題的驅動下，López-Medrano 和 Bitsphi 的首席技術官 Miguel Blanco Carmona 共同探索了他們的認知模型是否與現實世界相關。Blanco 說道，“我們有一個理論模型，但我們需要一些證據來證明大腦到底是如何工作的。”

為了創建一款可以確定兒童是否患有多動癥的工具，Blanco 和 López-Medrano 需要招募患有和未患多動癥的兒童。然后，他們需要記錄兒童的大腦活動，看看基于其模型的統計算法是否可將這兩個組區分開來。

在這些早期測試中，López-Medrano 和 Blanco 使用腦磁圖 （MEG） 記錄了大腦活動。活躍的神經元會產生電活動，從而在大腦中形成磁場。MEG 掃描儀可以記錄磁信號，將活躍的網絡繪制成圖。

他們招募了兒童進行這些早期測試，并使用了 Maestú 的 MEG 工具采集數據。在使用 MEG 掃描儀時，這些兒童完成了一項認知任務，該任務旨在測試他們的注意力，看看他們是否能夠關注相關細節，而忽略無關細節。在這項神經科學家稱之為“反應/不反應”的任務中，參與者在看到特定刺激物時按下按鈕，而在看到無關刺激物時便不按。在抑制按下按鈕的沖動方面，多動癥兒童患者的表現往往不如正常的同齡人。

各大腦區域之間的功能連接的差異。紅色表示較低的連通性，藍色表示較高的連通性。（圖片所有權：Bitsphi Diagnosis）

（左）一組受試者對刺激的誘發反應的均值和標準差及其在傳感器級的空間分布。（右）刺激前后振幅的差異。（圖片所有權：Bitsphi Diagnosis）

兩年后，López-Medrano 和 Blanco 收集了 40 名兒童的 MEG 數據（顯示大腦連通性和活動模式）。其中，20 名兒童患有多動癥，20 名沒有多動癥，同時他們都完成了“反應/不反應”任務。根據之前的神經科學研究，López-Medrano 和 Blanco 知道他們需要評估的神經回路，主要是背側和腹側注意力網絡。López-Medrano 說道，“下一步是將我們的數學建模應用于我們從測試中獲得的連通性結果。”但他們不確定如何才能做到最好。

López-Medrano 和 Blanco 決定申請加入 MathWorks 初創企業計劃，以獲得讓 Bitsphi 技術起步所需的技術支持和專業知識。在配備了初創企業計劃提供的 MATLAB 套件后，他們開始測試自己的模型，并使用 Signal Processing Toolbox 和 MATLAB 分析大腦數據。經過這些早期測試，他們確定自己的模型能夠準確預測哪些參與者患有多動癥。López-Medrano 說道，“在‘反應/不反應’測試中，對照組比多動癥組表現得更好。數據顯示，對照組的腹側和背側注意力網絡之間的連接比多動癥組高效得多。”

雖然他們的模型取得了成功，但該團隊知道，如果此模型需要 MEG 掃描數據，則將永遠無法發揮商業價值。MEG 掃描儀價格昂貴，體積龐大，而且很難買到。例如，西班牙只有三臺 MEG 掃描儀。現在，Bitsphi 的團隊正致力于讓他們的模型接受現實的檢驗。

從實驗室走向生活

Bitsphi 轉而采用了一種經典腦成像技術，即腦電圖 （EEG）。一百多年以來，科學家和醫生們一直在使用 EEG 記錄大腦的電活動。盡管 EEG 不像 MEG 那樣準確，但它價格低廉，便于攜帶，而且大多數醫院都有提供。通過一頂緊貼頭皮、鑲著電極的帽子，EEG 可以近乎實時地記錄神經元的電活動。但它不像 MEG 那樣具有較高的空間分辨率，這就是 Bitsphi 的團隊選擇從 MEG 入手的原因。

Blanco 說道，“現在，我們知道我們尋求的是什么，我們也知道涉及的是哪些區域。而且，我們在使用 EEG 尋找目標方面具有顯著優勢。”

Bitsphi 的團隊正在與馬德里的一個醫院網合作，招募 150 名青少年參與者，以便用 EEG 重現他們的 MEG 結果。為了確保能夠找到多動癥的相似生物標志物，他們使用 MATLAB 在 MEG 和 EEG 數據之間進行轉換。Blanco 說道，“MATLAB 讓我們可以減少開發工作量，并專注于我們的技術核心。”

接下來，他們計劃使用一種稱為深度學習的人工智能方法加速和自動執行診斷。來自 EEG 電極的數據將用于在 MATLAB 中訓練神經網絡，以基于大腦區域之間的連通性確定生物標志物。神經網絡將有助于簡化數據處理，在 EEG 記錄過程中去除肌肉運動或眨眼偽影，而這項任務通常需要人類專家才能完成。最終的深度學習算法將會計算兒童患有多動癥的概率，并幫助確定該兒童是否患有多動癥的多動和/或注意力不集中亞型。

面向臨床醫生的 MATLAB 應用，顯示捕獲的各種 EEG 圖像。（圖片所有權：Bitsphi Diagnosis）

作為 MathWorks 初創企業計劃的一部分，Bitsphi 的工程師已經與 MathWorks 的應用工程師一起就他們技術的商業方向集思廣益，并且正在使用 MATLAB 開發一款面向臨床醫生的應用來顯示測試結果。雖然該工具在上市之前還有一段路要走，但 López-Medrano 將其視為一種診斷輔助工具，用來補充而不是取代臨床醫生的診斷。他說道，“你可以用它來處理情況不明的病例”，而不是診斷每一位患者。

López-Medrano 表示，他們預計在明年左右發布他們的產品。從那時起，Bitsphi 的團隊已將目光投向了多動癥以外的領域。Blanco 說道，“多動癥模型可能也適用于其他疾病，如精神分裂癥或自閉癥譜系障礙。”他們已在計劃對其他疾病進行臨床試驗，以評估可幫助臨床醫生進行診斷的連通性模式。

Blanco 說道，“使用 EEG，我們將能夠提供一種適用于每個人的全球性解決方案。這就是我們的使命。”

審核編輯 ：李倩