研究与代表性论文
Mental Health Mapping 融合了机器学习、神经科学、精神病学、神经病学和哲学。自2022年实验室成立以来,我们有幸与众多合作者一起,在这些领域的一流期刊和会议上发表论文。以下是实验室成员参与的部分代表性论文,每篇都附有简短摘要。论文标题保留英文原文,完整列表请见 Google Scholar。
点击主题,了解更多。
Mental Health Mapping 的基础
我们研究健康、障碍与疾病的基础问题,而在这些问题上,什么算作健康或常态往往并不清楚。这项工作为 Mental Health Mapping 奠定理论基础,同时纳入第一人称和第三人称视角。在所有研究主题中,我们都同精神与神经系统疾病患者、临床医生、哲学家和科学家合作。
示例问题:
- 正常变异的边界在哪里,障碍又从何处开始?
- 应当将一个人与哪个参照人群进行比较?
Mental Health Mapping 的结构
精神与神经系统疾病具有遗传性、共病性和异质性。其结构可能存在于个体的生物学层面,存在于个人、群体或社会各部分之间的互动之中,也可能来自环境压力。我们开展覆盖这些层面的大规模研究。
示例问题:
- 为什么兄弟姐妹中一人患病,另一人却保持健康?
- 家庭、社会和环境如何影响精神与神经系统疾病?
Mental Health Mapping 的标志物
生物与非生物因素交织成一张复杂的网,在每个人身上产生症状,这也是我们对大多数精神疾病和部分神经系统疾病的标志物知之甚少的原因之一。我们希望借助多模态方法,发现其背后的隐藏因素。
示例问题:
- 为什么诊断相同的两个人会有如此大的差异?
- 哪些测量指标(脑、基因、行为或语言)能够预测疾病的发展?
Mental Health Mapping 的模型
我们的大部分研究依赖于机器学习。我们针对大规模的影像、电生理、遗传、传感器、认知、行为和语言数据应用并开发方法,这些数据维度高,标签也往往不可靠。我们为自己设定了一个简单的基准:对于许多脑测量指标,设定合理的回归模型与更复杂的人工智能方法表现相当,我们会如实报告这一点。
示例问题:
- 哪些方法能够刻画疾病内部及疾病之间的异质性?
- 如何构建足够可解释、能够用于临床的模型?