人工智能（AI）模型在大规模数据集上训练后，被视为解锁脑部疾病个性化治疗的关键。然而，扩展AI的一个重要瓶颈是数据收集的成本。这引发了一个根本性难题：是扫描更多人但时间较短更具成本效益，还是扫描较少人但时间更长更划算？
一项发表在《自然》（Nature）杂志上的研究为这一问题提供了明确答案。这项研究由新加坡国立大学杨潞龄医学院睡眠与认知中心的副教授Thomas Yeo领导，研究发现，30分钟的功能性磁共振成像（fMRI）扫描可节省高达22%的成本，同时保留甚至提升对个体层面特征或结果的预测准确性。
神经科学领域的传统观点强调，通过扫描数千人（通常每次扫描约10分钟）来收集大规模数据集，并训练AI模型使用脑部扫描数据进行预测。这些预测可能包括认知能力（如记忆力、执行功能）、心理健康指标以及临床结果（如阿尔茨海默病风险）。
然而，随着参与者数量的增加，成本也随之上升：即使是一次短暂的扫描，一旦考虑到招募、安排和行政跟踪志愿者的隐藏成本，也可能变得昂贵。此外，短时间的扫描可能无法捕捉到足够高质量的信息，以做出可靠的个性化预测。
研究团队提出了一个实际问题：如果我们专注于扫描更少的个体，但扫描时间更长，会发生什么？与牛津大学的Thomas Nichols教授和圣路易斯华盛顿大学的Nico Dosenbach教授等国际合作者一起，研究人员开发了一个数学模型，用于预测扫描时间和参与者数量的变化如何影响基于大脑的AI模型的性能。
他们使用九个国际成像数据集验证了该模型，这些数据集涵盖数千名不同年龄、种族和健康状况的个体。研究发现，他们的模型可以定制研究设计，以最大化预测准确性和最小化成本。扫描每个人30分钟是一个最佳平衡点，可以在最大化预测准确性的同时最小化研究成本。
“多年来，我们一直信奉‘越大越好’的理念。我们不断追求更大的研究群体，却从未问过每个人应该扫描多长时间。”Yeo副教授表示，“我们在大脑成像领域的研究表明，‘更大’不一定意味着更大的群体，它也可以意味着每个人获取更多数据。从本质上讲，我们可以在更低的成本下获得更好的预测效果。”
这一发现可能重塑研究人员设计神经科学和心理健康研究的方式，尤其适用于难以招募的群体，例如患有罕见神经系统疾病的患者。
目前，研究团队正在利用真实世界临床数据和新兴的大脑成像技术进一步优化模型。他们的目标是让全球的研究人员和医疗系统更容易设计更智能、更具成本效益的大脑研究。
通过帮助研究在更低成本下收集更高质量的数据，这项工作可能影响未来的神经学和精神病学研究，并指导全球范围内提供更个性化、更经济的医疗服务。
圣路易斯华盛顿大学的神经学家Nico Dosenbach教授是该研究的合著者之一，他表示：“这将彻底改变该领域。它为研究团队提供了一种严谨、定量的方式来设计更聪明的研究，尤其在我们迈向精准神经科学的时代，这一点尤为关键。更长的扫描时间意味着对大脑连接性的更好估计，这转化为与认知能力和临床症状更可靠的关联。”
该研究的共同第一作者包括Leon Ooi博士、Csaba Orban博士和Shaoshi Zhang博士，他们均为Thomas Yeo副教授实验室的研究员，Yeo副教授是该研究的资深和通讯作者。
**更多信息：**Leon Qi Rong Ooi等人，《更长的扫描时间提升预测准确性并降低全脑关联研究的成本》，Nature (2025)。DOI: 10.1038/s41586-025-09250-1
期刊信息：《自然》（Nature）
提供单位：新加坡国立大学
【全文结束】
