摘要
尽管获取了多样且大量的脑数据，并拥有先进的基于人工智能的分析算法，但脑特征在临床诊断和预后中极少被使用。本文认为，尽管脑特征的退化性已被充分证实，但该领域仍在继续依赖队列比较来寻找生物标志物。通过一个思想实验（大脑交换），我们证明更多的数据和更强大的算法不足以识别脑疾病的生物标志物。我们认为，与其使用单一数据类型比较患者与健康对照组，应采用多模态（如脑活动、神经递质、神经调节剂、脑成像）和纵向脑数据来指导分组，然后再定义脑疾病的多维生物标志物。
代码可用性
我们使用PyTorch编写研究代码。
致谢
作者感谢Movitz Lenninger博士对稿件的有益讨论。
资金支持
A.K.和P.H.获得了Digital Futures项目的资助。A.K.还部分获得了KTH战略研究计划"脑健康"和瑞典研究理事会StratNeuro项目的资助。本文的开放获取资金由皇家理工学院提供。
作者信息
作者单位
- 瑞典斯德哥尔摩皇家理工学院电气工程与计算机科学学院及Digital Futures项目，斯德哥尔摩，瑞典
Pascal Helson & Arvind Kumar
- 瑞典索尔纳科学生命实验室，索尔纳，瑞典
Pascal Helson & Arvind Kumar
- 法国波尔多大学CNRS第5293号联合研究单位，波尔多神经科学研究所，波尔多，法国
Pascal Helson
贡献
A.K.和P.H.共同完成了所有工作。所有作者均已阅读并批准了本稿件。
通讯作者
correspondence to Pascal Helson (pascal.helson@u-bordeaux.fr) 或 Arvind Kumar (arvkumar@kth.se)。
伦理声明
竞争利益
作者声明不存在竞争利益。
额外信息
出版社声明 Springer Nature对已发表地图和机构隶属关系中的司法权声明保持中立。
权利与许可
开放获取 本文根据Creative Commons Attribution 4.0 International License授权，允许在任何媒介或格式中使用、分享、改编、分发和复制，只要适当注明原始作者和来源，提供知识共享许可链接，并标明是否进行了修改。本文中的图像或其他第三方材料包含在文章的知识共享许可中，除非在材料的署名行中有其他说明。如果材料未包含在文章的知识共享许可中，且您预期的使用未获法定法规许可或超出许可范围，您需要直接从版权所有者处获得许可。要查看此许可的副本，请访问
【全文结束】
