Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Initiative neuve lancée pour supporter le développement et l'application de la recherche en matière de psychologie

Ces dernières années, les efforts pour comprendre le fonctionnement de l'esprit ont pris l'urgence récemment découverte. Sont non seulement les troubles psychologiques et neurologiques -- de la maladie d'Alzheimer et des rappes à l'autisme et à l'inquiétude -- étant des outils plus répandus et plus neufs et des méthodes dont ont apparu permettez aux scientifiques d'explorer la structure, et activité en dedans, le cerveau avec une granularité plus grande.

La Maison Blanche a lancé l'initiative de CERVEAU le 2 avril 2013, dans le but de supporter le développement et l'application des technologies novatrices qui peuvent produire une compréhension dynamique de fonction cérébrale. L'initiative a supporté plus de $1 milliards dans la recherche et a mené aux analyses neuves, aux médicaments neufs, et aux technologies neuves pour aider des personnes avec des troubles cérébraux.

Mais cette richesse de recherche vient avec des défis, selon Russell Poldrack, un professeur de psychologie avec calculer courbé à l'Université de Stanford. La psychologie et la neurologie luttent pour établir sur la connaissance de ses chercheurs disparates.

La « Science est censée pour être cumulative, mais les problèmes méthodologiques et conceptuels ont entravé le progrès cumulatif en science psychologique, » Poldrack et collaborateurs de Stanford, d'université de Dartmouth et d'université de l'Etat d'Arizona ont écrit dans un papier de transmissions de nature à l'extérieur en mai 2019.

ARCHIVISTE DE CARACTÉRISTIQUES

Une partie du problème est pratique. Avec des centaines d'organismes de recherche entreprenant la recherche originelle, un dépôt central est nécessaire pour héberger et des caractéristiques de part, pour comparer et combiner des études, et pour encourager la réutilisation de caractéristiques. Pour relever ce défi relatif à un curateur, en 2010 Poldrack a lancé une plate-forme OpenFMRI appelé pour partager des études de fMRI.

« J'avais pensé pendant longtemps que le partage des informations était important pour un certain nombre de raisons, » ai expliqué Poldrack, « pour la transparence et la reproductibilité et nous aider également totaux en travers d'un bon nombre de petites études à améliorer notre pouvoir de répondre à des questions. »

OpenFMRI a devenu presque cents ensembles de données, et en 2016 a été englobé dans OpenNeuro, une plate-forme plus générale pour accueillir des études d'imagerie cérébrale. Cette plate-forme a aujourd'hui plus de 220 ensembles de données, y compris certains comme « l'étude somnolente de cerveau de Stockholm » et « le traitement neural des stimulus musicaux et Nonmusical émotifs dans la dépression, » qui ont été des centaines téléchargées de périodes.

Les ensembles de données d'imagerie cérébrale sont relativement grands et exigent d'un grand dépôt de les renfermer. Quand il développait OpenFMRI, Poldrack s'est tourné vers le Texas avancé calculant le centre (TACC) à l'Université du Texas chez Austin pour héberger et servir les caractéristiques.

Une concession de la fondation d'Arnold lui a permise de héberger OpenNeuro sur des services Web d'Amazone pendant quelques années, mais récent Poldrack s'est tourné de nouveau à TACC et vers d'autres systèmes qui font partie de l'environnement extrême financé par le NSF de découverte de scientifique et technique (XSEDE) à servir de cyberinfrastructure à la base de données.

Une partie de la réussite du projet est due au développement d'une norme de fait, OFFRE -- Structure de caractéristiques d'imagerie cérébrale (BIDS) -- que permet à des chercheurs de comparer et combiner des études d'une voie de pomme-à-pommes. Introduit par Poldrack et d'autres en 2016, elle a gagné l'acceptation proche-immédiate et s'est développée dans la lingua franca pour des caractéristiques neuroimaging.

En tant qu'élément de la création normale, Poldrack et ses collaborateurs ont établi un Validator basé sur le WEB pour le rendre facile de déterminer si à un caractéristique répond aux normes.

Les « chercheurs convertissent leurs caractéristiques en OFFRES formatent, téléchargez leurs caractéristiques et elle obtient validée sur le téléchargement, » Poldrack a dit. « Une fois qu'il réussit le Validator et obtient téléchargé, avec un clic du bouton il peut être partagé. »

Seul le partage des informations n'est pas l'objectif final de ces efforts. Éventuel, Poldrack voudrait développer des pipelines pour le calcul qui peut rapidement analyser des ensembles de données d'imagerie cérébrale d'un grand choix de voie. Il travaille avec le projet de CBrain, basé à l'université de McGill à Montréal, au Canada, pour produire les flux de travail containerisés que les chercheurs peuvent employer pour exécuter ces analyses sans exiger beaucoup de compétences calculantes avancées, et l'indépendant de quel système ils emploient.

Il travaille également avec un autre projet BrainLife.io appelé basé à l'université d'Indiana, qui emploie des moyens de XSEDE, y compris ceux à TACC, pour traiter des caractéristiques, y compris des caractéristiques d'OpenNeuro.

Plusieurs des ensembles de données d'OpenNeuro sont maintenant procurables sur BrainLife, et il y a un bouton sur ces ensembles de données qui prend un directement à la page appropriée chez BrainLife, où elles peuvent être traitées et s'analysées utilisant un grand choix d'apps scientifique-établis.

« En plus de partager les caractéristiques, une des choses qu'ayante cette norme courante de caractéristiques nous a les moyens est la capacité d'analyser automatiquement des caractéristiques et de faire le genre de prétraitement et de contrôle qualité que nous faisons souvent sur des caractéristiques de représentation, » il a expliqué. « Vous dirigez juste le récipient à l'ensemble de données, et il le fait fonctionner juste. »

REPENSEZ LES SUPPOSITIONS DE DISCIPLINE-WIDE

Les choses seraient simples si formatant, stockage, et partageants étaient les seuls problèmes que l'inducteur a faits face. Mais ce qui si les chercheurs de méthodes classiques utilisés pour analyser étudie des polarisations et des erreurs introduites, menant à un manque de reproductibilité ? D'ailleurs, ce qui si les suppositions fondamentales au sujet de la voie l'esprit fonctionné étaient principalement défectueuses ?

Une étude publiée en 2018 dans le comportement humain de nature qui a recherché à reproduire 21 sociaux et papiers de la science comportementale de nature et de la Science a constaté que seulement 13 pourraient être avec succès reproduits. Une autre méta-étude sous les auspices du centre pour la Science Open, a réexécuté 28 études classiques et de contemporain en psychologie et a constaté que 14 n'ont pas reproduit. Ceci a mené aux soupçons rétroactifs au sujet de la valeur de décennies des résultats.

Poldrack et ses collaborateurs ont traité les problèmes méthodologiques et de supposition en leur papier récent de transmissions de nature en appliquant des méthodes statistiques plus rigoureuses pour essayer de découvrir les structures fondamentales de l'esprit, un procédé qu'ils appellent « la découverte caractéristique caractéristique d'ontologie. »

S'appliquant l'approche aux études de l'autorégulation, les chercheurs ont vérifié la capacité des questionnaires d'étude et des études basées sur tâche de prévoir la probabilité d'une personne d'être en danger pour l'alcoolisme, l'obésité, la toxicomanie, ou d'autres éditions liées auto règlement.

Dans leur étude, 522 participants ont pris 23 études d'auto-état et ont effectué 37 tâches comportementales. De chacune de ces 60 mesures, l'équipe a dérivé la pensée multiple de variables dépendentes pour capter les éléments psychologiques. Utilisant les variables dépendentes, l'équipe a essayé la première fois de produire « un espace psychologique » -- une voie de mesurer la distance entre les variables dépendentes pour déterminer comment types de comportement variés qui sont souvent vus en tant que boîtier indépendant ou marquent entre eux. Ils ont employé ces « empreintes digital ontologiques » pour déterminer la cotisation des éléments psychologiques variés au modèle prévisionnel final.

L'approche statistique utilisée dans l'étude, et activée par des superordinateurs à TACC, va bien au-delà des méthodes normales employées dans des études psychologiques particulières.

« Nous appliquons des méthodes sérieuses d'apprentissage automatique pour déterminer ce qui est marqué avec ce que, et ce qu'a l'exactitude prévisionnelle généralisable, suivre les méthodes qui sont toujours assez neuves à ce domaine de recherche, » Poldrack a dit.

Ils ont constaté que quelques objectifs prévus, comme la santé mentale et l'obésité, ont eu les empreintes digital ontologiques simples, telles que « le contrôle émotif » et « la consommation problématique, » mais que d'autres empreintes digital étaient plus compliquées. Ils ont également constaté que des études basées sur tâche -- terrain communal dans la recherche psychologique -- n'a eu presque aucune capacité prévisionnelle.

« Je suis toujours circonspect de dire notre recherche serai utile pour le diagnostic, mais il presque certainement sera utile pour une meilleure compréhension de la façon faire le diagnostic et les fonctionnements fondamentaux qui associent à certains résultats, comme le fumage ou boire ou l'obésité de problème, » Poldrack a dit.

La motivation de l'effort est un réexamen de la manière dont nous parlons de la maladie mentale.

« En divisant ces troubles en catégories diagnostiques aimez la schizophrénie, trouble bipolaire, ou la dépression, n'est juste pas biologiquement réaliste, » il a dit. « La génétique et la neurologie prouvent que ces troubles ont la voie plus de superposition en termes de leur génétique et leur neurobiologie, que des différences. Ainsi, je pense qu'il y a des paradigmes neufs qui pourraient apparaître cela seraient aidés par une meilleure compréhension du cerveau. »

Calculer élevé de rendement permet à des chercheurs d'appliquer des méthodes beaucoup plus sophistiquées pour déterminer des distributions de connaissance et pour figurer à l'extérieur comment les effets significatifs sont.

« Nous pouvons employer des techniques d'échantillonnage pour randomiser les caractéristiques 5.000 fois et réexécuter de grands modèles beaucoup de fois, » Poldrack a dit. « Qui n'est pas normalement possible sans superordinateurs. »

Il était le cas que le progrès de la science dépendait de la capacité de produire une molécule ou de synthétiser un produit chimique. Mais de plus en plus le progrès en science dépend de la capacité de poser la question des droits sur un grand ensemble de données, et puis de pouvoir obtenir réellement faisable une réponse à cette question.

« Et, » a dit Poldrack, « il y a beaucoup de questions aux lesquelles, sans rendement élevé calculant, vous ne pouvez pas faisable obtenir une réponse. »

En dépit des crises de la foi qui a frappé l'inducteur ces dernières années, Poldrack croit que la science psychologique a beaucoup pour dire qui est très fiable au sujet de pourquoi les êtres humains font ce qu'ils font, et que la neurologie donne nous à des voies de comprendre d'où cela vient.

« Nous essayons de comprendre des choses réellement complexes, » il a dit. « Il doit réaliser que tout que nous disons est probablement erroné, mais l'espoir est qu'il peut nous obtenir un peu plus près de ce qui est exact. »

Source:
Journal reference:

Eisenberg, I. et al. (2019) Uncovering the structure of self-regulation through data-driven ontology discovery. Nature Communications. doi.org/10.1038/s41467-019-10301-1