动态功能连接与多层脑网络19 / 21
研究前沿与开放问题
- 时变功能连接有多少来自神经活动？ 采样变异、头动和觉醒波动能解释相当部分的窗口相关变化，剩余部分如何定量、用什么零模型界定，尚无共识。Lurie 等（2020, Network Neuroscience，DOI: 10.1162/netn_a_00116）系统列出了这些争议。同步记录的 EEG–fMRI、动物电生理与光学成像，是把 dFC 与神经来源联系起来的主要途径。
- “事件式”还是“连续式”动态？ 边时间序列研究发现，静态 FC 很大程度上由少数高振幅共波动时刻驱动（Zamani Esfahlani 等, 2020, PNAS，DOI: 10.1073/pnas.2005531117）；但随后的数学推导与模拟显示，这些现象在静态零模型下同样可以出现（Novelli & Razi, 2022；Ladwig 等, 2022）。这些时刻是否有独立于静态 FC 的神经意义、是否适合作为疾病指标，仍有争议。
- 结构–功能耦合的个体与发育差异：Baum 等（2020, PNAS，DOI: 10.1073/pnas.1912034117）报告耦合强度沿单模态到联合皮层的梯度在青少年期变化。耦合降低是“功能灵活性”还是“结构损伤后的失耦合”，在疾病样本中如何区分，尚待研究。
- 状态数与模型选择：HMM 等方法发现了层级化的状态时间结构（Vidaurre 等, 2017, PNAS，DOI: 10.1073/pnas.1705120114），但“状态”是离散的真实类别还是连续变化的近似，目前仍无法从数据中唯一确定。Battaglia 等（2020）把 dFC 视为连续的随机游走，提供了离散状态之外的另一种描述。
- 可靠的个体指标：基于状态的 dFC 指标信度普遍偏低（Choe 等, 2017）。哪些动态指标能达到临床可用的个体信度，需要多少数据，是走向生物标志物前必须回答的问题。
- 从描述到机制：把动态连接与大尺度动力学模型（如耦合振子、神经质量模型）联系起来，用模型参数（如全局耦合强度、兴奋–抑制平衡）而非描述性指标解释组间差异，是另一条活跃的路线。