2008年5月21日,星期三

肢体失用患者的手势辨别-镜系统的证据?

如之前所暗示的,Pazzaglia等人最近的论文。 (2008,J. Neuroscience,28:3030-41)提供了我所看到的支持镜像神经元动作理解理论的最佳证据。这是一篇非常不错的论文,并且是评估手势识别缺陷的神经基础的出色工作。不幸的是,有一些并发症。

这是使纸看起来很坚固的原因:

科目 :研究了41位CVA患者,其中33位患有左脑损伤(LBD)和8位患有右脑损伤(RBD)。在评估中,有21名LBD受试者被归类为肢体失用。

刺激与任务 :对象观看了执行和解或不对换有意义手势的演员的视频剪辑。这些手势正确或不正确地执行。因此,例如,正确的传递手势可能显示演员在弹吉他(使用实际的吉他),而错误的手势可能显示演员在弹长笛(在语义上相关的箔)或扫帚(无关的箔)。受试者在每次试验中做出正确/错误的判断。

结果 :病灶分析显示一些惊人的数据。该数据看起来非常好,以至于我认为我们必须将博客标题更改为Talking Mirror Neurons!看看这个:



图A显示了左侧肢体失用症(LA +)而右侧肢体失用症(LA-)患者的病灶分布。请注意,LA +患者的病变集中在额额下回和顶叶下。

B图显示了LA +与LA-的相减,强调了LA +患者的后额叶区域和顶下壁区域受累。这与以前的许多数据一致。到现在为止还挺好。

接下来,他们以多种方式分析了手势识别性能。

1. LA +患者在手势辨别方面的表现明显比LA-患者差。

2.在手势产生和手势歧视的测量之间发现显着正相关,“表明执行和理解有意义的手势之间存在清晰的关系”(第3034页)。

3.根据LA +患者的辨别表现对患者进行聚类分析。该分析表明,并不是所有的LA +患者都有手势识别缺陷。实际上,在21位LA +患者中,有7位被归类为在理解手势方面没有缺陷。因此,尽管生产和理解之间存在关联,但是这些能力确实与以前的工作已显示出分离。

现在来看真正令人惊讶的数据-病变分析比较有手势识别缺陷的LA +患者和没有手势识别缺陷的LA +患者:



小图A显示了这两组的病变分布,小图B显示了减法。它不可能变得更干净:肢体失用和手势辨别缺陷(LA + [GRD +])的患者病变主要影响下额后回,而肢体瘫痪但无手势辨别缺陷(LA + [GRD-])的患者病变影响顶叶后叶。

此外,对所有33名LBD患者的基于体素的病变症状图分析表明,手势辨别任务的表现与额下回中体素的损伤有关:



哇!镜像神经元规则!这是后IFG在手势理解中的作用的有力证据吗?

也许是“什么”。这是怀疑结果的两个原因。

1.该任务有效地使用了信号检测类型范例:查看刺激并确定是信号(正确手势)还是噪声(错误手势)。分析此类数据的正确方法是计算d-素数,因为这提供了可辨别性的无偏度量。不幸的是,大多数行为分析和所有病变分析均使用未校正的错误率:命中和正确剔除的评分为1,错误警报和遗漏的评分为零。这种评分会产生偏差,尤其是在“噪声”试验比“信号”试验多的情况下,如本研究中使用的噪声与信号比率为2:1的情况一样。

这是使用极端场景的演示。假设三个对象根本无法将信号与噪声区分开,但具有不同的响应偏差:

主题1:中立的回应偏见
10个正确的试验:中性反应偏倚= 5/10正确
20个错误的试验:无响应偏差= 10/20正确
总分= 15/30正确= 50%准确度(有效结果)

主题2:100%“是”的回应偏见
10个正确的试验:100%“是”响应偏差= 10/10正确
20个错误的试验:100%“是”响应偏差= 0/20正确
总成绩= 10/30正确= 33%正确

主题3:100%“否”的回应偏见
10个正确的试验:100%“无”响应偏差= 0/10正确
20个错误的试验:100%“否”的响应偏差= 20/20正确
总成绩= 20/30正确= 67%正确

因此,根据对象的响应偏差,您将获得不同的准确性得分,而与他/她从信号中分辨出噪声的实际能力无关。当然,这些偏见在实践中可能并非极端,但它们会进入数据并污染结果-这就是d-prime统计的原因。额叶和顶叶区域是否可能与不同的反应偏倚相关?有人认为额叶皮层对于选择反应很重要。

结果:本文报告的病变分析绝对 使用d-prime度量而不是整体准确性进行重做。在此之前,我们无法确定这些发现中有多少是由回应偏见驱动的。

你们中有些人仍然非常有信心,即使使用d-prime,结果也将看起来相似。我不知道自己是否会发生很大变化。但是还有一个可疑的理由...

2. Figure 5. This figure shows the correlation between the percentage of lesioned tissue in the IFG and overall score on gesture recognition, broken down by gesture type, transitive and intransitive. GRD+ and GRD- patients are included in these correlations. Both correlations are reported as significant, with r-values > . 55; not bad. But it is clear from looking 在 the graphs that the effect is driven by the -GRD group, who all cluster together.



但这不是重点吗?没有手势识别缺陷的患者对IFG的损害不大,所以他们应该聚在一起,对吗?的确如此,但对于那些手势识别不足的患者,也应该与IFG中病变组织的数量仍然有很强的相关性(假设病变组织中存在足够的差异)。但是,如果删除-GRD患者(方形符号),则看起来回归线将完全平坦!即使+ GRD组中受损组织的百分比范围从〜5%到〜55%,也是如此。实际上,通过观察上方的图表,您可以看到三位IFG损害最少的患者(〜-GRD组中的损害额!)与四位IFG损害最严重的患者表现相同!此外,在这两个极端之间的所有患者都分布在一个模糊的云中,看起来像一个“ X”,其宽度与身高一样大(您能在X中找到交叉的双解离吗?) IFG是手势识别的关键基础,人们希望这里有某种模式,但没有。

似乎很明显,IFG的损害并不能预测手势识别缺陷。某些其他因素正在驱动在美丽的病变分析中显示的效果。

总体结论:Pazzaglia等。做出了英勇的努力,应该赞扬他们从多个角度审视他们的数据,并公开,直接地报告他们的发现。但是,目前的数据并不支持镜像神经元的动作理解理论。实际上,数据似乎表明(i)动作产生和动作理解分离,并且(ii)对猴子F5推测的人类同源物的损害与动作理解缺陷无关。

我很乐意看到使用d-primes重新分析所有数据的后续论文。也许到那时,我们至少会有证据支持镜像神经元的动作理解理论。迄今为止,还没有任何证据支持该理论。

4条评论:

匿名 said...

是的,这是一篇非常有趣的论文,而且内容非常详尽。 d-素数分析的确很有趣。我对手势的理解并不十分了解,但我认为您提出的另一项主要批评突出了我们在尝试创建结构/功能映射时必须在所有患者研究中处理的一个关键方法论问题。

简而言之,我认为他们通过生成原始病变重叠减影图的方式(即在GRD + / GRD-患者之间进行二元分类),将自己偏向于您在相关性中突出显示的问题。本质上,他们抛弃了从行为差异中获得的所有力量 每个小组在这一点上。

他们尝试在IFG中使用连续规模的组织损伤(即IFG中病变体素的百分比),而不是使用二进制的“ IFG损伤” /“ IFG完整”分类,这很不错,但这不是一个好方法如果他们已经使用患者的二元分类来首先定位IFG,则说明有很多用处。如果他们改为在整个大脑中使用连续测量结构完整性的逐个像素,那么他们也可以使用连续的行为数据来搜索损伤与表现确实相关的区域。

格雷格希科克 说过...

的确,分类和减法确实引起了很多差异,但是我对本文的欣赏是,使用了多种不同的分析方法对数据进行了检查。因此,VLSM方法使用了所有连续形式的数据(并发现了IFG定位),我强调的(非)相关性图基本上是ROI分析:检查了解剖学定义的区域,以了解组织损伤量与行为表现。同样,发现了显着的相关性,但是当我们看到该图时,很明显,正如我所讨论的,有趣的事情正在发生。

我对这些研究人员没有什么好称赞的,因为在显示减法和VLSM图像后,他们很容易就可以停下来,而且我们永远都不知道结果可能存在根本问题。相反,他们向我们显示了关键区域中的实际数据,结果我们学到了一些东西。

实际上,我们学到了两件事:(1)IFG对手势识别可能并不重要;(2)即使是最干净的数据也无法揭示真相。

匿名 said...

你是对的。抱歉,我误读了VLSM部分,并认为他们只是对IFG进行了单独的分析。这是一个很好的结果。 VLSM是对病变重叠图的BIG改进,但由于它仍涉及二进制分类,即按逐个体素将组织分类为受损/未损坏,因此它并未充分利用所有数据(在这种情况下,I认为他们只是将每个手动绘制的病变轮廓内的所有体素标记为已损坏)。在我看来,在每个体素上连续测量组织完整性(从信号强度的度量中得出)并针对行为表现对其进行测试,是进行此类分析的更有效方法。首先,它在检测组织损伤时比手动方法更灵敏(信号强度通常需要比正常情况低约20%才能被肉眼检测到),并且还允许您以图形方式检查回归拟合以查看哪些对象是驾驶它。我很喜欢VBM技术(如果使用得当的话)可以回答此类问题,尽管我知道很多人都没有。

正如您所说,这是一篇令人印象深刻的论文。我已经为患者做了大量的成像工作,并且知道这项研究一定要做大量的工作。患者数据总是令人着迷的复杂,因此作者从多个角度进行了研究真是太好了。

匿名 said...

我同意这类工作是镜像网络可能参与动作理解的最好证据(有关有趣的见解,另请参阅Bosbach等人,Nature Neuroscience 2005,8; 1295)。

不过这里有一些问题;首先,他们实际上并未测试行动的“理解”。他们的测试确实是对动作歧视/认知的测试,但他们始终将其称为动作理解。如果患者无法预测某项行动的后果或无法阐明目标,我可能会更有说服力,认为缺陷会导致理解障碍。

而且,他们将所有的失用症亚型集中在一起。从我对失用症的了解很少,这似乎有些奇怪。意识运动性失用症(完整的对象知识,但模仿能力受损)是由于“视觉运动”动作途径不足造成的,而概念性/概念性失用症的特征是对象语义缺乏(患者无法将对象与适当的动作联系起来)。根据对动作执行网络的了解,如果在单个区域中导致病变同时导致这两种情况,我会感到惊讶。

我确定他们出于权力原因不会将各组分开,但是考虑到他们在评估阶段测试了失用症的亚型,因此很高兴看到各组之间的结果如何。