使用功能磁共振成像和机器学习方法，抵抗尼古丁诱惑

近日，加州大学洛杉矶分校的研究团队使用功能磁共振成像和机器学习方法对吸烟者渴望尼古丁的体验进行了“大脑阅读”。该研究所对帮助人们控制药瘾的这些方法非常感兴趣。

研究团队分类了从抽烟者那里获得的数据，这些数据是在他们观看引诱出尼古丁渴望的时候扫描获得的。目的是为了详细的了解大脑的哪个区域和哪个神经网络明确的抵抗或渴望尼古丁诱惑。

在这项研究中，吸烟者有时候观看引诱渴望的视频，有时候看“中立”视频，有时候却完全没有视频。他们被指示当尼古丁出现的时候抵抗它的诱惑。通过功能磁共振成像扫描从研究参与者身上获得的数据随后被进行了分析。传统的机器学习方法被马尔科夫过程所扩张，马尔科夫过程使用过去史来预测未来状况。

在扫描期间通过测试大脑网络随着时间的活跃性，机器学习算法的结果能够在被试者潜在的神经认知结构上发生预见的变化，高精度（某些模型测试达到90%）的预测出他们正在注意的，就渴望而言，他们如何应对他们的渴望。

研究人员已经发现他们能够高精确度的探测到这些相信或者不相信的差异，实际上创造了一个测谎仪。在新研究中描述的革新是神经系统科学家创造这些可判断界限的方法，而不是更传统方法创造的通常的模糊边界，同样支持矢量机器学习。

研究人员说：“非常明显，把这个问题放置到神经学领域，解码过程变得更加可信和精确。这是尤其重要的，特别是使用了之前的效果和状态来报告机器学习算法，并且由于对于大脑工作的未知性也使它成为大脑研究的特殊挑战。”机器学习包含两步：“训练阶段“，这个阶段电脑评估了一组已知的结果，显示信赖或不信赖的被试者所做的一系列尝试。第二步“预测”，电脑根据认知建立一个分界线。”

在未来的研究中，将在一个生物反馈环境中使用这些机器学习方法，实时展示被试者的大脑数据来让他们了解他们什么时候体验渴望和这些渴望是如何的强烈，希望能训练他们控制并抑制那些渴望。