fMRI看到的，从来不是神经活动本身
神经元活动增加，需要更多氧和代谢物。局部血管因此扩张，脑血流增加，这一过程就是神经血管耦联（NVC）。
大量神经影像技术都建立在这一关系之上。
血管扩张后，总血红蛋白（total hemoglobin, HbT）增加；由于进入组织的氧合血液通常超过局部氧消耗，脱氧血红蛋白（deoxygenated hemoglobin, HbR）下降，氧合血红蛋白（oxygenated hemoglobin, HbO）相对增加。
而HbR恰好具有顺磁性，它的变化构成了血氧水平依赖信号（blood oxygen level–dependent signal, BOLD signal）的重要生理基础。
|
神经活动增强 → 血管扩张 → 局部血流增加 → HbR下降 → BOLD信号改变 |
如果这条链条在不同神经活动之间保持稳定，那么我们就可以比较放心地利用血流或血氧变化推断神经活动。
问题是，它真的稳定吗？
研究人员选择了一个非常直接的比较：触觉与疼痛。
他们在小鼠初级躯体感觉皮层中，一方面用毛刷刺激后爪产生轻柔触觉，另一方面通过光遗传学（optogenetics）激活VGLUT2阳性的伤害性感觉传入，构建疼痛相关刺激。
随后同时观察神经元钙信号和脑血流动力学变化。
结果很快出现了一个不太符合直觉的现象。
疼痛只少了约21%的神经活动，血氧信号却少了约50%
在大尺度成像下，疼痛刺激产生的神经元Ca²⁺信号相比触觉降低约 21%。
如果神经活动和血流之间保持相对固定的比例，那么血流相关指标大致也应该下降类似幅度。
但结果并不是这样。
|
与触觉相比，疼痛刺激下，总血红蛋白HbT反应降低约 30%； 氧合血红蛋白HbO反应降低约 35%； 而与BOLD信号密切相关的HbR变化，竟然减小了约 50%。 |
换句话说，21%的神经活动差异，被血氧相关信号放大成了接近50%的差异。
更进一步的统计分析显示，HbT与神经元Ca²⁺活动之间仍保持较稳定的关系，而且这种关系没有表现出显著的刺激类型依赖性。
但HbR完全不同。
HbR响应不仅受到个体差异影响，还明显受到刺激类型影响；神经活动与HbR之间的关系也表现出了显著的“模态依赖”（modality dependence）。
|
如果两个条件下BOLD信号不同，我们究竟看到的是神经活动不同，还是神经活动与血管之间的转换关系不同？ |
为了回答这个问题，仅仅观察整个皮层区域已经不够了。
研究人员开始向皮层内部深入。
在皮层2/3层，神经活动差不多，血流却差得更多
通过双光子显微镜（two-photon microscopy），研究人员进一步观察了皮层第2/3层（layer 2/3, L2/3）的单个神经元。
触觉和疼痛确实激活了不同的神经元群体。
在分析的细胞中，17.2%只对触觉产生兴奋，13.4%只对疼痛刺激产生兴奋，另外13.4%同时响应两种刺激，还有56%在这两种条件下均没有明显兴奋。
如果把所有被激活的细胞合在一起，疼痛刺激激活约 26.8%的神经元，而触觉为 30.6%。
存在差异，但并不大。
更关键的是，从整个成像视野的总体Ca²⁺信号来看，触觉和疼痛在L2/3中的神经活动幅度及动态过程并没有显著差异。
然而，当研究人员在完全相同的毛细血管中测量红细胞（red blood cell, RBC）运动时，结果发生了明显分离。
|
红细胞速度增加幅度降低 56%； 红细胞通量增加幅度降低 67%； 红细胞线性密度增加幅度降低 92%。 |
这是整项研究最值得思考的一组结果之一。
局部净神经活动几乎相当，但局部毛细血管灌注反应可以相差一半以上。
因此，用“这一层神经元活跃多少”直接预测“这一层应该获得多少血流”，并不总是成立。
问题随之变成：这些血流差异究竟从哪里来？
关键线索藏在皮层最表面的第1层
大脑皮层并不是均一结构。
不同皮层层次接收不同类型的输入，承担不同的信息处理功能。因此，研究人员继续沿皮层深度测量神经活动和血流。
结果显示，在L2/3、L4和L5中，触觉和疼痛产生的总体神经元Ca²⁺反应仍然相近。
明显差异出现在最表面的 L1。
触觉引起的L1神经网（neuropil）Ca²⁺反应比疼痛高出约 49%。
与此同时，最大的血流差异却出现在L2/3，并在L1、L4和L5中不同程度延续。
到了更深的L6，情况又发生变化：无论红细胞速度还是红细胞通量，触觉和疼痛之间都没有检测到明显的模态差异。
这说明，大脑面对不同感觉输入时，并不是简单地“整体增加多少神经活动，然后整体增加多少血流”。
更接近研究结果的描述是：
|
不同输入首先形成不同的层状神经活动模式，随后这些模式通过血管网络，被转化为不同深度的血流分布。 |
而完成这一步转换的关键结构，是穿入皮层内部的微动脉。
看起来相似的微动脉，其实承担着不同任务
研究人员把穿透性微动脉（penetrating arteriole）按照进入皮层的深度分为两类。
终止深度小于约 400 μm的血管，被归为浅层微动脉网络；延伸到更深皮层的则属于深层微动脉网络。
两类血管的行为出现了非常清晰的差别。
深层微动脉面对触觉和疼痛都会扩张。
不只是主干，其下游一级到三级分支同样对两类刺激都有明显响应。
但浅层微动脉不同。
它们对触觉产生明显扩张，对疼痛刺激的扩张却显著减弱；其下游近端分支也表现出相同趋势。
于是，此前令人困惑的结果开始能够被解释。
触觉刺激除了激活深层网络，还产生了更强的L1活动，因此额外招募浅层微动脉网络，给浅层皮层带来更强的灌注。
而疼痛虽然在L2/3至L5保持了相当可观的总体神经活动，但由于L1活动较弱，浅层微动脉并没有得到同等程度的招募。
最终形成一种看似矛盾、实际上具有结构基础的状态：
|
神经元活动相近，浅层血流反应却明显不同。 |
这里的关键变量已经不再只是“神经元活动强度”，而增加了两个维度：
活动发生在皮层什么位置，以及这些活动能够招募哪一类血管。
血管并不是被动的“供血管道”
为了检验仅靠这种血管结构差异是否足以解释实验结果，研究人员又构建了真实皮层血管网络的三维计算模型。
他们没有人为加入额外的神经调控机制，只把实验中实际测得的不同类型微动脉扩张幅度输入模型。
结果，模拟出的毛细血管灌注模式与动物实验高度相似。
在皮层浅部 0～450 μm范围内，触觉条件下毛细血管速度和流量的平均变化都超过疼痛条件的两倍。
而到了 650～947 μm的深层L6，两种刺激之间的差异明显缩小。
研究人员还做了一个反向模拟：把深层微动脉的扩张模式改成浅层微动脉那样微弱。
结果，浅层皮层仍然能够获得一定程度的血流增加，但深层L6的血流速度和流量变化下降约 10倍。
这说明，深层微动脉不仅仅供应某个局部位置，而能够整合更大空间范围内的信号，并维持深部皮层灌注。
从这个意义上说，血管网络并不是神经活动之后简单打开的“水龙头”。
|
它的拓扑结构本身就在决定：神经活动最终会被转化成怎样的空间血流图谱。 |
为什么有些神经活动叫不动浅层血管？
如果浅层和深层微动脉确实具有不同的响应规则，那么这种差异应该不仅存在于“触觉对疼痛”这一组实验中。
研究人员随后测试了另外两种神经活动模式。
第一种是清醒小鼠中的自发神经活动。
在这种条件下，神经活动事件出现时，深层微动脉的扩张明显强于浅层微动脉。
更有意思的是，当研究人员按照Ca²⁺活动强度把事件分为四个等级时，深层微动脉随着神经活动增强逐渐扩大；而浅层微动脉在前三个等级中几乎没有明显响应，只有在最强的那一组神经活动出现时才开始明显扩张。
这很像一个阈值效应（threshold-like response）：
浅层血管不是完全不能响应，而是需要足够强的浅层神经活动才能被可靠招募。
第二种实验则人为增强投射到感觉皮层L1的运动—感觉反馈信号。
此时，浅层和深层微动脉都出现了幅度较大的扩张，整个血管反应模式开始接近触觉刺激。
于是，一条更加完整的机制链条逐渐形成：
|
不同感觉输入 → 不同皮层层次的神经活动 → 不同类型微动脉被招募 → 不同深度的毛细血管灌注 → 不同的血流和血氧信号 |
这项研究最值得警惕的，是“一条标准曲线解释所有脑活动”
现代fMRI分析中，一个非常重要的概念是血流动力学响应函数（hemodynamic response function, HRF）。
简单来说，它描述神经活动发生以后，BOLD信号应该怎样随时间变化。
许多分析方法都需要对这一关系进行建模。
但这项研究提出了一个更复杂的可能性：
HRF本身可能与神经活动的类型有关。
触觉和疼痛不仅产生不同幅度的血流反应，刺激结束之后的血管收缩，也就是刺激后下冲（poststimulus undershoot），同样表现出模态差异。
疼痛后的下冲更小，而且不同血管区室之间的表现并不相同。
因此，“一个固定的神经活动—血流转换函数”未必能够完整描述所有类型的神经活动。
这对于高分辨率fMRI和层状fMRI（laminar fMRI）尤其值得关注。
分辨率越高，人们越希望根据血流变化进一步判断究竟是哪一层皮层、哪一种神经回路参与了信息处理。
但与此同时，血管结构本身造成的空间偏差也会变得更加重要。
看到某一层BOLD信号较弱，不一定意味着那一层神经活动就按相同比例降低。
疼痛的BOLD信号较弱，不一定意味着大脑“响应更弱”
此前在人类研究中，初级躯体感觉皮层对疼痛产生的BOLD-fMRI信号常常小于触觉，而且稳定性也相对较差。
通常，一个自然解释是：疼痛和触觉激活的神经元数量或活动强度不同。
这项研究提供了另一种可能。
至少在小鼠实验中，疼痛刺激下L2/3局部总体神经活动与触觉非常接近，但血流灌注和HbR变化明显更小。
因此，BOLD差异中的一部分，可能来自神经血管耦联本身，而不完全来自神经活动强弱。
这并不意味着过去基于fMRI得到的结论都需要推翻。
更合理的理解是：在跨刺激类型、跨脑区甚至跨疾病状态比较BOLD信号时，不能默认“相同神经活动一定对应相同血流响应”。
血管网络可能是一个此前被低估的变量。
当我们说“这个脑区更活跃”，其实省略了什么？
这项研究最终触及的并不仅仅是疼痛和触觉的差异。
它提出了一个更基础的问题：
神经影像中的信号，究竟在多大程度上等于神经活动本身？
答案可能不是简单的一一对应关系。
神经活动首先具有空间结构——不同层次、不同神经元群体、不同投射通路的参与程度并不相同。
随后，浅层和深层微动脉以不同规则整合这些活动，再通过各自的灌注区域，把它们重新映射成血流分布。
因此，一个BOLD信号背后至少包含两层信息：
一层来自神经回路；
另一层来自血管网络如何读取和转换这些神经信号。
|
值得注意的是，这项研究主要来自小鼠，并且触觉和疼痛实验是在右美托咪定镇静条件下完成的。研究人员也明确指出，清醒状态下觉醒水平和自上而下调控可能改变疼痛相关的神经血管耦联。因此，这些结果不能直接等同于人类自然状态下的疼痛体验，更不能简单地对现有人类fMRI研究进行统一校正。 |
但它提供了一个重要方向：
随着层状fMRI、单血管级成像和更高空间分辨率神经影像技术的发展，我们可能不仅要建立更精细的“神经活动地图”，还要同时建立一张血管网络地图。
因为当我们下一次看到一个脑区在fMRI图像中“更亮”或者“更暗”时，一个更准确的问题也许不是：
这里的神经元究竟有多活跃？
而是
|
这里发生了什么样的神经活动，以及这种活动通过怎样的血管网络，被转换成了我们最终看到的信号？ |
参考文献
