热门脑成像方法遭质疑，一场关乎临床靶点的辩论

2026年2月的澳大利亚Noosa Brain Workshop上，哈佛医学院的Siddiqi刚下飞机就被围堵了。三周前《Nature Neuroscience》的一篇论文，把他赖以为生的研究方法推上了风口浪尖——脑损伤网络映射（LNM），这个已经发表200多篇论文、支撑7项临床试验的热门技术，被指“数学上先天缺陷”，不管什么疾病都能映射出几乎一样的脑网络，根本没有疾病特异性。

作为LNM的核心开发者之一，Siddiqi在会议的社交酒局上被同行问了一晚。第二天他索性把这场争议搬上了讲台，当着一众神经影像权威的面，拿出了和统计学家重新分析的数据。两天后，他的回应预印本挂上了bioRxiv，一场关乎脑疾病研究方向的辩论正式打响。

从“单点定位”到“网络破案”：LNM到底是什么

要理解这场争议，得先搞懂LNM到底在做什么。你可以把它想象成“脑损伤的网络侦探”——传统的脑损伤研究像找单个嫌疑人：哪里坏了，就盯着哪里找问题；但LNM的思路是“顺藤摸瓜”：找到损伤点后，对照健康人大脑的“神经连接地图”（也就是连接组），看这个损伤会牵连到哪些远隔的脑区，最终画出一张“损伤影响网络”。

举个最经典的例子：2015年LNM刚诞生时，研究者分析了23个脑干或丘脑损伤的患者，他们都出现了视觉幻觉，但损伤的具体位置完全不重叠——传统方法根本找不到共性。但用LNM一分析，所有人的损伤点都和外侧视觉皮层存在“负功能连接”：就像一个开关被按下去，远在另一边的视觉皮层反而异常兴奋，这才是幻觉的根源。

这个思路一下子打开了新局面：它能解释“不同位置损伤导致相同症状”的难题，还能绕过患者无法做功能成像的临床困境——只需要用健康人的连接组当模板就行。短短10年，LNM成了神经精神疾病研究的“标配工具”，从抑郁症、焦虑症到癫痫、成瘾，几乎所有脑疾病的网络机制研究都能看到它的影子。

致命批评：所有疾病的网络都长得一样？

荷兰阿姆斯特丹自由大学的van den Heuvel团队的批评，直接戳中了LNM的“命门”。他们分析了200多篇LNM论文后发现：不管研究的是抑郁症、精神分裂症还是吸烟成瘾，最终映射出的脑网络高度重叠，都集中在前扣带皮层、岛叶和额极这几个脑区——甚至给随机生成的“假损伤”做LNM，得到的网络也和这些疾病的结果几乎一模一样。

他们的结论很尖锐：LNM根本不是在找疾病特异性网络，而是在重复提取健康连接组的“固有属性”——那些连接最密集的“枢纽脑区”，不管损伤点在哪，最终都会被LNM“拉”到这些枢纽上。就像你用同一张地图找路，不管起点在哪，导航都会先带你去市中心的换乘站，看起来路线相似，其实和你要去的终点没关系。

Siddiqi的回应则直指批评者的“操作漏洞”：他和团队早就意识到了这种重叠，所以在研究中加入了“特异性检验”——简单说就是，不仅要证明损伤和某个网络有关，还要证明这个网络和其他疾病的网络不一样。比如他们在研究焦虑症时，会把焦虑患者的LNM网络和抑郁症、精神分裂症的网络做对比，确保它只和焦虑症状相关。而van den Heuvel团队的分析，恰恰跳过了这关键的一步。

真相在中间：LNM不是万能药，但也没失效

这场辩论很快分化出了中间派。伦敦国王学院的Váša就认为，双方都有道理：LNM确实存在局限——比如2020年的研究就发现，它预测中风后行为缺陷的能力，远不如直接分析白质束断裂的传统方法；但它也绝非毫无价值，在症状定位和治疗靶点发现上，依然是目前最实用的工具之一。

争议暴露出的其实是LNM的“黑箱问题”：过去10年里，LNM的分析流程一直在悄悄进化，但开发者们并没有把这些细节公开——比如特异性检验的具体标准、数据处理的阈值选择，这些“行业潜规则”让外行很容易误读结果。就连LNM的核心开发者Fox也承认：“我们之前没写过一本清晰的操作手册，难怪有人会用错方法。”

现在，双方都在推进新的研究：Siddiqi团队正在完善LNM的“个体化版本”——用患者自己的连接组替代健康人的模板，减少固有属性的干扰；van den Heuvel团队则在开发新一代的网络映射技术，希望能绕过LNM的数学局限。而这场辩论最大的价值，或许是让整个领域意识到：再热门的工具，也需要被反复检验。

在Noosa会议的最后，Siddiqi说：“科学辩论不是要分出胜负，而是要让我们的方法更可靠。”这句话或许能概括这场争议的本质——LNM不会因为一篇批评论文就被抛弃，但它也绝不能再以“黑箱”的方式存在。

现在，这场辩论还在继续：2026年6月的人脑成像会议上，双方会带着新的数据再次交锋。而对于那些等着用LNM找到治疗靶点的患者来说，这场辩论的意义远不止于方法本身——它关乎的是，我们对脑疾病的理解，到底是真的找到了病灶，还是只是在一张固定的地图上，重复走着别人走过的路。

科学的进步，从来都是在争议中校准方向。