1. fMRI研究領(lǐng)域，作為一個(gè)領(lǐng)域，它的問題和結(jié)果的有效性不會(huì)因?yàn)檫@一篇文章所動(dòng)搖。

fMRI是一種研究工具，我們使用這項(xiàng)工具來探索一個(gè)關(guān)于『大腦運(yùn)行方式』的問題。我們最終關(guān)心的是『大腦如何工作』。所以第一個(gè)方面的討論就是：以往的fMRI研究告訴我們的『大腦如何工作』的結(jié)果，會(huì)不會(huì)因?yàn)閒MRI本身工具的部分缺陷，變成胡說八道，空穴來風(fēng)？

關(guān)于『大腦如何工作』的一項(xiàng)好的fMRI研究，不會(huì)是拍大腿想點(diǎn)子，就把被試送進(jìn)機(jī)器里面去掃描的。整個(gè)神經(jīng)科學(xué)的研究，尤其是認(rèn)知神經(jīng)科學(xué)的研究，都是基于已有的研究結(jié)果，進(jìn)行合理的擴(kuò)展之后，來探索新的知識。fMRI結(jié)果所發(fā)現(xiàn)的大腦區(qū)域的激活，也不是隨便就下定論的。要從fMRI的結(jié)果來推理大腦X區(qū)域進(jìn)行A認(rèn)知功能（比如，大腦枕葉區(qū)域進(jìn)行視覺加工），本身推理的合理性不僅僅來自于當(dāng)前實(shí)驗(yàn)所得到的數(shù)據(jù)，還需要綜合之前其他實(shí)驗(yàn)室通過其他實(shí)驗(yàn)手段獨(dú)立得到的結(jié)果。如果當(dāng)前的fMRI實(shí)驗(yàn)結(jié)果跟其他研究方法，比如行為測試，計(jì)算模型預(yù)測，電生理的電極記錄等，結(jié)果互相呼應(yīng)，可以合理的整合起來，這樣的fMRI實(shí)驗(yàn)結(jié)果才是有效的。于此同時(shí)，當(dāng)前fMRI實(shí)驗(yàn)的虛報(bào)結(jié)果的可能性，也會(huì)因?yàn)橹暗念愃茖?shí)驗(yàn)得到相同的結(jié)果而相對減小。比如我們可以計(jì)算：fMRI結(jié)果說明『大腦枕葉進(jìn)行視覺加工』這個(gè)結(jié)果可能50%是錯(cuò)的，但是同時(shí)我們有電生理實(shí)驗(yàn)也說明『大腦枕葉進(jìn)行視覺加工』，其結(jié)果可能是錯(cuò)的的概率是20%，那么這兩個(gè)實(shí)驗(yàn)都是錯(cuò)誤的概率就是10%。

換句話說，fMRI研究本身的虛報(bào)率，在當(dāng)前這個(gè)多種研究手段獨(dú)立重復(fù)實(shí)驗(yàn)的情況下，不會(huì)對于他們所揭示的『大腦如何工作』這一科學(xué)問題的有效性產(chǎn)生很大的負(fù)面影響。fMRI這個(gè)研究領(lǐng)域所研究的問題和結(jié)果，不僅僅得到本領(lǐng)域內(nèi)獨(dú)立重復(fù)實(shí)驗(yàn)的支持，還得到了其他領(lǐng)域獨(dú)立重復(fù)實(shí)驗(yàn)的支持。所以，fMRI領(lǐng)域研究的問題和結(jié)果的有效性不會(huì)被這篇文章所動(dòng)搖。

2. fMRI整個(gè)領(lǐng)域的研究結(jié)果的有效性，也不見得有文章中所指出的那么大的問題。

我們終于要集中精力來討論這篇文章的內(nèi)容了。在介紹文章內(nèi)容以前，我們先用Bennett, Baird, Miller, and George (2009) 這篇著名的死三文魚實(shí)驗(yàn)來做鋪墊。

fMRI掃描人類大腦的活動(dòng)，所得到的大腦成像大約有100,000個(gè)三維體素(Voxels)。實(shí)驗(yàn)分析一般通過對比不同的實(shí)驗(yàn)條件下每個(gè)Voxel的血氧濃度（BOLD）信號的差別來判斷這個(gè)Voxel是不是參與了當(dāng)前的認(rèn)知任務(wù)。這里基本的統(tǒng)計(jì)思路就是：如果一個(gè)Voxel在條件A和條件B下存在統(tǒng)計(jì)顯著的BOLD信號差別，那么這個(gè)Voxel就被認(rèn)為是參與了實(shí)驗(yàn)設(shè)計(jì)的認(rèn)知任務(wù)。

但是推論統(tǒng)計(jì)(Inference statistics)存在一定的虛報(bào)概率：一個(gè)Voxel可能本身并沒有參與實(shí)驗(yàn)設(shè)計(jì)的認(rèn)知任務(wù)，但是因?yàn)橐恍y量噪音，在分析數(shù)據(jù)的時(shí)候，這個(gè)Voxel仍然在條件A和條件B下出現(xiàn)了統(tǒng)計(jì)顯著的BOLD信號差別，這個(gè)Voxel就『無中生有』地被認(rèn)為參與到了認(rèn)知加工中。我們稱這種錯(cuò)誤叫做一類錯(cuò)誤（TYPE I Error）。

作為實(shí)驗(yàn)研究者，我們當(dāng)然不想犯這樣的錯(cuò)誤，所以人們使用了神奇的p<0.05或者p<0.01這樣的閾限來控制我們犯一類錯(cuò)誤的概率小于5%或者小于1%——雖然我們知道我們無法避免錯(cuò)誤，但是至少我們能控制犯錯(cuò)誤的機(jī)會(huì)盡量小。

但是，統(tǒng)計(jì)上仍然存在更多的原因：如果我們同時(shí)進(jìn)行多個(gè)統(tǒng)計(jì)檢驗(yàn)，我們需要進(jìn)行多重檢驗(yàn)校正。為什么呢？回想到我們的大腦有100,000個(gè)Voxel，每一個(gè)單獨(dú)的Voxel存在5%的可能性虛報(bào)，那么這100,000個(gè)Voxel如果不進(jìn)行校正，就會(huì)有5000個(gè)Voxel，因?yàn)殡S機(jī)誤差的原因，被『無中生有』地認(rèn)為參與到了某項(xiàng)認(rèn)知任務(wù)中。5000個(gè)！要知道我們一般看到的fMRI實(shí)驗(yàn)，一個(gè)激活區(qū)域有1000個(gè)Voxel已經(jīng)了不起了。為了說明多重檢驗(yàn)校正非常重要，Baird, Miller, and George (2009) 拉了一條死三文魚放進(jìn)fMRI掃描儀里面，給這條死三文魚呈現(xiàn)一系列的圖片，這些圖片描述了人類個(gè)體在不同社會(huì)情境下的情緒。作者就問這條死三文魚：請判斷你所看到的圖片里面的這個(gè)人的情緒是什么？掃描以后，然后對這條死三文魚的每一個(gè)Voxel進(jìn)行統(tǒng)計(jì)檢驗(yàn)，并且不進(jìn)行多重檢驗(yàn)校正，于是我們得到：