Получилась парадоксальная, но нередкая ситуация, когда, пользуясь в общем-то неверными методами, удалось получить правильные результаты. Кстати, ситуация, характерная не только для физиологии. Высокая физика. Изучение теории поля и элементарных частиц. Р. Йост «Общая теория квантованных полей» (1967 г.): «…мы исходим из уравнений, которые не имеют смысла. Мы применяем к их решениям некоторые определенные предписания и приходим, наконец, к степенному ряду, про который мы не знаем, имеет ли он смысл. Несколько первых членов этого ряда приводят, однако, к наилучшим известным предсказаниям…»
Надо отметить, что именно продуктивная работа в таких условиях является мерилом таланта ученого. Сейчас вывести таблицу Менделеева – тема для диплома, а в то время, когда все было «зашумлено» (и веса элементов, и их свойства), это была эпохальная задача. Сеченов и Бехтерев показали нам пример, как из минимального набора данных можно получить глобальные теории.
Суть общепринятого в нейронауках метода, как уже говорилось, заключается в предположении, что сигнал разделяется на собственно полезный сигнал и шум. Это предположение пришло из радиотехники, где оно в большинстве случаев выполнялось, потому что действительно был сигнал слабенького передатчика и не связанный с ним и не зависящий от него атмосферный шум. В мозге же шум принципиально связан с полезным сигналом. Вместе они отражают мультипрограммную работу одного прибора, одной системы. Поэтому изложенный подход принципиально неверен; все сигналы физиологически значимы. Именно поэтому, чтобы получить с его помощью правильные результаты, требовалось не только нажать правильные кнопки статистического анализатора, но и обладать тонким, предельно четким пониманием метода обработки, интерпретации его результатов и организации эксперимента. К сожалению, сегодня это скорее исключение, чем правило.
Основное противоречие в методах статистической обработки и реальной картины заключается в том, что мозг делает работу с первого предъявления. Он не работает на основе статистического накопления результатов. А мы ищем статистически значимый сигнал, разделяя зарегистрированный сигнал на значимый и незначимый. Говоря физическим языком, мы вводим в мозг аналог демона Максвелла, который отделяет мух от котлет.
Голь на выдумки хитра. Умные исследователи придумали паллиативный выход. Делают набор исследований, в которых явление изучается с разных сторон, и рассматривают весь комплекс результатов. Далее, исходя из принципа, что природа сложна, но не злонамеренна, делаются все более приближенные к реальности оценки.
Надо заметить, что Н.П. Бехтеревой был предложен альтернативный усреднению подход. Она взяла за основу предположение, что каждое событие в мозге имеет физиологический смысл. Каждый нейронный импульс отражает работу мозга по обеспечению какого-либо процесса. Вместе с гипотезой о принципиальной изменчивости мозговых систем это позволяет понять, почему мы видим зашумленный сигнал. И, что очень важно, позволяет выделить группу реально существующих сигналов и доказать их принадлежность к исследуемому процессу. Сотрудники нашего института Ю.Л. Гоголицин и С.В. Пахомов при моем участии разработали метод анализа единичных предъявлений, позволяющий выделять реальные сигналы и оценивать их значимость. В частности, исследуя импульсную активность нейронных популяций, удавалось выделять группы нейронных реакций при выполнении предъявляемых исследователем задач и посторонние реакции тех же нейронов. Точкой отмечается латентность и амплитуда реального пика в нейронной активности или вызванных потенциалах.
При статистически достоверной реакции импульсной активности эта реакция проявляется в достаточно малом количестве проб. Но это реальные импульсы, реальный сигнал, а не его накопленное значение. Видно, что реакция в вызванных потенциалах существенно более единообразная. Но! Количество сигналов существенно меньше количества проб, то есть далеко не в каждой пробе эта область мозга участвовала в исследуемой деятельности. В этой книге я не ставлю задачу разбора результатов применения метода анализа единичных проб. Принципиально важен факт того, что реальные процессы в мозге в единичных пробах далеки от того, что мы обычно изучаем и получаем в результате усреднения.
В этой ситуации наши методы статистического оценивания результатов и вообще почти все используемые математические методы – это лишь методы отбора. Мы договорились обрабатывать результаты именно так, хотя в ряде случаев возможность применения методов недостаточно доказана. Они нужны не для того, чтобы рассчитать значимость события, а чтобы ко всем исследованиям в данной лаборатории и во всех лабораториях, применяющих данные методы оценивания, отбирать результаты для обсуждения одинаковым образом, то есть исключить субъективный фактор.
Еще не так давно старшие по возрасту физиологи широко пользовались выражением «физиологический глаз = чутье», и это считалось доказательным. Не потому, что они были глупыми. Они просто не успели перестроиться с того времени, когда получались простые и ясные результаты. Но так обстоит дело, когда статистика и другие методы обработки применяются правильно. К сожалению, большое количество исследователей, особенно молодых, часто допускают серьезные ошибки не только методического, но и методологического уровня. Почему молодых? В общем, понятно. Старшее поколение эти методы создавало. Сейчас трудно вспомнить, какие дискуссии буквально гремели в среде физиологов. Поэтому большинство ученых старшего поколения уже прошли период ошибок и разочарований. Они хорошо помнят всю «подлость» статистики.
Молодежь в большинстве, к сожалению, слишком привыкла полагаться на всемогущий ПК. Я обозначу основные их ошибки.
1. Неправильное использование формул во всех дополнительных исследованиях, когда не выполняются предположения, лежащие в их основе.
2. Неучет автокорреляций и пространственных корреляций вплоть до применения заведомо неверных для данного исследования методов. Поэтому и в первом, и в проверочных исследованиях делается одна и та же ошибка; ВСЕ результаты оказываются неверными. Наиболее часто это происходит из-за незнания свойств сигнала и шума.
Даже в анализе электрофизиологической информации очень часто встречаются грубые ошибки, а так как рецензенты тоже не всегда звезды с неба хватают, то статьи с ошибками попадают в журналы. И далее на них ссылаются в качестве доказательства своей правоты другие исследователи. Получается снежный ком. Причем многие следующие статьи подтверждают эти неверные результаты, поскольку совершают те же ошибки.
Экспертами были проанализированы статьи, в аннотациях к которым упоминались поведение, когнитивные функции или визуализация мозга. Установлено, что количество статей с правильными и неправильными результатами практически одинаково (см. таблицу).
Таблица. Экспертная оценка работ в области психофизиологии, опубликованных в ведущих журналах
Мы массово столкнулись с этим еще в 80-х годах, при исследовании импульсной активности нейронных популяций и вызванных потенциалов у человека. У одного из моих друзей в кабинете была стена, обклеенная графиками с прекрасными реакциями, но, увы, недостоверными. Эта важная для электрофизиологии проблема приобрела колоссальное значение при исследованиях с помощью позитронно-эмиссионной, функциональной магнитно-резонансной и компьютерной томографии. Здесь одновременно проверяются тысячи вокселей, причем заведомо неизвестны ни свойства распределения регистрируемого в них сигнала, ни пространственная корреляция. По сути, прямой и ясный метод статистической обработки, применимый во всех случаях, фактически отсутствует. Именно поэтому анализ таких данных довольно громоздок и сложен, что автоматически привело к резкому увеличению числа малограмотных работ. Дело в том, что достаточно мало людей с нетехническим образованием дают себе труд разобраться в том, как устроены эти методы. Но самое кошмарное: они считают, что разобрались.
Недавно я был на семинаре, где молодой специалист начала свой доклад с того, что объясняла аудитории (преимущественно психологам), как устроены ПЭТ и МРТ. Это объяснение было таким, что мне пришлось в конце заседания высказать пожелание, чтобы она, пока не изучит вопрос, никогда бы его не касалась. А понимание того, как устроен прибор (конечно, не технических деталей, а базовых принципов), критически важно не только для корректного использования методов обработки сигнала, но и вообще для понимания результатов. Поэтому практически все ее результаты оказались даже не недостоверными, а просто не результатами. В ответ на замечания был стандартный ответ: у нас не было нужного оборудования, поэтому мы сделали так, как получилось.
Зачем знать, как устроен прибор? Да затем, что нужно понимать, что он может измерить, а что – нет. Некоторые вещи данный прибор не может измерить в принципе. Например, когда мы под руководством Н.П. Бехтеревой начали исследовать феномен творчества, то первые результаты на ПЭТ были довольно скромными. И только проведя ЭЭГ-исследования, мы поняли, что происходила активация всего мозга, которая принципиально не может быть обнаружена на ПЭТ нашими методами. Но мы показали это, только досконально зная детали обработки и получения данных. И таких ошибок достаточно много.
Я не стал бы писать об этом, если бы подобные ситуации в многоканальных ЭЭГ-, ПЭТ-, фМРТ-исследованиях не стали регулярными. И при двадцати одном канале математическая обработка ЭЭГ была достаточно сложной, и ошибки были довольно распространены. Радикальное увеличение количества каналов, повоксельное описание мозга на порядок усложнили эту обработку. Мы все еще вынуждены пользоваться методом накопления и дальнейшего статистического оценивания результатов. Но практически все эффективные методы требуют достаточно жестких ограничений на свойства сигнала, которые, как правило, не выполняются, или же проверить их выполнение довольно трудно.