功能性近红外光谱 (fNIRS) 是一种前景广阔的非侵入性神经成像技术，其工作原理是利用近红外光检测与神经活动相关的血氧变化。与 fMRI 和其他常用的脑研究方法相比，fNIRS 更容易在实验室环境之外应用。
这项技术要求研究参与者佩戴一顶装有光极的特殊帽子，光极由发射近红外光到头皮的光源和测量反射回来的光的探测器组成。这些测量值可用于评估大脑外层的血氧水平。尽管 fNIRS 具有在日常环境中进行研究的潜力，但众所周知，其收集的信号质量会受到生物物理因素的影响。
波士顿大学的一组研究人员最近开始着手更深入地研究人们的头发和肤色、年龄和性别对从头皮获取的 fNIRS 信号质量的影响程度。
他们的论文发表在《自然-人类行为》杂志上，提供了宝贵的见解，可能为未来的研究实践提供指导，使神经科学家能够开展更具包容性的基于 fNIRS 的实验。
该研究的第一作者 Meryem A. Yücel 表示：“我们的研究灵感来自一个简单但重要的观察：虽然 fNIRS 越来越多地用于研究人脑，但并非每个人的数据都能被同样好地捕获。”
“头发和皮肤特征会显著影响我们记录的信号质量，但该领域缺乏对这一问题的系统性定量评估。我们的主要目标是严格测量这些影响，以便我们能够为研究人员提供基于证据的指导，并确保 fNIRS 能够成为一种更具包容性的神经影像学方法。”
Yücel 和她的同事预测，在未来十年左右，fNIRS 将越来越多地用于研究和医疗目的。因此，他们一直在努力使这项技术更具包容性，首先是尝试找出影响收集信号质量的因素。
作为他们近期研究的一部分，他们使用 fNIRS 收集了 100 多名参与者的数据，同时记录了多种头发特征，例如头发密度、颜色和类型，以及皮肤色素沉着。
“然后，我们将这些特征与 fNIRS 记录的脑信号质量进行了比较，”Yücel 解释说。“利用统计模型，我们可以直接测量每个因素对信号质量的影响程度。这使我们能够超越轶事报道，提供可靠的定量证据。”
研究人员发现，特定的头发和皮肤特征对收集到的 fNIRS 信号质量有明确且可衡量的影响。具体而言，他们发现，颜色更深、密度更高的头发，以及更高的皮肤色素沉着水平（即肤色更深）会降低这些信号的质量。
“这很重要，因为这意味着如果我们不考虑这些因素，某些群体被排除在神经影像学研究之外的风险更高，”Yücel 说。
“我们的论文不仅记录了这种不平等现象，还为研究人员提供了提高包容性的切实可行的步骤——例如，调整研究设计、改进硬件以及更透明地报告参与者的特征。”
Yücel 及其同事最近的研究提供了明确的证据，表明头发和肤色会影响 fNIRS 数据的质量。研究人员目前正试图开发策略和实验程序，以便从所有个体收集到高质量的数据。
“我们正在测试新的硬件设计、信号处理方法，并制定最佳实践指南，以减少这些差异，”Yücel 补充道。
“我们的长期目标是让 fNIRS 真正具有包容性，使其益处——无论是在神经科学研究、临床研究、日常大脑健康监测还是神经反馈方面——都能惠及所有人，让所有人群都能参与并受益。”