ضرورت یکپارچه سازی داده های حوزه ی علوم اعصاب و رفتار

در رشته هایی مانند تحلیل داده های عصب شناختی از روش ها و ابزارهای تحلیلی و مدل های محاسباتی به منظور یکپارچه سازی و تحلیل داده های عصب شناختی استفاده می شود. این حوزه ی علمی بسیار با اهمیت است، چرا که با دستیابی روز افزون به داده های عصب شناختی حجیم که تعداد ابعاد آنها زیاد است و همچنین داده های بدست آمده از آزمایش ها، بیشتر به ضرورت یکپارچه سازی نتایج، به عنوان یک رابط اصلی، پی برده می شود. با استفاده از مدل های ریاضی و آماری و ابزارهای محاسباتی می توان به پایگاههای داده ای سازگار برای دانشمندان بالین و پژوهشگران رسید.

علوم اعصاب شاخه ی از علوم است که بیشترین تنوع رشته ها را در خود جای می دهد. به عنوان مثال روانشناسی شناختی، علوم اعصاب رفتاری، ژنتیک رفتاری، نورولوژی، علوم اعصاب کاربردی و. به منظور فهم مغز و دستیابی به عمیق ترین لایه های آن، لازم است، این زیر شاخته ها بتوانند داده ها و یافته هایشان را به روشی صحیح و موثر به اشتراک بگذارند. وظیفه ی اصلی تحلیل داده های عصب شناختی، ایجاد همین توانمندی است. چنین تسهیلاتی پژوهشگران را قادر می سازد تا بتوانند به سادگی و به شکل کمی نظریات کاری خود را آزمون نمایند. به منظور دستیابی به این اهداف لازم است الف)ابزارهای و دیتا بیس هایی به منظور مدیریت و به اشتراک گذاری داده های مربوط به علوم اعصاب در همه ی سطوح تحلیلی فراهم شود. ب)ابزارهایی به منظور تحلیل و مدلبندی داده های عصب شناختی گسترش یابد و ج)مدل های محاسباتی مربوط به سیستم عصبی و فرآیند های عصبی ایجاد شود.

در دهه ی اخیر و با گسترش و ازدیاد حجم بالای داده های متنوع در حوزه ی مغز که از پژوهش های گروههای مختلف بدست آمده است، مسئله ی پیش رو این بود که چگونه باید انبوه داده ها را به صورت موثری و با ابزار معتبری یکپارچه کرد. داده های عصب شناختی و زیستی به شدت با یکدیگر در ارتباط اند و از پیچیدگی بالایی برخوردارند که همین خصوصیت می تواند یکپارچه سازی را به عنوان یکی از چالش های بزرگ پیش روی دانشمندان این حوزه مطرح کند. در صورتی که متصدیان این حوزه به استقبال چنین چالشی نروند، متحمل هزینه های زیادی خواهند شد و سرمایه های دانشی موجود در داده های این حوزه از دست خواهند رفت و رویکردهای الهام بخش و تبیین کننده آن همواره مغفول خواهد ماند.