在过去十年中，大脑成像技术可用来测量神经活动，被证实为一项很有价值的科学工具，如功能性核磁共振成像（functional magnetic resonance imaging，fMRI），但很少被运用到医学中。因为大多数fMRI 研究需要从多重人群中获取数据，从技术上来说不适合诊断病人。布莱德利·舒拉格（Bradley Schlaggar）是华盛顿大学的一名儿科专家，他领导了这项新研究。舒拉格说：“我们认识到，如果fMRI的承诺是应用于了解不同的病人，那么我们需要发展一项新技术来利用个体的数据。”

　　研究学者们开发了研究功能性连接的关键——一项用于分析大脑成像数据的相关新技术。利用这个方法，当一个人平躺在脑部扫描仪中什么都不做时，fMRI可以用来记录大脑中自发的波动。大脑中连接良好的部分会同步波动，提供一种间接绘制大脑功能网络的方式。

　　舒拉格的小组对200位以上5-30岁的人群进行了研究，记录了160个大脑区域中的大脑活动。在过去的研究中，这些区域已经被确认为同神经连接的节点一样重要。然后，该小组采用机器学习算法，来检验这些单一区域中的活动是如何使其他区域波动的。舒拉格说，这些分析显示的数据模型是“肉眼无法推测的”。他补充说，这项工作要求极其繁重的计算过程，研究学者们在5-10年前甚至难以找到能匹配工作的计算机。

　　研究学者们现在能通过运算分析得出的重点，观察其特征，并研究在大脑功能性架构上的变化。通过这个发展阶段，当不同的大脑区域之间的连接变弱时，它们就被分离开。奥拉夫· 司波（Olaf Sporns）是印第安纳大学的神经科学家，本人并没加入这项研究。他说：“这项研究绘制了大脑逐渐发展子连接的图像，其各个连接网络之间分化越多，内部就越完整协调。”虽然还不十分确定这个变化如何影响儿童及青少年的思维方式，但是司波推测，当大脑分化得更细致，具有明显的神经网络时，人们就会更为灵活进行任务间的转换。之前的研究已经证实，特定的神经网络参与到记忆力和注意力，以及感知和运动功能中。

　　这项研究属于生长发育研究的一部分，重在分析大脑的网络是如何交互作用，甚于关注特定的大脑区域。舒拉格认为，这种方法除了能查看多重因子是如何自发的变化，还能使他的研究小组分析个体脑扫描。研究学者们仅需要5分钟的大脑成像数据就能预见到某个人的年龄。其他的科学家将同样的研究方法应用到其他种类的大脑扫描数据，例如用它确定某个人心里想的单词。马丁·范·德·赫维尔（Martijn van den Heuvel）是乌特勒支大学（Utrecht University）医学中心的脑神经专家，没有加入这项研究，他认为：“这将变成新的检查大脑的方式，还能找出大脑是如何发育的新规律。”

　　现在，研究学者们运用同样的方式去研究其他发育障碍，如图洛特氏症侯群和自闭症。这些发育障碍和精神疾病被证实为难以用传统的大脑成像工具探测。舒拉格说：“我想问的一个问题是，我如何能预见到一个8岁的图洛特氏症临床案例？这是一个暂时的失调还是一个充分发展的图洛特氏症（带有其他精神疾病）？现在我们还没有能力做出预诊，但对于病人后十年的发展状况做出强有力的预见判断是非常需要的。”