具有跨层次、多尺度时空变化特征的脑空间信息学有望在绘制脑结构及功能的三维甚至四维图谱，并进而在认知脑功能、防治脑疾病和发展智能技术等方面发挥重要作用。

1. 认知脑功能

利用所建立的脑空间信息知识库，回答神经元种类及绘制脑图谱等问题，并对研究认知和行为的神经活动机制等脑科学问题提供基础数据。基于脑内原位多种信息共存的空间信息构建的模型将为脑科学研究提供模拟和分析平台。

由于在介观尺度缺乏有效的研究工具，目前对高等哺乳动物神经环路连接信息的认识还极度匮乏。复杂脑功能往往需要局部神经环路和长程神经环路的协同作用才能完成，其中长程神经环路可能从皮层一直投射至脊髓，几乎跨越全脑范围[15,22]。小鼠全脑在任意方向上都是厘米量级；脑中的特定结构，如海马，在毫米量级；一般神经元胞体的直径约为 5~30μm，胞体发出的突起直径往往小于 1μm。要在全脑范围获取精细神经结构，需要跨越 4~5 个数量级的几何尺度进行高分辨率成像——这是现有成像技术必须克服的技术瓶颈。目前，人们仅对拥有 302 个神经元的线虫进行了较完整的神经环路研究[52]，而对于拥有约 10 万个神经元的果蝇（Drosophila melanogaster）脑的相关研究还只是刚刚起步[53]。相比之下，高等哺乳动物大脑由数亿到数百亿计的神经元构成，在介观尺度绘制哺乳动物脑连接图谱对传统成像技术而言无疑是不可能完成的任务。作为脑空间信息学领域最有特色的研究手段之一，以 MOST 为基础的全脑高分辨精准空间定位与成像技术体系的日益成熟，为在介观尺度（具有神经元/细胞分辨度）建立小鼠或非人灵长类（猕猴）全脑网络精细结构与功能连接图谱提供了重要的研究工具和技术平台。

2. 防治脑疾病

通过全脑空间精细信息的整合，对比不同模态下脑部结构与功能的差异，有助于系统地研究脑部疾病及大脑发育的机制，为脑部重大疾病如神经遗传与发育性疾病（自闭症等）、精神性疾病（抑郁症等）和神经退行性疾病（老年痴呆症等）的临床防治提供支撑，并为儿童教育等提供理论指导。

脑疾病防治是脑科学研究最重要的需求导向之一。由于对脑的结构和功能缺乏认识，不能及时有效地治疗老年痴呆、帕金森氏病、抑郁和自闭等脑疾病，导致脑疾病已经成为社会负担最重的病种[54]。在单神经元分辨水平揭示全脑神经环路的空间连接信息，不仅是阐明各种高级脑功能机制所必需的，也是彻底认识和征服脑疾病的重要前提。特定神经系统疾病往往伴随着相关神经环路的异常。获得病理模型下特定神经环路精细图谱，对研发脑重大疾病的早期诊断、精准干预（包括病前干预和疗后康复）的新技术、新方法是至关重要的。

理想情况下，完美模拟大脑不仅意味着知晓了大脑如何工作，也将知道脑功能被破坏的原因，即脑疾病的致病机制。控制论的创始人 Wiener[55] 就鼓励人们从计算机工作原理的角度去理解人类大脑。通过有效的计算机模拟，有望使科学家能够厘清脑部疾病的某些细节，进而筛选出可行的治疗途径，甚至革命性地改观现有的药物研发方式，从而形成重要的应用价值。

3. 发展类脑智能技术

通过模拟、解译和反演等多种手段，利用脑空间信息模型探究记忆、学习、决策等原理，构建并规范全脑空间的功能计算模型，在类脑人工智能的设计上模拟仿真和再现脑局部和整体功能的工作结构，发展类脑人工智能算法，以此让机器获得更好的概括能力、更好的抽象能力以及对稀疏数据的使用能力。

经过60年的发展，人工智能已经取得了一系列令人瞩目的成就。1997 年，IBM 深蓝计算机因为击败了世界国际象棋冠军卡斯帕罗夫而名声大噪。2016 年，atv，Google 的 AlphaGo 又在全世界人民面前大败围棋世界冠军李世石，掀起了智能技术新一轮的热潮。智能技术如今已成功应用在非常多的领域，例如，机器翻译、智能控制、专家系统、机器人学、语言和图像理解、航天应用等重要领域，以代替人类去执行复杂或规模庞大的任务。但是，现有的智能技术还限制于弱人工智能的发展阶段，它的显著特征是仅具备某项认知能力，无法推广至实现其他功能。谭铁牛院士形象地评价“有智能，没有智慧；有智商，没有情商；会计算，不会算计；有专能，无全能”。究其原因，还是人工智能向脑工作机制的学习还不够，“类脑”不够，当然人类对脑的认识本身也还十分粗浅。目前的人工神经网络只是参考了神经元间的部分拓扑结构而搭建的数学模型，其核心算法是计算机科学研究者发明的，而非来自于生物神经系统的解析，尚与大脑的原理和能力相去甚远。