Уявіть, що ви намагаєтеся почути друга, який шепоче у переповненій кімнаті — саме так учені намагаються виявити мозкові сигнали серед шуму fMRI-сканера. Нове дослідження дослідників з MIT та Georgia Tech пропонує розумніший спосіб прислухатися до цього шепоту, виявляючи мозкові мережі, які активуються, коли ми слідкуємо за історією.
Дослідження
У статті "Independent-Component-Based Encoding Models of Brain Activity During Story Comprehension" Кам'я Харі та колеги з MIT і Georgia Tech проаналізували дані fMRI людей, які слухали природну історію. Вони використали метод, який називається аналіз незалежних компонентів (ICA), щоб розкласти мозкову активність на окремі компоненти — одні зумовлені історією, інші є просто шумом. Потім вони навчили моделі кодування передбачати ці компоненти на основі мовних ознак, витягнутих з історії за допомогою великої мовної моделі.
Вони виявили, що підмножина компонентів була високопередбачуваною у різних суб'єктів. Ці компоненти були узгоджені як за просторовим розташуванням, так і за часом, і відповідали відомим когнітивним мережам, включаючи слухові та мовні зони. Часовий ряд слухового компонента сильно корелював з акустичними ознаками історії, показуючи, що метод фіксує значущі сигнали, зумовлені стимулом. На відміну від цього, компоненти, ідентифіковані як шум або артефакти руху за допомогою стандартного інструменту (ICA-AROMA), показали рівномірно погану передбачувальну здатність, підтверджуючи, що високопередбачувані компоненти відображають справжню нейронну обробку, а не артефакти.
Цей підхід на основі IC пропонує кілька переваг порівняно з традиційними моделями кодування на рівні вокселів. Зосереджуючись на компонентах мережевого рівня, він враховує мінливість анатомії мозку у різних людей, зменшує вплив шуму вимірювання і дає результати, які легше порівнювати між людьми.
Чому це важливо
Це дослідження може призвести до точніших інтерфейсів мозок-комп'ютер та кращого розуміння мовних розладів. Для пересічної людини воно підкреслює, що мозок обробляє історії через узгоджену активність у розподілених мережах, а не лише в ізольованих зонах. Здатність методу відокремлювати сигнал від шуму має вирішальне значення для покращення аналізу fMRI, що потенційно може призвести до кращих діагностичних інструментів для таких станів, як афазія чи аутизм.
Що ви можете зробити
Хоча ви не можете провести ICA на власному мозку, ви можете покращити свої мовні та навички розуміння, занурюючись у складні історії — читайте романи, слухайте подкасти або ведіть глибокі розмови. Ці види діяльності задіюють ті ж когнітивні мережі, визначені в дослідженні, сприяючи нейропластичності.
Джерело: arXiv q-bio.NC
Цікаво дізнатися про власний мозок? Пройдіть наш безкоштовний адаптивний IQ-тест або спробуйте 306 рівнів тренування мозку.