Дослідження зв'язності в мозку на основі електрофізіологічних даних. Лекція в Яндексі

Раз вже ідеологія нейромереж в IT будувалася з огляду на реальний прототип, про нього теж іноді корисно згадати. Пропонуємо подивитися або почитати лекцію Іллі Захарова, випускника кафедри психофізіології факультету психології МГУ. Ілля пояснює, як можна аналізувати мережі в мозку, які дані для цього потрібні, які підводні камені можуть виникати при аналізі, а головне — що нового дозволили дізнатися подібні дослідження.


Під катом — розшифровка і більшість слайдів.



Те, про що я буду розповідати, мене скоріше цікавить зі змістовною, а не з технічної точки зору і не в сенсі деталей, які стосуються аналізу даних. Я буду більше говорити про те, що потрібно змістовно враховувати, коли ви звертаєтеся до электроэнцефалографическим (ЕЕГ-) даними, але постараюся по максимуму відповісти і на більш технічні питання.



Я намагатимуся розповісти про такому великому і дуже продуктивний, перспективному напрямку у вивченні мозку, як аналіз нейромереж в ньому. Процеси аналізуються з точки зору того, що в мозку відбувається і як це пов'язано з характеристиками наших психічних процесів.

Деякі вступні слова, щоб у нас був спільний контекст. Принципова складність мозку укладена у зв'язках всередині нього. Ви знаєте, що всередині мозку величезна кількість нервових клітин — навскидку їх приблизно 86 млрд. Кожна контактує приблизно з 1 тис. інших нервових клітин. Виходить значна мережа зв'язків. Спроба зрозуміти, що відбувається в цій мережі хоча б на глобальному рівні, — тренд останніх 15 років, те, чим активно займаються дослідники.



Картинки праворуч — ви часто бачите десь в інтернеті — не дуже точні. Якби нейрони були розташовані настільки разрежено, як на картинках праворуч, наш мозок би роздувся як мінімум до розмірів слона, якщо не більше. Все упаковано дуже щільно, тому що помістити 86 в деякій мірі зв'язків у мозку — величезна завдання.

Які успіхи є зараз у людей, які намагаються вивчати мозок на такому цілісному рівні, намагаючись зрозуміти, що, як і з якими процесами пов'язано? Наприклад, йде активний розвиток з появляються інструментарієм. Є, нарешті, нейробіологічні теорії інтелекту — їх суть в тому, що більш розумними нас з вами виявляються ті люди, у яких нервові зв'язки працюють ефективніше, зв'язків яких краще тече інформація.

Чи спостерігаються деякі відмінності в типах зв'язків усередині мозку між людьми з різними типами захворювань. Наприклад, завдяки відмінностям у тому, як відбувається активація мереж в мозку, можна відрізняти хвороба Альцгеймера від деменций з тільцями Леві.

Цікаво, що нещодавно з'явилася стаття, яка показала, що патерн роботи мозку з точки зору того, як організовано мережу, — це в деякому сенсі настільки ж унікальна штука, як відбитки пальців. І потенційно можна визначити людини не тільки за допомогою відбитків, але і — з точністю вище 99% — за допомогою записів його мозку.

Люди з різними моральними якостями відрізняються один від одного по тому, як у них в мозку працюють мережі. Люди по-різному реагують на конфлікти.

Аналіз якихось мережевих характеристик мозку стає неймовірно загальною областю для дослідників, що дозволяє легко навчитися класифікувати людей. Можливо, класифікація ніколи не йшла успішніше, ніж зараз. З мереж в мозку дійсно можна витягнути багато параметрів. Це ще називається зв'язністю в мозку — як калька з англійської connectivity. Зв'язність у мозку можна вивчати на різних рівнях.



Спочатку виникають в нервових клітинах. Нервові клітини генерують потенціали дій. Потенціал дій — електричний заряд, який виникає в нервовій клітині і завдяки якому з неї виділяється нейромедіатор. Він потрапляє в іншу клітку, в ній генерується розряд і т. д. Базово все пов'язано електрохімічної ланцюгом. Знизу ви бачите, як виникають ці одиничні потенціали і потенціали дії. Реєструючи активність досить великої кількості нервових клітин і відстежуючи, коли в клітинах виникають потенціали дії, можна передбачати, коли вони будуть виникати в інших клітинах. Все це робиться статистично, верхні точки на малюнку зліва — активність наявності потенціалу дії в одному з нейронів якогось з ділянок мозку. З таких одиночних нейронів виникають вже більше синхронизованная активність. Якраз вона і об'єднує описану роботу.

Це не як такти в комп'ютері, але в деякому сенсі мова йде про синхронизованной активності, яка існує в мозку і допомагає йому обробляти інформацію.

Обробка на рівні окремих нервових клітин — шалено цікава річ, але я в ній абсолютно не розбираюся. Це досить великий окремий світ, я буду говорити не про нього.



Інший існуючий рівень. Напевно ви бачили такі картинки, або це передостанній альбом групи Muse, де з різних областей мозку тягнуться один до одного різні ниточки. Перед вами спроба спочатку оцінити зв'язки в мозку не на рівні нервових клітин і навіть не тільки на рівні великої анатомії, великих відділів мозку, але і на рівні того, які пучки волокон в які місця йдуть і як з цим пучкам передається інформація в локальних областях.

Дослідники роблять все перераховане за допомогою МРТ — і роблять вже досить довго. Вже є деяка цікава інформація, як мозок працює. Наприклад, ми знаємо, що існують дуже багаті зв'язками хаби в мозку. Це називається організацією мереж за типом rich club. Є деякі вузли, великі червоні точки, через які проходить вся інформація.

Людей з різними патологіями і тому подібним найчастіше характеризує саме розподіл даних вузлів або набір якихось змін. Я буду говорити, знову ж таки, про іншому, а перед вами ще один з рівнів, як це можна вивчати.



Вкрай цікавою мені здається інша область. Вона має плюсами підходу, пов'язаного з реєстрацією окремих нейронів або великих груп нейронів, а також плюсами великого підходу, коли ми дивимося на весь мозок відразу. Але при цьому вона позбавлена мінусів зазначених підходів.

У чому мінуси першого випадку, коли ми працюємо тільки з нейронами? Основний мінус — ми не можемо подивитися нейрони відразу по всьому мозку. Ми не можемо розкрити череп у людини і поставити електроди на всіх нейронах. Тут ми в наших дослідженнях дуже сильно обмежені областю, яку ми вже взялися вивчати.

Одночасно такий підхід дозволяє дивитися на дуже швидкі і детальні процеси, пов'язані з обробкою інформації в мозку на дуже тонкому рівні. Мінус другого підходу, коли ми дивимося на анатомічні мережі в мозку, полягає в тому, що особливості методу дозволяють нам дивитися тільки на зміни, що відбуваються в масштабі 2-3 секунд, а не на швидкі зміни. 2-3 секунди — дуже багато для мозку, враховуючи, що частота потенціалу дії може складати сотні і навіть тисячі герц.

Я буду розповідати, як мережі в мозку вивчають на електрофізіологічному рівні. Мова йде про те середньому між вивченням окремих нейронів. Швидкість процесів, на які ми можемо дивитися, теж дуже велика. В залежності від того, наскільки тужно ви підходите до експерименту, вона становить від 0,001 Гц і приблизно до 100 Гц. Це дійсно швидкі процеси в мозку. І одночасно зазначена активність пов'язана з усім мозком

Як все влаштовано? В першу чергу працюють методи електроенцефалограми (ЕЕГ) і магнитоэнцефалограммы — до неї все описане теж стосується. Напевно в поліклініці комусь робили ЕЕГ. Вам на голову ставлять якусь кількість електродів. Зараз в нейронаучных дослідженнях ставлять 64 або 128 електродів, досить крупно покриваючи вашу голову точками, окремими отведениями, з яких реєструється деяка сумарна електрична активність. Ми не знаємо докладно, звідки вона береться. У нас є моделі, але ми не можемо відтворити народження цієї активності на рівні нервових клітин. Однак ми точно знаємо, що вона пов'язана з якимись функціональними процесами в мозку.

З кожної точки ми реєструємо якусь коливальну активність. Ви напевно чули про мозкові ритми — вони як раз і є складовими частинами зазначеної активності. Ритми — це просто окремо взяті частотні діапазони загального коливального процесу. На підставі частотних характеристик виділяють альфа-, бета-, тета-ритм.

Ми говоримо про аналіз мереж в мозку, і потрібно зрозуміти, пов'язана коливальна активність хоча б між двома точками на голові. Щоб зрозуміти, пов'язані в мозку якісь області, ми беремо деяку кількість електродів, що одночасно реєструють активність в мозку, і намагаємося зрозуміти, наскільки активність у різних відведеннях пов'язана між собою у загальному вигляді. У підсумку — намагаємося на основі інформації про пари електродів побудувати щось типу мережі. Нам потрібна така ж мережа, яку будують за допомогою МРТ.



Той факт, що електроди будуть корелювати між собою, пов'язаний з передачею інформації. Чому ми так думаємо? Це здається логічним, але коли мова заходить про мозок, всі подібні дрібниці краще перевіряти. Теоретичні моделі, не підтверджені ніякими експериментами, часто виявляються недостатньо точними. Мова йде про гарну тренуванні для математика, але вона не завжди має фізіологічний сенс. Трохи пізніше я скажу, які тонкощі можуть мати місце з точки зору фізіології або технічних особливостей отримання сигналу.

В даному випадку ми з якихось більш детальних клітинних експериментів знаємо: якщо у нас в мозку є дві ділянки і між ними є анатомічна зв'язок, то між ними тече інформація та насправді сигнали, які ми будемо реєструвати в сусідніх точках, будуть дуже схожі.

Якщо ми переріжемо зв'язку між цими двома ділянками — ми йдемо по малюнку зверху вниз, вертикальні лінії означають, що ми перерізали зв'язку, — то вони спочатку погіршаться. А якщо ми взагалі відсунемо волокна один від одного — зв'язку пропадуть. Ми втратили ритмічну коливальну активність в мозку. І тільки коли ми всі, нехай і не цілком, відновимо, дозволимо хоч якоїсь інформації текти між клітинами — тоді відновиться і синхронизованная активність.

Ми небезпідставно вважаємо, що синхронізація між двома точками — дійсно показник зв'язку між двома областями в мозку, показник того, наскільки активно між ними йде процес передачі інформації.



При цьому потрібно враховувати, що навіть на такому рівні виникають якісь фізіологічні деталі. Я розповім про деякі типи вимірювань, але відразу попереджу: вони принципово поділяються на два великих класи. Перший клас — non-directed-вимірювання, які не роблять ніяких припущень щодо спрямованості зв'язків між двома точками. В даному випадку ми абсолютно не розглядали, звідки і куди тече інформація. У мозку є такі зв'язки, про яких ми знаємо, що вони існують і в одну, і в іншу сторону — просто є деяка постійна ланцюг передачі інформації, і все. Для такого типу зв'язків ми можемо використовувати методи, ніяким чином не залежать від напрямку зв'язків.

Водночас ми знаємо, що взагалі — і це досить логічно — мозок влаштований ієрархічно. Отже, є певний потік інформації. Візьмемо, як мінімум, зір: є інформація від ока через зоровий нерв в первинну зорову кору, звідти у вторинну зорову кору і т. д. Взагалі-то, в загальному вигляді говорити, що зв'язки в мозку просто течуть між собою в різні сторони — не зовсім правильно. Отже, вкрай важливим виявляється наступне: повинні існувати методи, які дозволяють нам оцінювати напрямки зв'язків.

На картинці видно, що є приклади, де зв'язку розташовані в одну і в різні боки. Перед вами мозок мишки і деякі основні галузі обробки інформації. У нас у цьому сенсі всі області, які є у мишки, теж є в мозку, і зв'язок між ними передається приблизно так само.

Оцінювати можна в основному дві характеристики електроенцефалографічного сигналу. В першу чергу ми оцінюємо, наскільки існує загальний коливальний процес. І тут, враховуючи, що мова йде про коливальному процесі, вкрай важливим виявляється оцінити те, наскільки в ньому співпадають фази сигналу.

Простий збіг фаз для нас — як вкрай важливий показник. В даному випадку можна оцінювати фази…

Якщо хтось цікавиться деталями, хоче детальніше подивитися — в кінці буде список літератури. Там є дуже чіткий огляд — дуже виразний для людини навіть без будь-якого попереднього досвіду.

У нас може бути кілька варіантів того, що відбувається з фазами в мозку. Зрозуміло, що можуть збігатися фази між сигналами і що тоді у нас буде один патерн. Зв'язки можуть мати якусь тимчасову затримку — тоді у нас виникне інший патерн. І, нарешті, зв'язки можуть бути обратны один одному. Тоді в результаті будемо одержувати, що ніякої залежності немає. Зрозуміло, що такого не буває. Нуля ніколи не буває, так само як і одиниці ніколи не буває, але тим не менш.

Базово фазову синхронізацію оцінюють з допомогою розкладання сигналу на комплексні числа та виділення дійсної та уявної частини. В першу чергу оцінюють як раз уявну частину. В цьому я розбираюся досить погано, це далеко від того, що роблю як раз. Так що тут я швидше адресую вас до посилань.



Інша важлива річ, яку можна робити, — оцінювати не стільки фазові характеристики сигналу, скільки або амплітудні частотні характеристики незалежно від фази.

Тут в першу чергу існує метод аналізу когерентності. По суті, мова йде просто про підрахунок кореляцій між парою електродів з певною невеликою поправкою. Ну і ще треба брати до уваги досить серйозні фазові зміни в різних частотних діапазонах, що виникають за рахунок того, що у нас довжина хвилі виходить різною. З урахуванням зазначених змін утворюються деякі ускладнення процедури phase locking value, коли ми ще нормалізуємо частотні спектри на довжину хвилі.

Тут ми і в разі оцінки фазової синхронізації, і в разі оцінки когерентності — отримуємо сигнали, які насправді не чутливі до напрямку передачі інформації. Ми просто оцінюємо те, що сигнали між собою взаємопов'язані.



Зрозуміло, що дані методи були розроблені ще в 60-70-х роках і що зараз існують деякі трохи більше ускладнені характеристики. Наприклад, якщо є велика кількість сигналу, ми можемо не просто брати фазу, а дивитися розподіл фаз одного та іншого сигналу і оцінювати подібність між ними. Мова йде про важливий порівнянні, яке допомагає нам проводити більш точну оцінку, але все одно не вирішує проблеми спрямованості зв'язків.

Інший великий тип — методи, засновані на початкових припущеннях про те, що сигнал тече з однієї сторони в іншу. У першу чергу до таких належить метод granger causality. Зазначені методи були розроблені для економіки, але вони активно застосовуються і в нейронауці. Ми намагаємося на підставі активності в одному місці передбачити, що буде відбуватися в іншому електроді, дізнатися, наскільки велика пророча сила, щоб це зрозуміти. І можна робити певний часовий зсув, дивитися, наскільки те, що відбувається в одному місці призводить до того, що відбувається десь ще.



Я більше хотів розповісти, що ще потрібно враховувати, коли ми аналізуємо речі подібного роду. Коли ми говоримо про зв'язок між точками, потрібно брати до уваги, що цей зв'язок має деякі технічні характеристики і деякі особливості того, як інформація від точок надходить до нас. Наприклад, вкрай важливим виявляється пам'ятати, що коли ми дивимося на якусь електричну активність, мова завжди йде про різниці потенціалів. А якщо є різниця потенціалів, то одна точка вже є. Водночас є й інша точка на голові, яка називається референтною. Щодо неї ми дивимося різниця сигналу. У цьому сенсі, взявши деяку загальну точку для всіх наявних у мозку сигналів, ми зрозуміємо, що штучно збільшуємо схожість просто за рахунок технічних характеристик. У нас вже є щось спільне, де дійсно немає нульової активності, і ми це використовуємо для отримання різниці потенціалів. Я описав першу проблему. Її можна вирішувати, детально аналізуючи і постійно вибираючи різні точки для референса і підрахунку активностей.

Інша проблема пов'язана ось з чим: коли ми бачимо зв'язок між двома точками, ми не знаємо, що це, може бути, результат зв'язку їх обох з третьою точкою.



В першу чергу справа в тому, що ми дивимося активність на поверхні черепа, хоча джерело активності в мозку — якийсь електричний диполь, що розповсюджується поле, яке приходить в різні ділянки голови. Існують методи, що дозволяють з активності, яку ми бачимо на скальпі, отримувати активність джерел в мозку. І тоді потрібно намагатися зрозуміти зв'язок не між точками на голові, а між джерелами в мозку.

Зазначені методи підрахунку активностей — за яких ми правильно враховуємо, що активності йдуть з якихось загальних джерел, враховуємо технічні характеристики сигналу — цілком зрозумілі. Описано, про що треба думати. Беручи до уваги теоретичні речі, щодо того, куди повинен чи не повинен текти сигнал, ми приходимо до задачі, яка може виявитися набагато ближче всім вам. Чи не всім, але, говорячи про це в Яндексі, я думаю, що тут більше фахівців саме в даному питанні.



Насправді ми в результаті отримуємо деяку мережа, граф зв'язків між парою точок. Плюс ми можемо кількісно оцінити силу цих зв'язків за допомогою вже описаних мною методів. Мова йде про галузі, яка досліджена ще недостатньо активно. Можна в неї набагато сильніше вкластися і придумати, що цікавого зробити, коли ми вже отримали деяку кількість зв'язків між точками. І тут починається найцікавіше. Ця область абсолютно відкрита для вас.



Ось список літератури.

Якщо що, можна мені написати, я все перераховане вишлю. Якщо у вас є якийсь інтерес до даної області, ми в лабораторії завжди відкриті до співпраці. Спасибі.
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.