Medición del flujo de información direccional en datos fNIRS-Hyperscanning utilizando el método de coherencia de transformada de wavelet parcial

La interacción social es de vital importancia para el ser humano ^1,2. Para comprender el mecanismo neurocognitivo de doble cerebro de la interacción social, el enfoque de hiperescaneo se ha utilizado ampliamente recientemente, lo que demuestra que los patrones de sincronización neuronal interpersonal (INS) pueden caracterizar bien el proceso de interacción social ^{3,4,5,6,7,8,9,10,11,12 ,13,14}. Entre estudios recientes, un hallazgo interesante es que la diferencia de papel de los individuos en una díada puede conducir a un patrón de insociado en el tiempo, es decir, el INS ocurre cuando la actividad cerebral de un individuo se queda atrás de la de otro individuo por segundos, como la de los oyentes a los oradores ^5,9, de los líderes a los seguidores⁴, de profesores a alumnos⁸, de madres a hijos^13,15, y de mujeres a hombres en pareja romántica⁶. Lo más importante es que existe una buena correspondencia entre el intervalo del INS con retraso en el tiempo y el de los comportamientos de interacción social, como entre los maestros que preguntan y los estudiantes que responden⁸ o entre los comportamientos de crianza de las madres y los comportamientos de cumplimiento de los niños¹⁵. Por lo tanto, el INS con retraso en el tiempo puede reflejar un flujo de información direccional de un individuo a otro, como se propone en un modelo jerárquico reciente para la comunicación verbal interpersonal¹⁶.

Anteriormente, el INS con retraso en el tiempo se calculaba principalmente sobre la señal de espectroscopia funcional de infrarrojo cercano (fNIRS) debido a su resolución espacial relativamente alta, localización anatómica de sonido y tolerancia excepcionalmente alta de artefactos de movimiento¹⁷ cuando se estudiaban las interacciones sociales naturalistas. Además, para caracterizar con precisión la correspondencia entre el desfase de tiempo neuronal y el desfase de tiempo conductual durante la interacción social, es esencial obtener la fuerza del INS para cada desfase de tiempo (por ejemplo, de no tener desfase de tiempo a un desfase de tiempo de 10 s). Para este propósito, anteriormente, el procedimiento de coherencia de transformada de onda (WTC) se aplicaba ampliamente después de desplazar la señal cerebral de un individuo hacia adelante o hacia atrás en relación con la de otro individuo ^5,6,18. Cuando se utiliza este procedimiento WTC tradicional para señales fNIRS, existe un desafío potencial porque el INS con retraso observado en el tiempo puede confundirse por el efecto de autocorrelación de la señal fNIRS para un individuo 19,20,21. Por ejemplo, durante un proceso de interacción social diádica, la señal del participante A en el punto de tiempo t puede sincronizarse con la del participante B en el mismo punto de tiempo. Mientras tanto, la señal del participante A en el punto de tiempo t puede sincronizarse con la del participante A en un punto de tiempo posterior t + 1 debido al efecto de autocorrelación. Por lo tanto, puede ocurrir un INS espurio con retraso en el tiempo entre la señal del participante A en el punto de tiempo t y la del participante B en el punto de tiempo t + 1.

Mihanović y sus colegas²² introdujeron por primera vez un método denominado coherencia de transformada de wavelet parcial (pWTC), y luego lo aplicaron en ciencias marinas^23,24. El propósito original de este método era controlar el ruido de confusión exógeno al estimar la coherencia de dos señales. Aquí, para abordar el problema de la autocorrelación en los datos de hiperescaneo de fNIRS, el método pWTC se amplió para calcular el INS con retraso de tiempo en la señal fNIRS. Precisamente, se puede calcular un INS con retraso en el tiempo (y un flujo de información direccional) del participante A al participante B utilizando la ecuación a continuación (Ecuación 1)²³.

Aquí, se supone que hay dos señales, A y B, de los participantes A y B, respectivamente. La ocurrencia de la señal B siempre precede a la de la señal A con un desfase temporal de n, donde WTC (A_t, B_t+n) es el WTC tradicional con retraso en el tiempo. WTC (A_t, A_t+n) es el WTC autocorrelacionado en el participante A. WTC (A_t, B_t) es el WTC alineado en el tiempo en el punto de tiempo t entre el participante A y B. * es el operador conjugado complejo (Figura 1A).

Figura 1: Descripción general de pWTC. (A) La lógica del pWTC. Hay dos señales A y B, dentro de una díada. La ocurrencia de A siempre sigue a la de B con un retraso n. Una caja gris es una ventana de wavelet en un cierto punto de tiempo t o t + n. Sobre la base de la ecuación pWTC (representada en la figura), se deben calcular tres WTC: el WTC desfasado en el tiempo de A_{t + n} y B_t; el WTC autocorrelacionado en el participante A de A_t y A_t+n; y el WTC alineado en el tiempo en el punto de tiempo t, A_t y B_t. (B) El diseño de los conjuntos de sondas optode. CH11 se colocó en T3, y CH25 se colocó en T4 siguiendo el sistema internacional 10-20^27,28. Haga clic aquí para ver una versión más grande de esta figura.

Este protocolo introdujo por primera vez un experimento de simulación para demostrar qué tan bien el pWTC resuelve el desafío de la autocorrelación. Luego, explicó cómo llevar a cabo pWTC de una manera paso a paso basada en un experimento empírico de interacciones sociales naturalistas. Aquí, se utilizó un contexto de comunicación para introducir el método. Esto se debe a que, anteriormente, el INS con retraso en el tiempo generalmente se calculaba en un contexto de comunicación naturalista ^{3,4,6,8,13,15,18}. Además, también se realizó una comparación entre el pWTC y el WTC tradicional y la validación con la prueba de causalidad de Granger (GC).