機能的近赤外分光法(fNIRS)ハイパースキャニング研究における脳間コヒーレンスを理解するための新しいフレームワーク

近年、社会的行動の神経基盤を理解するために行われる研究の種類に変化が見られます^1,2。従来、社会神経科学の研究は、社会的に重要な課題中の1つの孤立した脳の神経活性化に焦点を当ててきました。しかし、ニューロイメージング技術の進歩により、社会的相互作用中の1人または複数の個人の脳内の神経活性化を、「実生活」の環境で発生するように調べることができる^{ようになりました}3。「実生活」では、個人は自由に動くことができ、情報交換や社会的パートナー^{が互いにフィードバック}を受けることで、脳の活性化パターンが変化する可能性があります4。

ハイパースキャニングは、2人以上の個体の脳活動を同時に測定することにより、この双方向の情報交換を評価する方法です⁵。新たな研究は、他のニューロイメージング技術と比較してモーションアーチファクトの影響を受けにくい非侵襲的なニューロイメージング技術である機能的近赤外分光法(fNIRS)を利用し^{ています6。}fNIRSによるハイパースキャニングにより、インタラクティブなパートナーが自由かつ自然に動きながら、実際の環境で脳間同期(IBS)を評価することができます。これは、非常に活発な傾向がある乳幼児を扱う仕事に特に関連しています。IBSは、効果的な社会的相互作用とコミュニケーションの基盤として機能し、共有された志向性を媒介するインタラクティブなパートナー間の相互理解を反映していると報告されています^1,7,8。

2つの脳のIBSを評価するには、いくつかの方法が用いられます。このような手法には、相互相関やピアソン相関係数^9,10などの時系列相関が含まれます(Scholkmann et ^al.10によるレビューを参照)。他の方法には、周波数領域での結合の強さを評価することが含まれます。このような方法には、位相ロック値(PLV)と位相コヒーレンスが含まれます(Czeszumskiらによるレビュー^を参照11)。fNIRS研究で最も一般的な方法の1つは、ウェーブレット変換コヒーレンス(WTC)を使用しており、これは周波数と時間の関数としての2つの時系列の相互相関の尺度です¹⁰。

WTC は、相関解析を使用して、時間-周波数領域の 2 つの時系列間のコヒーレンスと位相遅れを計算します。FNIRSハイパースキャニング研究では、WTCを用いて、行動モニタリング12、協調行動と競争行動5,13,14,15、模倣16、母子問題解決17、教育学習行動^18,19,20,21など、多くの機能領域におけるIBSを推定している.典型的には、ハイパースキャニング研究では、WTCによって測定された実験課題中の脳間コヒーレンスが、対照課題中の脳間コヒーレンスと比較される。これらの所見は、通常、WTCの「ホットプロット」で示され、各時点と頻度における2つの脳間のコヒーレンスを示します(図1を参照)。

Czesumaski et ^al.11 が示唆したように、WTC は fNIRS ハイパースキャニングを分析するための標準的な分析アプローチになっています。WTC分析は、データの視覚化と解釈のための柔軟で「ツールに依存しない」方法です²²。コヒーレンス係数ヒートマップは、タスクの完了時の同期または非同期の行動の期間と脳活動の強度を簡単に特定できる物語形式の分析を提供し、WTCの主な利点であり、応用研究のための強力なツールになります²²。WTCは相関技術よりも優位に立っている。相関関係は血行動態反応機能(HRF)の形状に敏感であり、個人(特に年齢)や脳領域によって異なると考えられています。対照的に、WTCは(HRF)²³の地域間変化の影響を受けない。研究者は、fMRIの時系列を研究するためにウェーブレットアプローチを使用してきました。Zhang et ^al.24 は、ピアソン相関、偏相関、相互情報量、ウェーブレット コヒーレンス変換 (WTC) など、一般的に使用される関数的接続メトリックを比較しました。彼らは、安静時fMRIデータとビデオ視聴の自然刺激fMRIデータから導き出された大規模な機能的接続パターンを用いて分類実験を行いました。彼らの発見は、WTCが分類(特異性、感度、および精度)において最も優れた性能を発揮することを示しており、WTCが、少なくとも分類アプリケーションにおいて、機能的な脳ネットワークを研究するための好ましい機能的接続指標であることを示唆している²⁴。

図1:ウェーブレット変換コヒーレンス(WTC)。 WTCは、2つの時系列間のコヒーレンスと位相角を、時間(x軸)と周波数(y軸)の両方の関数として示します。コヒーレンスの増加はグラフの赤色で示され、グラフの小さな矢印は2つの時系列の位相角を示しています。右向きの矢印は、同相同期を表します。下向き矢印と上向き矢印は、同期の遅れを表します。そして、左向きの矢印は、逆位相同期³⁰を表す。この図は Pan et ^al.19 から引用したものです。 この図の拡大版をご覧になるには、ここをクリックしてください。

最近、Hamilton²⁵ は、fNIRSハイパースキャニング研究における脳間コヒーレンスデータの解釈にいくつかの限界があることを明らかにしました。ハミルトンの主な懸念の1つは、コヒーレンス尺度(WTCなど)は、効果を対称的(つまり、2つの脳が相関しており、同じ変化パターンを示す)としてのみ報告することであった。しかし、多くの社会的相互作用は、2人の参加者が異なる役割を果たす可能性があるという点で非対称的であり(例えば、話し手と聞き手の間の情報の流れ)、WTCがこの情報を捕捉できるかどうかは明らかではない。ここでは、クロスウェーブレット位相を使用して方向性を検出することにより、クロスウェーブレットパワーの簡単な解釈を可能にする新しいフレームワークによって、この懸念に対処します。このフレームワークは、相互作用のダイナミクスがタスク全体でどのように発展し、変化するかを調べることもできます。

WTC法と相関法は機能的接続性を評価しますが、他の方法では効果的な接続性を評価し、ある神経要素が別の神経要素に対する因果関係の影響を抽出しようとします。伝達エントロピーは、情報理論の分野からの尺度であり、共同依存プロセス間の移動を記述します²⁶。もう1つの関連法はグレンジャー因果関係分析(GCA)であり、これは転移エントロ^ピー26と同等であると説明されている。

fNIRSハイパースキャニング研究の既存の文献では、協力⁵、ティーチング¹⁹、模倣¹⁶など、さまざまなタスクで得られたfNIRS時系列データ間の結合方向を推定するために、グレンジャー因果関係分析(GCA)が広く使用されてきました。GCAは、ベクトル自己回帰モデルを用いて、脳データにおける時系列間の結合の方向性を評価します。グレンジャーの因果関係は、予測と優先順位に基づいている:「変数Xは、Xの過去にすでにある情報に加えて、Yの将来を予測するのに役立つ情報を含む場合、変数Yを「G原因」と言われる」²⁷。したがって、G因果関係は、1)被験者Aから被験者Bへ、および2)被験者Bから被験者Aへという2つの方向で分析されます。

GCA解析は、WTC関数を使用して得られた高いコヒーレンス値がIBSを反映しているのか、それとも遅れた同期(一方の信号が他方の信号をリードしている)を反映しているかどうかを判断することを目的とした補完的な解析として機能しますが、逆位相同期が発生したかどうかを判断することはできません。1人の参加者のみがスキャンされる従来の神経画像研究(すなわち、「単一脳」アプローチ)では、逆相パターンは、一方の脳領域の活動が増加し、他方の脳領域の活動が減少することを意味する²⁸。ハイパースキャニングの文献では、逆位相同期の存在は、神経活性化が一方の被験者で増加し、同時に神経活性化が他方の被験者で減少することを示唆している可能性があります。そのため、方向性を検出できる包括的なモデルを提供する必要があります。具体的には、このモデルは、同相同期と遅延同期に加えて、逆位相同期(ある個体の活動方向がパートナーの活動方向と反対である)を検出できるようになります。

WTCは対称的な効果しか示さず、両方の脳が同じ変化パターンを示すという懸念に対処する試み²⁵として、同期の位相(すなわち、同相、遅れ、または逆相)を調べることによって相互作用のタイプを特定する新しいアプローチが提示されています( 図2を参照)。この目的のために、WTC法を使用してさまざまなタイプの相互作用を分類するツールボックスが開発されました。相互作用の種類は、クロスウェーブレット変換解析からの相対位相データを使用して分類されます。

図2:単純な正弦波の異なる位相関係の図。 (A)信号1(青線s)と信号2(橙線s)の2つの信号が、同時にそれぞれの最大値、最小値、零値に達すると、同相同期を示していると言われる³²。(B)一方の信号が最大値に達し、他方の信号が同時にゼロ値に達すると、それらは遅延同期(一方が90°リードしている)を示していると言われます32,33,34。(C)2つの時系列が反対方向にシフトする場合、つまり、一方の信号が同じ時点で最大値に達し、他方の信号が最小値に達する場合、これは逆位相同期²⁸と呼ばれる。(民主党)2 つの時系列間の他のすべての位相関係では、一方の信号が他方の信号をリードしています。すべての正相では、信号2が信号1(パネルE、F、M、Nなど)をリードし、すべての負相では、信号1が信号2(パネルD、G、H、O、Pなど)をリードしています。特に、位相の絶対値が高いほど、どの時系列が他の時系列をリードしているかがより特徴的になります(たとえば、パネルIよりもパネルJのリーダーシップが特徴的であり、パネルKではパネルLよりもリーダーシップが特徴的です)。この図の拡大版をご覧になるには、ここをクリックしてください。