Новая основа для понимания межполушарной когерентности в исследованиях гиперсканирования с помощью функциональной спектроскопии ближнего инфракрасного диапазона (fNIRS)

В последние годы произошел сдвиг в типах исследований, проводимых для понимания нейронных основ социального поведения ^1,2. Традиционно исследования в области социальной нейробиологии были сосредоточены на нейронной активации в одном изолированном мозге во время выполнения социально значимой задачи. Тем не менее, достижения в области технологий нейровизуализации в настоящее время позволяют исследовать нейронную активацию в мозге одного или нескольких людей во время социального взаимодействия, как это происходит в «реальной^{» жизни.} В условиях «реальной жизни» люди могут свободно двигаться, и паттерны активации мозга, вероятно, будут меняться по мере обмена информацией и получения обратной связи друг^{от друга.}

Гиперсканирование — это метод, который оценивает этот двунаправленный обмен информацией путем измерения активности мозга двух или более человек одновременно^. В новых исследованиях использовалась функциональная спектроскопия ближнего инфракрасного диапазона (fNIRS), неинвазивный метод нейровизуализации, который, по сравнению с другими методами нейровизуализации, менее восприимчив к^{артефактам движения}. Гиперсканирование с помощью fNIRS позволяет оценить межмозговую синхронизацию (СРК) в реальных условиях, в то время как интерактивные партнеры двигаются свободно и естественно. Это особенно актуально для работы с младенцами и маленькими детьми, которые, как правило, довольно активны. Сообщается, что СРК отражает взаимопонимание между интерактивными партнерами, которое служит основой для эффективного социального взаимодействия и коммуникации и опосредует общую интенциональность ^1,7,8.

Для оценки СРК двух головных мозгов используется несколько методов. К таким методам относятся корреляции временных рядов, такие как взаимная корреляция и коэффициент корреляции Пирсона ^9,10 (см. обзор Scholkmann et ^al.10). Другие методы предполагают оценку силы связи в частотной области. К таким методам относятся значение фазовой автоподстройки (PLV) и фазовая когерентность (см. обзор Czeszumski et ^al.11). Один из наиболее распространенных методов в исследованиях fNIRS использует вейвлет-преобразование когерентности (WTC) – меру взаимной корреляции двух временных рядов в зависимости от частоты и времени¹⁰.

ВТЦ использует корреляционный анализ для расчета когерентности и фазового запаздывания между двумя временными рядами во временно-частотной области. В исследованиях гиперсканирования FNIRS ВТЦ использовался для оценки СРК во многих областях функционирования, включая мониторинг действий¹², кооперативное и конкурентное поведение 5,13,14,15, имитацию 16, решение проблем между матерью и ребенком 17 и поведение преподавателя-обучения 18,19,20,21 . Как правило, в исследованиях гиперсканирования межмозговая когерентность, измеренная WTC, во время экспериментальной задачи сравнивается с межмозговой когерентностью во время контрольной задачи. Эти результаты обычно представляются в виде «горячего графика» ВТЦ, который показывает когерентность между двумя мозгами в каждый момент времени и с каждой частотой (см. рис. 1).

Как предположили Czesumaski et ^al.11, WTC стал стандартным аналитическим подходом для анализа гиперсканирования fNIRS. Анализ ВТЦ является гибким, «не зависящим от инструмента» методом визуализации и интерпретации данных²². Тепловая карта коэффициента когерентности, обеспечивающая повествовательную форму анализа, позволяющую легко идентифицировать периоды синхронного или асинхронного поведения, а также интенсивность мозговой активности во время выполнения задачи, является основным преимуществом ВТЦ и делает его сильным инструментом для прикладных исследований²². ЦМТ имеет преимущество перед корреляционными методами. Корреляции чувствительны к форме функции гемодинамического ответа (HRF), которая, как полагают, различается у разных людей (особенно с точки зрения возраста) и между различными областями мозга. В отличие от этого, ВТЦ не подвержен влиянию межрегиональных изменений в (HRF)²³. Исследователи использовали вейвлет-подход для изучения временных рядов фМРТ. Zhang et ^al.24 сравнили широко используемые метрики функциональной связности, включая корреляцию Пирсона, частичную корреляцию, взаимную информацию и преобразование вейвлет-когерентности (WTC). Они провели классификационные эксперименты с использованием крупномасштабных функциональных паттернов связей, полученных из данных фМРТ в состоянии покоя и данных фМРТ при просмотре видео с естественным стимулом. Их результаты показали, что ВТЦ показал наилучшие результаты в классификации (специфичность, чувствительность и точность), подразумевая, что ВТЦ является предпочтительным показателем функциональной связности для изучения функциональных сетей мозга, по крайней мере,^в классификационных приложениях.

Рисунок 1: Когерентность вейвлет-преобразования (WTC). ВТЦ показывает когерентность и фазовый угол между двумя временными рядами в зависимости от времени (ось x) и частоты (ось y). Увеличение когерентности показано красным цветом на графике, а маленькие стрелки на графике показывают фазовый угол двух временных рядов. Стрелка, направленная вправо, представляет синфазную синхронизацию; стрелки, направленные вниз и вверх, представляют синхронизацию с запаздыванием; а стрелка, направленная влево, представляет противофазную синхронизацию³⁰. Эта цифра была адаптирована из Pan et ^al.19. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.

Недавно Гамильтон²⁵ сформулировал несколько ограничений в интерпретации данных межмозговой когерентности в исследованиях гиперсканирования fNIRS. Одна из главных проблем Гамильтона заключалась в том, что показатели когерентности (например, ВТЦ) сообщают о симметричных эффектах (т.е. два мозга коррелируют друг с другом, демонстрируя одну и ту же картину изменений). Тем не менее, многие социальные взаимодействия асимметричны (например, поток информации между говорящим и слушающим) в том смысле, что два участника могут играть разные роли, и неясно, может ли ВТЦ зафиксировать эту информацию. В данном случае эта проблема решается с помощью новой структуры, которая позволяет легко интерпретировать мощность кросс-вейвлет-излучения с помощью кросс-вейвлет-фазы для определения направленности. Эта структура также позволит изучить, как развивается и изменяется динамика взаимодействий на протяжении всей задачи.

В то время как ВТЦ и корреляционные методы оценивают функциональную связность, другие методы оценивают эффективную связность, пытаясь извлечь причинно-следственные влияния одного нейронного элемента на другой. Энтропия переноса — мера из области теории информации, описывающая перенос между совместно зависимыми процессами²⁶. Другим родственным методом является анализ причинно-следственной связи Грейнджера (GCA), который был описан как эквивалент энтропии переноса²⁶.

В существующей литературе, посвященной исследованиям гиперсканирования fNIRS, анализ причинно-следственных связей Грейнджера (GCA) широко используется для оценки направленности связи между данными временных рядов fNIRS, полученными в ходе различных задач, таких как сотрудничество⁵, обучение¹⁹ и имитация¹⁶. GCA использует векторные авторегрессионные модели для оценки направленности связи между временными рядами в данных мозга. Причинно-следственная связь Грейнджера основана на предсказании и приоритете: «переменная X называется «G-причиной» переменной Y, если прошлое X содержит информацию, которая помогает предсказать будущее Y, сверх информации, уже имеющейся в прошлом Y»²⁷. Соответственно, G-причинность анализируется в двух направлениях: 1) от субъекта А к субъекту Б и 2) от субъекта Б к субъекту А.

В то время как анализ GCA служит дополнительным анализом, направленным на определение того, отражает ли высокое значение когерентности, полученное с помощью функции WTC, IBS или запаздывающую синхронизацию (один сигнал опережает другой), он не позволяет определить, имела ли место противофазная синхронизация. В традиционных нейровизуализационных исследованиях, в которых сканируется только один участник (т.е. подход «одного мозга»), антифазный паттерн означает, что активность в одной области мозга увеличивается, в то время как активность в другой области^{мозга снижается.} В литературе, посвященной гиперсканированию, наличие противофазной синхронизации может свидетельствовать о том, что нейронная активация повышена у одного субъекта, и в то же время нейронная активация снижена у другого субъекта. Поэтому необходимо предоставить комплексную модель, способную определить направленность. В частности, эта модель сможет обнаруживать антифазную синхронизацию (при которой направление активности у одного индивидуума противоположно направлению активности его партнера) в дополнение к синфазной синхронизации и запаздывающей синхронизации.

В попытке решить проблему того, что ВТЦ демонстрирует только симметричные эффекты, когда оба мозга демонстрируют одну и ту же картину^{изменений,} представлен новый подход к определению типа взаимодействия путем изучения фазы синхронизации (т.е. синфазной, запаздывающей или антифазной) (см. рис. 2). С этой целью был разработан инструментарий, использующий метод ВТЦ для классификации различных типов взаимодействий. Типы взаимодействий классифицируются с использованием относительных фазовых данных, полученных при анализе кросс-вейвлет-преобразований.

Рисунок 2: Иллюстрация различных фазовых соотношений простых синусоидальных волн. (A) Когда два сигнала, Сигнал 1 (синяя линия s) и Сигнал 2 (оранжевая линияs), достигают своих соответствующих максимальных, минимальных и нулевых значений в один и тот же момент времени, говорят, что они показывают синфазную синхронизацию³². (B) Когда один сигнал достигает своего максимального значения, а другой сигнал достигает нуля в тот же момент времени, говорят, что они показывают синхронизацию с запаздыванием (один опережает на 90°)^32,33,34. (C) Когда два временных ряда смещаются в противоположных направлениях, что означает, что один сигнал достигает максимума, а другой достигает минимального значения в один и тот же момент времени, это называется противофазной синхронизацией²⁸. (Д-) Во всех остальных фазовых соотношениях между двумя временными рядами один сигнал опережает другой. Во всех положительных фазах сигнал 2 является ведущим сигналом 1 (например, панели E, F, M и N), тогда как во всех отрицательных фазах сигнал 1 опережает сигнал 2 (например, панели D, G, H, O и P). Примечательно, что когда абсолютное значение фазы выше, становится более различимым, какой временной ряд опережает другой (например, лидерство более отчетливо выражено в панели J, чем в панели I, а в панели K лидерство более отчетливо, чем в панели L). Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.