Higher-order temporal structure in EEG microstate neurodynamics: an exact bigram-preserving surrogate test across three resting-state cohorts
تقدم هذه الدراسة اختباراً بديلاً دقيقاً يحافظ على ثنائيات الكلمات (bigram-preserving) لإثبات أن تسلسلات الحالات الصغرى لتخطيط كهربية الدماغ (EEG microstates) تُظهر بنية زمنية ذات رتبة أعلى، صغيرة ولكنها موثوقة، تتجاوز ديناميكيات ماركوف من الرتبة الأولى، مما يصحح المبالغة في الدلالة الإحصائية الموجودة في النماذج العدمية التقليدية القائمة على أحاديات الكلمات (unigram-based).
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن الدماغ البشري في حالة الراحة ليس غرفة صامتة وفارغة. فحتى عندما لا نفكر في شيء بعينه، تكون شبكات واسعة من الخلايا العصبية نشطة، وتنتقل بين أنماط مختلفة من النشاط الكهربائي. لقد حاول العلماء لفترة طويلة فهم كيفية تنظيم هذه الأنماط لنفسها بمرور الوقت. ومن الطرق القوية للنظر في هذا الأمر هي تقسيم الإشارة الكهربائية للدماغ إلى لقطات صغيرة ومستقرة تسمى "الحالات الصغرى" (microstates). تخيل المشهد الكهربائي للدماغ كسلسلة من الأشكال المتميزة التي تظهر على فروة الرأس، حيث يمثل كل شكل حالة معينة للدماغ بأكمله. تومض هذه الأشكال وتختفي في تسلسل سريع، مما يخلق تدفقاً من الرموز، تماماً مثل الحروف في الكلمة.
لعقود من الزمن، طرح الباحثون سؤالاً بسيطاً حول هذا التدفق: هل الشكل التالي في التسلسل محدد فقط بالشكل الذي يسبقه مباشرة؟ هذه الفكرة، المعروفة باسم "القاعدة من الدرجة الأولى"، تشير إلى أن الدماغ ليس لديه ذاكرة طويلة المدى لمساره الأخير؛ فهو ببساطة ينتقل من حالة إلى أخرى بناءً على احتمالات ثابتة. لو كان هذا صحيحاً، لكان نشاط الدماغ أثناء الراحة يشبه "المسار العشوائي" حيث لا يؤثر الماضي على المستقبل بما يتجاوز الخطوة الأخيرة تماماً. ومع ذلك، إذا كان الدماغ يتذكر قليلاً أبعد من الماضي القريب، أو إذا كانت هناك قواعد خفية تحكم كيفية تتابع هذه الأشكال، فإن قاعدة الدرجة الأولى البسيطة ستكون قد أغفلت شيئاً مهماً. إن اكتشاف ما إذا كان الدماغ يحتفظ بجزء من التاريخ أبعد من الماضي المباشر هو أمر بالغ الأهمية لفهم كيفية بناء مشهدنا الذهني الداخلي.
يتناول دراسة حديثة أجراها محمد بركي إيسلر في جامعة إسطنبول ميديبول هذا السؤال بمنهج جديد ودقيق. قام الباحث بتحليل تسجيلات الدماغ لثلاث مجموعات كبيرة من البالغين الأصحاء، بلغ مجموعهم قرابة ألف شخص، جميعهم كانوا في حالة راحة وأعينهم مغلقة. كان الهدف هو معرفة ما إذا كان تسلسل حالات الدماغ يحتوي على أي بنية خفية لا يمكن لقاعدة "الحالة التالية" البسيطة تفسيرها. وللقيام بذلك، تعين على الفريق حل مشكلة معقدة في كيفية اختبار أفكارهم. في الماضي، غالباً ما حاول العلماء إثبات أن تسلسل الدماغ معقد من خلال مقارنته بنسخة مشوشة من نفس البيانات. ومع ذلك، فإن الطريقة التي كانوا يشوشون بها البيانات عادةً كانت تدمر بالخطأ القواعد الأساسية التي يعتمد عليها النموذج البسيط. كان الأمر يشبه محاولة إثبات أن الجملة معقدة عن طريق خلط حروفها بشدة لدرجة أن قواعد النحو البسيطة لم تعد تنطبق عليها، مما يجعل النموذج المعقد يبدو ذكياً بشكل مصطنع.
لقد طور إيسلر طريقة جديدة لتشويش البيانات تحافظ على القواعد الأساسية مع جعل كل شيء آخر عشوائياً. وتحديداً، حافظت الطريقة الجديدة على العدد الدقيق لكل زوج من حالات الدماغ المتتالية. فإذا انتقل الدماغ من الحالة (أ) إلى الحالة (ب) مئة مرة في التسجيل الأصلي، فإن النسخة المشوشة ستظهر أيضاً هذا الانتقال نفسه مئة مرة. وقد ضمن ذلك أن يحصل نموذج الدرجة الأولى البسيط على فرصة عادلة للأداء، لأنه لا يزال يعمل مع نفس قواعد الانتقال الأساسية التي اعتاد عليها دائماً. فقط الأنماط الأطول والأكثر تعقيداً —أي ما يأتي بعد زوج من الحالات— هي التي سُمح لها بالتغير. وقد خلق هذا مجال لعب عادل تماماً لمعرفة ما إذا كان تسلسل الدماغ الفعلي يحمل أي معلومات إضافية تتجاوز تلك الأزواج الأساسية.
وعندما طبق الباحثون هذا الاختبار العادل على بيانات الدماغ، وجدوا إشارة صغيرة ولكن حقيقية لبنية إضافية. فقد حمل تسلسل الدماغ قدراً ضئيلاً جداً من الذاكرة لما وراء الحالة السابقة المباشرة. كانت كمية المعلومات الإضافية صغيرة جداً، ما يعادل حوالي 0.006 بت لكل رمز، أي ما يقرب من 0.3 بالمائة من إجمالي عدم اليقين في التنبؤ بالحالة التالية. ورغم أن هذا الرقم ضئيل، إلا أنه كان ثابتاً عبر المجموعات الثلاث من الناس، وكان موثوقاً إحصائياً، مما يعني أنه لم يكن مجرد صدفة عشوائية. أظهرت الدراسة أن الدماغ أكثر قابلية للتنبؤ بقليل مما قد يوحي به قانون بسيط، ولكن بهامش ضئيل جداً.
كما أوضحت الدراسة ماهية هذه البنية الإضافية في الواقع. فهي ليست قواعد معقدة بعيدة المدى تمتد لثوانٍ أو دقائق. بدلاً من ذلك، البنية الإضافية هي ميل قصير المدى لعودة الدماغ إلى حالة تركها للتو. فإذا انتقل الدماغ من الحالة (أ) إلى الحالة (ب)، فمن المرجح قليلاً أن يعود إلى الحالة (أ) في الخطوة التالية، بدلاً من الانتقال إلى حالة مختلفة تماماً (ج). هذا "ميل العودة" كان الميزة الرئيسية التي أغفلها النموذج البسيط. ومن المثير للاهتمام أن هذا النمط الصغير كان من السهل على نموذج رياضي كلاسيكي بسيط اكتشافه بقدر سهولة اكتشافه بواسطة نظام ذكاء اصطناعي حديث ومتطور. وهذا يشير إلى أن نشاط الدماغ أثناء الراحة لا يتطلب شبكة عصبية معقدة لتفسيره؛ فالبنية الإضافية سطحية ومحلية، وليست عميقة وبعيدة المدى.
كما تناولت الدراسة مفهوماً خاطئاً شائعاً في هذا المجال. فعندما استخدم الباحثون الطريقة القديمة المعيبة في تشويش البيانات، وجدوا كميات أكبر بكثير من البنية الإضافية، تصل أحياناً إلى ثلاثة أضعاف ما كشف عنه الاختبار الجديد العادل. وقد أظهر هذا أن الدراسات السابقة كانت على الأرجح قد بالغت في تقدير مقدار الذاكرة التي يحتفظ بها الدماغ. أثبتت الطريقة الجديدة أن تسلسل الدماغ أثناء الراحة محكوم في الغالب بانتقالات بسيطة وفورية، مع وجود صدى باهت وقصير العمر للماضي فقط. وكانت النتائج متسقة عبر مجموعات مختلفة من الناس، رغم أن الحجم الدقيق للتأثير اختلف قلياً بين المجموعات، ويرجع ذلك على الأرجح إلى الاختلافات في كيفية تسجيل البيانات وليس بسبب اختلاف جوهري في كيفية عمل الأدمغة.
في نهاية المطاف، يقدم هذا العمل صورة أوضح وأكثر أمانة لكيفية راحة الدماغ. فهو يؤكد أن النشاط الكهربائي للدماغ ليس عشوائياً بحتًا، لكنه يظهر أيضاً أن القواعد التي تحكمه بسيطة بشكل مدهش. إن الدماغ يحتفظ بقليل من التاريخ، وهو ما يكفي لجعل العودة السريعة إلى حالة حديثة أكثر احتمالاً، لكنه لا يبدو أنه يحافظ على سردية معقدة طويلة المدى لنشاطه الخاص أثناء الراحة. ومن خلال إصلاح الطريقة التي يختبر بها العلماء هذه الأسئلة، تضمن الدراسة أن الاكتشافات المستقبلية حول ديناميكيات الدماغ ستُبنى على أساس متين، مما يفصل التعقيد الحقيقي عن الأوهام الناتجة عن طرق الاختبار غير المكتملة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.