Entropy measures as indicators of connectivity paths in the human brain
यह शोध पत्र विभिन्न संज्ञानात्मक कार्यों के दौरान मस्तिष्क के क्षेत्रों के बीच रैखिक और गैर-रैखिक दोनों प्रकार के कनेक्टिविटी पथों का पता लगाने के लिए, पूर्व धारणाओं पर निर्भर हुए बिना, टास्क-आधारित fMRI डेटा का विश्लेषण करने हेतु मॉडल-मुक्त सूचना-सैद्धांतिक एंट्रॉपी मापों का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क केवल तारों का एक स्थिर मानचित्र नहीं है, बल्कि एक हलचल भरा शहर है जहाँ लाखों नन्हे संदेशवाहक लगातार चिल्ला रहे हैं, फुसफुसा रहे हैं और आप जो भी कर रहे हैं उसकी लय पर नृत्य कर रहे हैं। वर्षों से, वैज्ञानिक यह पता लगाने की कोशिश कर रहे हैं कि इस शहर के कौन से हिस्से "काम" कर रहे हैं और कौन से बस खाली बैठे हैं। उन्होंने आमतौर पर ऐसे उपकरणों का उपयोग किया जो यह मानते थे कि शहर का यातायात सीधी, अनुमानित रेखाओं में बहता है। लेकिन क्या होगा यदि मस्तिष्क एक जैज़ बैंड (jazz band) की तरह हो, जो जंगली, गैर-रेखीय उतार-चढ़ाव के साथ सुधार (improvisation) करता है, जिसे सीधी-रेखा वाले उपकरण पकड़ ही नहीं पाते?
यही वह चीज़ है जिसकी जांच मैक्स प्लैंक संस्थान और हवाना विश्वविद्यालय के शोधकर्ताओं की एक टीम ने करने का निर्णय लिया। उन्होंने किसी कठोर नियम पुस्तिका या पूर्व-निर्मित मॉडल का उपयोग नहीं किया। इसके बजाय, उन्होंने सूचना सिद्धांत (information theory) पर आधारित एक नया प्रकार का "जटिलता डिटेक्टर" (complexity detector) बनाया ताकि वे चार अलग-अलग गतिविधियों के दौरान मस्तिष्क की बातचीत को सुन सकें: अपनी उंगलियां हिलाना, चीजों को याद रखना, भावनाओं को पहचानना, और कहानियों को सुनना या गणित करना।
"जैज़ बनाम शीट म्यूज़िक" की खोज
टीम ने मस्तिष्क के संकेतों को एक लंबे, अव्यवस्थित गीत की तरह माना। उन्होंने मस्तिष्क के हर पड़ोस (या क्षेत्र) के बारे में दो सरल प्रश्न पूछे:
- गीत कितना अप्रत्याशित है? (एन्ट्रॉपी डेंसिटी/Entropy Density)। क्या यह एक अराजक ड्रम सोलो है, या एक उबाऊ, दोहराव वाली बीप?
- गीत का कितना हिस्सा खुद को दोहरा रहा है? (इफेक्टिव मेजर कॉम्प्लेक्सिटी/Effective Measure Complexity)। क्या शोर में कोई पैटर्न, कोई स्मृति, या कोई संरचना है?
उन्होंने मस्तिष्क के प्रत्येक क्षेत्र को एक विशाल ग्राफ पर अंकित किया। "उबाऊ" क्षेत्र (वे जो बस खाली बैठे थे) यादृच्छिकता (randomness) में उच्च और पैटर्न में निम्न थे। लेकिन "काम करने वाले" क्षेत्र? वे कम यादृच्छिक और अधिक पैटर्न वाले दिखाई दिए। ऐसा है जैसे जब मस्तिष्क का कोई क्षेत्र काम पर लगता है, तो वह जंगली रूप से सुधार करना बंद कर देता है और एक विशिष्ट, संरचित धुन बजाने लगता है।
इस पद्धति ने पाया कि एक मोटर कार्य (उंगलियां थपथपाना) के दौरान, मस्तिष्क के मोटर और संवेदी क्षेत्र अत्यधिक संरचित हो गए। एक इमोशन टास्क (क्रोधित या डरे हुए चेहरों को देखना) के दौरान, चेहरे पहचानने वाले दृश्य क्षेत्र संरचना के साथ चमक उठे। एक लैंग्वेज टास्क (कहानियों को सुनने और गणित करने) के दौरान, श्रवण और गणित-प्रसंस्करण वाले क्षेत्र मंच पर आए।
उन्होंने किसे खारिज किया
यहाँ महत्वपूर्ण हिस्सा यह है: लेखक स्पष्ट रूप से इस विचार के विरुद्ध तर्क देते हैं कि आपको यह मानने की आवश्यकता है कि मस्तिष्क सीधी रेखाओं में काम करता है या आपको एक "डिज़ाइन मैट्रिक्स" (एक पूर्व-निर्धारित कार्यक्रम कि मस्तिष्क को क्या करना चाहिए) की आवश्यकता है ताकि गतिविधि को खोजा जा सके।
कई पुराने तरीके, जैसे ग्रेंजर कॉज़ैलिटी (Granger causality) या सरल सहसंबंध (correlation), यह मानते हैं कि यदि क्षेत्र A क्षेत्र B से बात करता है, तो यह एक सीधी, अनुमानित रेखा में होता है। पेपर का तर्क है कि मस्तिष्क के लिए यह गलत है। वे दिखाते हैं कि उनकी विधि बिना रैखिकता (linearity) का अनुमान लगाए काम करती है। उन्होंने यह विचार भी खारिज कर दिया कि दो क्षेत्रों के बीच जुड़ाव कैसे है, यह मापने के लिए आपको यह जानने की आवश्यकता है कि सिग्नल वास्तव में कब होता है। उनकी विधि यह मापती है कि दो क्षेत्र एक ही "पैटर्न" को कितनी मात्रा में साझा करते हैं, चाहे एक क्षेत्र दूसरे से थोड़ा आगे हो या पीछे।
"बैकबोन" और "विशेषज्ञ"
शोधकर्ताओं ने केवल एकल क्षेत्रों को नहीं देखा; उन्होंने यह भी देखा कि क्षेत्र आपस में कैसे बात करते हैं। उन्होंने दो अलग-अलग मस्तिष्क क्षेत्रों के "गीतों" की समानता देखने के लिए एक "दूरी" मीट्रिक (Lempel-Ziv distance) का उपयोग किया।
उन्होंने एक दिलचस्प संरचना पाई:
- विशेषज्ञ (The Specialists): जब कोई कार्य हो रहा होता है, तो सक्रिय क्षेत्र (जैसे इमोशन टास्क के दौरान चेहरा पहचानने वाला क्षेत्र) एक साथ समूह बनाते हैं। वे अपने कार्यों के आधार पर घनिष्ठ समूह बनाते हैं।
- बैकबोन (The Backbone): वे क्षेत्र जो विशिष्ट कार्य नहीं कर रहे हैं? वे केवल शांत नहीं होते। वे एक विशाल, घनी तरह से जुड़े "बैकबोन" का निर्माण करते हैं जो सभी कार्यों में समान रहता है। यह शहर की पृष्ठभूमि की गुनगुनाहट (background hum) की तरह है। सक्रिय क्षेत्र उन विशेष टास्क फोर्स की तरह हैं जो इस गुनगुनाहट से अलग होकर अपना विशिष्ट काम करने के लिए अलग हो जाते हैं, जिससे एक अनूठा पैटर्न बनता है जो पृष्ठभूमि के शोर से बहुत अलग होता है।
वे कितने आश्वस्त हैं?
लेखक अपने मापन को लेकर काफी आश्वस्त हैं, लेकिन वे सावधान भी हैं।
- उन्होंने मापा: उन्होंने ह्यूमन कनेक्टोम प्रोजेक्ट से कार्यों को करने वाले 153 विषयों के डेटा का विश्लेषण किया।
- उन्होंने सत्यापन किया: उन्होंने अपने परिणामों की तीन अन्य प्रमुख विधियों (कोल-एंटीसेविक नेटवर्क, न्यूरोसिंथ मेटा-विश्लेषण और मानक GLM मॉडल) के विरुद्ध जांच की।
- उन्होंने पाया कि उनकी विधि बड़े चित्र (जैसे कि दृश्य कार्यों के लिए विजुअल नेटवर्क का चमकना) पर दूसरों के साथ सहमत थी।
- हालाँकि, उन्होंने नोट किया कि उनकी विधि ने मानक मॉडलों की तुलना में सक्रिय क्षेत्रों में अधिक संरचना पाई। उदाहरण के लिए, भाषा कार्य के दौरान, मानक मॉडलों ने कुछ क्षेत्रों को "निष्क्रिय" बताया क्योंकि वे बेसलाइन से अधिक तेज़ नहीं हुए थे, लेकिन एंट्रॉपी पद्धति ने उन्हें अत्यधिक सक्रिय पाया क्योंकि उनका आंतरिक पैटर्न अधिक जटिल हो गया था।
- वे सुझाव देते हैं: वे सुझाव देते हैं कि यह "मॉडल-फ्री" दृष्टिकोण मस्तिष्क की खोज के लिए बेहतर है क्योंकि यह डेटा को किसी खांचे में फिट करने के लिए मजबूर नहीं करता है। वे यह दावा नहीं करते कि उन्होंने चेतना के रहस्य को सुलझा लिया है, लेकिन वे दावा करते हैं कि उन्होंने एक मजबूत, नया तरीका खोजा है जिससे यह देखा जा सके कि मस्तिष्क बिना पहले से नियम अनुमानित किए खुद को कैसे व्यवस्थित करता है।
"आश्चर्यजनक" निष्कर्ष
चूंकि वे पुराने अनुमानों पर निर्भर नहीं थे, इसलिए उन्होंने कुछ ऐसे क्षेत्र भी देखे जिन्हें आमतौर पर अनदेखा कर दिया जाता है। उदाहरण के लिए, उन्होंने भाषा कार्य के दौरान गणितीय संज्ञान (mathematical cognition) से जुड़े क्षेत्रों में मजबूत गतिविधि देखी (क्योंकि भाषा कार्य में गणित की समस्याएं शामिल थीं), भले ही मानक मॉडल उन्हें मिस कर देते यदि वे केवल "कहानी" प्रसंस्करण को देख रहे होते। उन्होंने यह भी पाया कि रेस्टिंग स्टेट (बस आँखें खोलकर बैठना) के दौरान, मस्तिष्क के बाएं और दाएं हिस्से आश्चर्यजनक रूप से असममित (asymmetrical) थे, जबकि कार्यों के दौरान, वे अत्यधिक सममित (symmetrical) और समन्वित हो गए।
निष्कर्ष
यह पेपर यह दावा नहीं करता कि इसके पास मस्तिष्क रोगों को ठीक करने वाला कोई जादुई हथियार है। इसके बजाय, यह एक नए चश्मे की पेशकश करता है। ये चश्मे यह नहीं मानते कि मस्तिष्क एक सरल मशीन है; वे मानते हैं कि यह एक जटिल, पैटर्न बनाने वाली प्रणाली है। केवल यह मापने के बजाय कि मस्तिष्क का शोर कितना "तेज़" है, बल्कि यह मापने के माध्यम से कि वह कितना "संरचित" है, शोधकर्ता मस्तिष्क की छिपी हुई वास्तुकला को देख सकते हैं: पृष्ठभूमि गतिविधि का एक लचीला बैकबोन जो विशिष्ट, कार्य-विशिष्ट समूहों का समर्थन करता है। यह मस्तिष्क के जैज़ को सुनने का एक तरीका है, बिना उसे शीट म्यूज़िक बजाने के लिए मजबूर किए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।