Neural Fingerprinting based on Brain Network Dynamics: A Cross-Platform MEG Study

प्रत्येक मानव मस्तिष्क एक अद्वितीय वाद्य यंत्र है, जो विद्युत संकेतों की एक ऐसी स्वरलहरी (सिम्फनी) बजाता है जो किसी भी अन्य व्यक्ति के लिए बिल्कुल समान रूप से खुद को कभी नहीं दोहराती। जबकि वैज्ञानिकों ने लंबे समय से यह अध्ययन किया है कि मस्तिष्क औसतन कैसे कार्य करता है, जिससे उन पैटर्नों की खोज की जा सके जो सभी पर लागू होते हैं, एक नया क्षेत्र इस बात पर ध्यान केंद्रित करता है कि प्रत्येक व्यक्ति का मस्तिष्क किस प्रकार विशिष्ट है। यह अवधारणा, जिसे 'न्यूरल फिंगरप्रिंटिंग' कहा जाता है, इस सरल लेकिन शक्तिशाली विचार पर आधारित है कि यदि आप मस्तिष्क की गतिविधि को पर्याप्त सावधानी से मापते हैं, तो आप केवल उनके डेटा को देखकर एक विशिष्ट व्यक्ति की पहचान कर सकते हैं, ठीक वैसे ही जैसे एक सुरक्षा प्रणाली किसी व्यक्ति को उसके अद्वितीय प्रिंट द्वारा पहचानती है। अलग-अलग व्यक्तियों के बीच अंतर करने की यह क्षमता केवल एक जिज्ञासा नहीं है; यह यह ट्रैक करने का एक संभावित तरीका प्रदान करती है कि समय के साथ या बीमारी आने पर किसी व्यक्ति का मस्तिष्क कैसे बदलता है, जिससे स्वास्थ्य के लिए एक व्यक्तिगत आधार रेखा (बेसलाइन) प्राप्त होती है। ऐसा करने के लिए, शोधकर्ता अक्सर मैग्नेटोएन्सेफालोग्राफी (MEG) नामक तकनीक का उपयोग करते हैं, जो मस्तिष्क के विद्युत प्रवाह से उत्पन्न होने वाले सूक्ष्म चुंबकीय क्षेत्रों का पता लगाती है। यह विधि विशेष है क्योंकि यह अविश्वसनीय गति के साथ मस्तिष्क की गतिविधि को पकड़ती है, जो मिलीसेकंड में होने वाले परिवर्तनों को रिकॉर्ड करती है, न कि केवल एक धीमे, धुंधले औसत को दिखाती है।

वर्षों तक, यह तकनीक बड़े, महंगे मशीनों पर निर्भर थी जिन्हें कार्य करने के लिए अत्यंत ठंडे तापमान पर रखा जाना आवश्यक था, जिसमें SQUIDs नामक सेंसर का उपयोग किया जाता था। हालाँकि, हाल ही में सेंसरों की एक नई पीढ़ी उभरी है, जिन्हें ऑप्टिकली पंपेड मैग्नेटोमीटर (OPMs) कहा जाता है। ये नए उपकरण छोटे, हल्के हैं और इन्हें अत्यधिक शीतलन (कूलिंग) की आवश्यकता नहीं होती है, जिससे वे स्कैल्प (खोपड़ी) के करीब बैठ सकते हैं और संभावित रूप से स्पष्ट संकेत कैप्चर कर सकते हैं। जैसे-जैसे यह तकनीक परिपक्व हो रही है, वैज्ञानिकों को यह जानने की आवश्यकता है कि क्या यह पुरानी मशीनों की तरह ही सूक्ष्म कार्य कर सकती है। क्या ये नए, अधिक लचीले सेंसर उसी अद्वितीय मस्तिष्क हस्ताक्षरों (signatures) को पकड़ सकते हैं? इसके अलावा, अधिकांश पिछले अध्ययनों ने मस्तिष्क की गतिविधि को समय के साथ औसत निकालकर देखा है, जिससे एक स्थिर चित्र बनता है। लेकिन मस्तिष्क गतिशील है, जो लगातार विभिन्न सक्रिय पैटर्न के बीच बदलता रहता है। एक महत्वपूर्ण प्रश्न बना हुआ है: क्या किसी व्यक्ति की अद्वितीय पहचान धीमे, औसत संकेतों में रहती है, या यह मस्तिष्क नेटवर्क की तीव्र, क्षणिक गतिविधियों के भीतर छिपी होती है?

हाल ही में एक अध्ययन में, शोधकर्ताओं ने इन प्रश्नों का उत्तर देने के लिए दोनों प्रकार के ठंडे सेंसरों और नए कमरे के तापमान वाले सेंसरों के डेटा की तुलना करते हुए काम शुरू किया। उन्होंने पंद्रह स्वस्थ वयस्कों को भर्ती किया और प्रत्येक व्यक्ति का एक ही दिन में चार बार स्कैन किया। दो सत्रों में पुराने SQUID तकनीक का उपयोग किया गया था, और दो सत्रों में नई OPM तकनीक का उपयोग किया गया था। स्कैन के दौरान, प्रतिभागियों ने एक कार्य किया जिसमें उनकी उंगलियों पर स्पर्श संबंधी पैटर्न (tactile patterns) पर ध्यान देना शामिल था, जिससे शोधकर्ताओं को यह देखने का अवसर मिला कि उनका मस्तिष्क उत्तेजना के प्रति कैसे प्रतिक्रिया करता है। टीम यह देखना चाहती थी कि क्या वे एक स्कैन की तुलना दूसरे से करके प्रत्येक व्यक्ति को सही ढंग से पहचान सकते हैं, और क्या वे तब भी उन्हें पहचान सकते हैं जब एक प्रकार की मशीन के स्कैन की तुलना दूसरी मशीन के स्कैन से की जाती है। उन्होंने डेटा को देखने के दो अलग-अलग तरीकों का परीक्षण किया: एक जो संकेतों को समय के साथ औसत बनाकर एक स्थिर प्रोफाइल बनाता है, और दूसरा जो एक परिष्कृत कंप्यूटर मॉडल का उपयोग करता है जो मस्तिष्क के विभिन्न सक्रिय अवस्थाओं के बीच स्विच करने के तरीके को ट्रैक करता है, जिससे न्यूरल नेटवर्क की तीव्र गतिशीलता को पकड़ा जा सके।

परिणामों ने पुष्टि की कि प्रत्येक व्यक्ति के मस्तिष्क का अनूठा हस्ताक्षर सुदृढ़ है और इसे दोनों प्रकार की मशीनों का उपयोग करके पाया जा सकता है। जब शोधकर्ताओं ने स्थिर, औसत डेटा को देखा, तो वे प्रत्येक प्रतिभागी की सफलतापूर्वक पहचान करने में सक्षम रहे, चाहे वे एक ही मशीन के दो स्कैन की तुलना कर रहे हों या नई मशीन के एक स्कैन की तुलना पुरानी मशीन के एक स्कैन से कर रहे हों। यह निष्कर्ष पिछले कार्यों के अनुरूप है, जो यह सिद्ध करता है कि मस्तिष्क के बुनियादी विद्युत फिंगरप्रिंट नई तकनीक में बदलाव के बावजूद स्थिर रहने के लिए पर्याप्त हैं। हालाँकि, अध्ययन ने मस्तिष्क की गतिविधि के गतिशील, बदलते पैटर्न की जांच करके बहुत गहराई तक जाकर काम किया। हजारों अन्य रिकॉर्डिंग से मस्तिष्क की अवस्थाओं के सामान्य पैटर्न को सीख चुके एक पूर्व-प्रशिक्षित मॉडल का उपयोग करते हुए, टीम ने उनके नए डेटा में इन अवस्थाओं के प्रकट होने का विश्लेषण किया। उन्होंने पाया कि मॉडल दोनों पुराने और नए सेंसरों के लिए अच्छी तरह से काम करता है, जो वास्तविक समय में मस्तिष्क की बदलती अवस्थाओं को सफलतापूर्वक मैप करता है।

जब उन्होंने व्यक्तियों की पहचान करने के लिए इन गतिशील पैटर्न का उपयोग किया, तो परिणाम मिश्रित लेकिन वर्णनात्मक थे। शोधकर्ताओं ने पाया कि वे मस्तिष्क अवस्थाओं के चालू और बंद होने के विशिष्ट समय को देखकर, और उन अवस्थाओं की आवृत्ति सामग्री (frequency content) का विश्लेषण करके उच्च सटीकता के साथ लोगों की पहचान कर सकते हैं। ये विशेषताएं, जो मस्तिष्क की गतिविधि के लय और विशिष्ट स्पेक्ट्रल संरचना का वर्णन करती हैं, दोनों पुरानी और नई मशीनों में प्रत्येक व्यक्ति के लिए सुसंगत बनी रहीं। यह सुझाव देता है कि किसी व्यक्ति की मूल पहचान उनके गतिशील नेटवर्क के सापेक्ष समय और संरचना में समाहित होती है। हालाँकि, जब शोधकर्ताओं ने सरल सारांश संख्याओं का उपयोग करके लोगों की पहचान करने का प्रयास किया, जैसे कि एक मस्तिष्क अवस्था कितनी देर तक चली या वह कितनी बार दूसरी अवस्था में बदली, तो परिणाम बदल गए। जबकि वे एक ही मशीन के स्कैन की तुलना करते समय लोगों की पहचान करने में सक्षम थे, वे दो अलग-अलग मशीनों के बीच तुलना करते समय ऐसा करने में विफल रहे।

मशीनों के बीच पहचान में यह विफलता सारांश सांख्यिकी (summary statistics) के महत्व को उजागर करती है। पूर्ण संख्याएं, जैसे कि किसी अवस्था में बिताया गया सटीक प्रतिशत, दोनों प्रकार के सेंसरों के बीच भौतिक अंतर के प्रति संवेदनशील होती हैं। नए सेंसर मस्तिष्क के अधिक करीब होते हैं और उनमें शोर (noise) की विशेषताएं अलग होती हैं, जो इन पूर्ण मूल्यों को इस तरह से बदल देती हैं कि व्यक्ति की पहचान छिप जाती है। इसके विपरीत, उत्तेजना के प्रति मस्तिष्क की प्रतिक्रिया के सापेक्ष पैटर्न—समय के साथ वक्र (curve) का आकार—स्थिर रहता है और व्यक्ति के लिए अद्वितीय होता है, चाहे मशीन कोई भी हो। अध्ययन यह निष्कर्ष निकालता है कि हालांकि नई OPM तकनीक व्यक्तियों के अद्वितीय न्यूरल फिंगरप्रिंट को पकड़ने में पूरी तरह सक्षम है, लेकिन उस डेटा का विश्लेषण करने का तरीका मायने रखता है। विभिन्न स्कैनिंग प्लेटफॉर्म के बीच किसी व्यक्ति की सफलतापूर्वक पहचान करने के लिए, हमें मस्तिष्क की गतिशीलता की केवल कच्ची, पूर्ण मात्राओं के बजाय उसके सापेक्ष ढांचे को देखना चाहिए। यह कार्य एक महत्वपूर्ण कदम प्रदान करता है, जो यह दर्शाता है कि नई पीढ़ी के मस्तिष्क स्कैनर भी पुराने स्कैनरों के साथ मिलकर मानव मन के अद्वितीय परिदृश्य को मैप करने में सक्षम हैं, बशर्ते हम संकेतों को पढ़ने के लिए सही उपकरणों का उपयोग करें।