Evaluating State-Transition Models in Short Resting-State fMRI with Continuous-Dynamics Controls

Het menselijk brein is geen statische machine; het is een levend, verschuivend landschap waar enorme netwerken van neuronen constant en ritmisch oplichten en doven in een voortdurende conversatie. Wetenschappers proberen deze gesprekken al lang in kaart te brengen, met name tijdens momenten van rust wanneer het brein niet gefocust is op een specifieke taak. Een populaire manier om dit te bestuderen is door het brein te zien als een reiziger die tussen een paar verschillende "toestanden" springt, zoals een persoon die tussen verschillende kamers in een huis wisselt. Elke kamer vertegenwoordigt een specifiek patroon van activiteit, en de reis tussen hen wordt beschouwd als een manier om te begrijpen hoe het brein zichzelf organiseert. Deze benadering leunt op een statistisch hulpmiddel dat raadt wanneer het brein van de ene naar de andere toestand is gesprongen, waarbij deze verschuivingen worden behandeld als plotselinge, discrete gebeurtenissen. Deze methode gaat ervan uit dat het brein in sprongen beweegt, terwijl de werkelijkheid is dat de stroom van neurale activiteit meer lijkt op een rivier—vloeiend, continu en nooit echt stoppend. Als de ware aard van het brein een vloeiende rivier is, maar we proberen het te beschrijven als een reeks stapstenen, dan zien we misschien patronen die er eigenlijk niet zijn.

Een team van onderzoekers zette zich scharpe om te testen of deze schijnbare sprongen echt zijn of slechts een illusie die wordt gecreëerd door de manier waarop we naar de gegevens kijken. Ze vergeleken twee verschillende manieren om te voorspellen wat het brein hierna zal doen. De eerste methode, de methode die ervan uitgaat dat er duidelijke "kamers" zijn, probeert het volgende moment te raden door te beslissen in welke "toestand" het brein zich momenteel bevindt. De tweede methode, die ze als controle gebruikten, kijkt simpelweg naar de recente geschiedenis van de hersenactiviteit en voorspelt de toekomst op basis van die gladde, continue stroom, zonder aan te nemen dat er plotselinge sprongen bestaan. Om te zien welke methode beter was, creëerden ze duizenden computersimulaties. In sommige van deze simulatiesen programmeerden ze de hersenactiviteit om echt tussen toestanden te springen. In andere programmeerden ze het om in een gladde, continue curve te bewegen, zoals een draaiend wiel of een rollende golf. Ze vroegen vervolgens beide voorspellingsmethoden om het volgende moment van activiteit in deze fictieve breinen te raden en zagen welke het goed had.

De resultaten waren duidelijk wanneer de omstandigheden stabiel waren. Wanneer het gesimuleerde brein echt tussen toestanden sprong, was de "kamer-hoppende" methode meestal de betere voorspeller. Wanneer het gesimuleerde brein vloeiend bewoog, was de methode die een continue stroom veronderstelde veel nauwkeuriger. Dit suggereerde dat de twee methoden in theorie het verschil kunnen zien tussen een brein dat springt en een brein dat stroomt. De onderzoekers voegden echter een wending toe om te zien hoe fragiel deze conclusies zouden zijn. Ze hielden de onderliggende hersenactiviteit exact hetzelfde, maar veranderden de manier waarop de gegevens werden afgevlakt tijdens de testfase, wat de manier nabootst waarop echte hersenscans vaak worden verwerkt om ruis te verwijderen. In een verrassende wending zorgde deze kleine verandering in de verwerking van de gegevens ervoor dat de "kamer-hoppende" methode plotseling als de winnaar uit de bus kwam, ook al bewoog het brein nog steeds in een gladde, continue curve. De methode die sprongen veronderstelde, begon de gladde gegevens beter te voorspellen simpelweg omdat de manier waarop de gegevens werden gemeten was veranderd, en niet omdat het brein daadwerkelijk was begonnen met springen.

De onderzoekers pasten deze vergelijking vervolgens toe op echte hersenscans van 270 mensen, waaronder mensen met normale cognitie, milde geheugenproblemen en dementie. Ze voedden de gegevens van deze scans in beide voorspellingsmodellen om te zien welk model het volgende moment van hersenactiviteit beter kon raden. In de overgrote meerderheid van de gevallen was het model dat een gladde, continue stroom veronderstelde de betere voorspeller. Het presteerde beter dan het "kamer-hoppende" model in 160 van de 184 opnames die lang genoeg waren om betrouwbaar te zijn, en zelfs in veel van de kortere opnames. Dit suggereert dat de hersenactiviteit tijdens rust bij de mensen in deze studie meer lijkt op een continue stroom dan op een reeks afzonderlijke stops. Bovendien, toen de onderzoekers het "kamer-hoppende" model dwongen om sprongen te vinden in de gladde, continue simulaties, deed het model dat ook. Het identificeerde een voorkeursrichting van beweging, alsof het brein van de ene naar de andere toestand bewoog, ook al bestonden dergelijke toestanden niet. Dit bewees dat het model een verhaal van discrete overgangen kon verzinnen uit een proces dat volledig vloeiend was.

De studie concludeert dat het zien van een brein dat van toestand "wisselt" in een scan niet automatisch betekent dat het brein ook echt is gewisseld. De schijnbare sprongen kunnen een artefact zijn van de wiskundige instrumenten die worden gebruikt om de gegevens te analyseren, of ze kunnen het resultaat zijn van hoe het signaal werd gefilterd en afgevlakt voor de analyse. De onderzoekers ontdekten dat het veranderen van de filter die tijdens het testen werd gebruikt, de resultaten kon omdraaien, waardoor een continu proces eruitzag als een discreet proces. Dit bewijst niet dat het brein nooit onderscheidende toestanden heeft, maar het laat wel zien dat we niet zomaar kunnen aannemen dat ze bestaan, enkel omdat een model ze vindt. Om de ware aard van hersenactiviteit te begrijpen, moeten wetenschappers hun bevindingen vergelijken met modellen die een continue stroom veronderstellen en ervoor zorgen dat hun conclusies standhouden, zelfs wanneer de manier waarop ze de gegevens meten verandert. Het bewijs uit deze simulaties en echte scans suggereert dat de rustactiviteit van het brein vaak een continue dans van fluctuaties is, en dat het interpreteren ervan als een reeks plotselinge sprongen veel meer voorzichtigheid vereist dan voorheen werd aangenomen.