Continuous and discrete brain dynamics to study behavioral adaptation during cognitive motor dual-tasking in younger and older adults
这项研究表明,在认知-运动双任务处理过程中,行为适应在单次任务期间呈现出动态演变过程,尽管健康老年人与年轻人遵循着不同的初始表现轨迹,但两者均通过截然不同的连续性和离散性全脑网络重组模式实现了成功的稳定。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下,你的大脑就像一座繁忙的城市,拥有数以百万计的道路、红绿灯和不断移动的货运卡车。有时,这座城市运行得非常顺畅,但有时也会面临高峰时段:两个重大事件同时发生——一场游行(一项心理任务)和一支施工队(一项身体任务)试图同时使用同一条街道。专门研究大脑“交通”的科学家们对人们变老时会发生什么特别感兴趣。道路会变得拥堵吗?红绿灯会变得混乱吗?长期以来,研究人员通过拍摄整个旅程中一张模糊的单张快照来观察这种高峰时段。他们会测量一个人从开始到结束完成一项任务的表现,将其平均化,并将其与只做一件事进行比较。但这种方法假设整个过程中的交通流量保持不变,而事实可能并非如此。就像真实的通勤一样,你的大脑在旅程开始时可能很混乱,然后在稍后找到一种平稳的节奏。了解大脑在旅程“期间”是如何适应的,而不是仅仅看最终目的地,是弄清楚我们如何随着年龄增长保持敏锐的关键。
这篇论文通过观察人们在同时处理两项任务时,大脑是如何改变其“交通模式”的,深入探讨了这个问题。研究人员要求40名老年人(50至80岁之间)和20名年轻人(20至40岁之间)在核磁共振成像(MRI)机器内完成一项具有挑战性的任务。他们必须用脚踩动一台特殊的单车,同时玩一个叫做“Go/NoGo”的脑力游戏,即他们必须对某些信号做出快速反应,而对另一些信号则要克制住不做反应。科学家们不仅观察最终得分;他们将整个过程分为八个块(或称“区块”),以观察表现是如何从第一个区块到最后一个区块发生变化的。他们还使用了两种“超级透镜”来观察大脑的内部连接:一种能看到连接像连续的河流一样流动(动态独立成分分析),另一种则能发现大脑在不同的“模式”或状态之间跳转,就像切换电台一样(隐马尔可夫模型)。
结果显示,大脑绝非静止不变的。当所有人开始这项双任务挑战时,他们的踩踏反应时间都非常不稳定——波动很大且不一致。但随着环节的进行,情况逐渐稳定下来。到了第六个区块时,这种波动基本消失了,表现也保持稳定。然而,两个年龄组采取了不同的路径。老年人起初波动很大,但他们成功地显著平滑了这种波动,变得非常接近他们通常的单任务节奏。相比之下,年轻人起初就已经相当稳定,所以进步空间不大,因此他们的表现全程保持相对平坦。
研究表明,这种“进步”或稳定化与大脑网络之间的相互通信有关。对于那些表现出最大程度波动下降(即“双任务获益”)的人来说,他们的大脑展现出两个具体的特征:一是涉及注意力、控制和运动系统的庞大城市级网络中存在着强大且稳定的连接;二是能够在不同网络状态之间进行健康的“切换”。有趣的是,帮助老年人进步的大脑模式是他们使用得更频繁的模式,而让年轻人保持稳定的模式则是他们所依赖的模式。看起来,虽然两组人都成功适应了挑战,但他们使用的是不同的“交通管理”策略。老年的大脑可能像一座起初交通拥堵,但随后学会了新且高效的路线来清理拥堵的城市;而年轻的大脑则像一座从未发生过拥堵的城市,在熟悉且稳定的高速公路上平稳行驶。这告诉我们,成功的适应不仅仅在于快或慢,还在于大脑的连续流与离散切换状态如何协同工作,使我们在道路变得复杂时仍能保持顺畅运行。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。