Badania mózgu z użyciem funkcjonalnego rezonansu magnetycznego (fMRI) często są kontrowersyjne i dają niejasne wyniki. Przypomnijmy, że fMRI rejestruje zwiększenie przepływu krwi w tkance mózgowej, związane ze wzrostem zapotrzebowania na tlen komórek nerwowych, charakteryzujących się większą aktywnością. Dzięki specjalistycznemu oprogramowaniu metoda ta umożliwia stworzenie map mózgu, na których różne kolory oznaczają różną aktywność. Warto jednak zaznaczyć, że aktywność ta nie jest mierzona bezwzględnie – każdy kolor jest wartością względem jakiejś innej wartości, często baseline'u odzwierciedlającego pracę mózgu w trakcie „stanu spoczynku”, gdy badany leży zrelaksowany i nic konkretnego nie robi. Już samo to – niczym nie zaskakujący fakt, wręcz oczywistość – w pewnym sensie odbiera spektakularności wynikom badań z użyciem fMRI, problemów jest jednak więcej. Pośród licznych publikacji naukowych można się natknąć na wyniki, które zdają się przeczyć założeniu, że zwiększona aktywność neuronów jest związana z większym przepływem krwi w mózgu. Przykładowo, osoby, które szybciej uczą się zadań, charakteryzują się mniejszym, a nie większym sygnałem BOLD, określającym przepływ krwi (ang. blood-oxygenation-level-dependent) (Basstett, et al. 2015). Fakt ten tłumaczy się tym, że mózgi takich osób wymagają mniejszego nakładu energii, by wykonać zadanie.

fMRI - błędy w oprogramowaniu?

O wiele poważniejszy problem wyszedł na światło dzienne niedawno, gdy okazało się, że w oprogramowaniu służącym do analizy danych z fMRI pojawiają się błędy, przez które wiele wniosków może być nieuzasadnionych (Eklunda, et al. 2016). Wiele eksperymentów powinno przez to zostać przeprowadzonych jeszcze raz, by uniknąć sytuacji takich jak w znanym badaniu, w którym martwy łosoś przeskanowany przez urządzenie (w celu pokazania problemu) wykazywał istotną statystycznie aktywność mózgową (Bennett, et al. 2009). Ostatecznej skali zjawiska nie znamy z uwagi na niedostępność surowych danych – trzeba więc ostrożnie podchodzić do wyników, szczególnie takich, w których efekty są niezbyt widoczne i dotyczą wpływu postrzeganego bodźca na mózg. Oprócz kłopotów z istotnością statystyczną należy też pamiętać o różnicy między korelacją i przyczynowością: to, że jakiś obszar mózgu jest aktywny podczas wykonywania jakiegoś zadania nie znaczy jeszcze, że jest on za to zadanie odpowiedzialny. Zlokalizowanie obszarów będących przyczyną np. świadomej percepcji konkretnego rodzaju bodźca (takich jak fragmenty zakrętu wrzecionowatego w przypadku percepcji twarzy) to efekt wieloletnich badań, które tak naprawdę niczego nie gwarantują – wciąż bowiem istnieje możliwość, że oceniony jako przyczynowy obszar jest tak naprawdę obszarem pośredniczącym, przez co jego aktywność zanika, gdy bodziec nie jest świadomie postrzegany - (tak samo jak zanikałaby aktywność obszaru, który faktycznie byłby przyczyną takiego zjawiska).

Słowa i pseudosłowa

Na problem podobny do tego we wspomnianych wcześniej badaniach z uczeniem się natrafili William Graves wraz z zespołem – naukowcy zajmujący się przetwarzaniem przez mózg danych językowych, a konkretniej: rozpoznawaniem słów i odróżnianiem ich od tworów językowych, które nimi nie są (Graves, et al. 2017). W przeciągu wielu lat ugruntowała się stabilna metodologia badań opierająca się na prezentowaniu badanym zbitek sylab – pseudosłów, które nie mają znaczenia (ale które zwykle są podobne brzmieniowo do prawdziwych wyrazów) oraz prawdziwych słów. Badania te dawały jak do tej pory dość spójne wyniki. Ciągi nic nieznaczących liter ułożone zgodnie z prawidłami językowymi (np. tak, by dało je się wymówić) wymagają zwykle od uczestników dłuższego czasu zastanowienia, w czasie którego mózg stara się zinterpretować semantycznie (znaczeniowo) bodźce. Fakt, że z definicji słowa mają w sobie wartość semantyczną, a zbitki sylab nie, doprowadził naukowców do pomysłu, że obszary mózgu bardziej aktywne w przypadku postrzegania słów w porównaniu z obszarami aktywnymi w przypadku postrzegania zbitek sylab są odpowiedzialne za semantyczne przetwarzanie danych.

Myśli i słowa?

W metaanalizie z 2009 roku, opierającej się na 120 badaniach, dokładnie wyodrębniono takie fragmenty kory mózgowej. Większość badań opierała się na porównaniu wyrazów i zbitek sylab bądź wyrazów o różnym poziomie „wyobrażalności” (ang. imageability) – możliwości wyobrażenia sobie danego słowa (jak się okazuje: im wyraz jest łatwiejszy do wyobrażenia, tym badani szybciej identyfikują go jako słowo). Okazało się, że percepcja słów (a nie pseudosłów) aktywowała obszary, które w uderzający sposób pokrywały się z siecią aktywności bazowej (default mode network), znaną pod skrótową nazwą DM. Jak łatwo się domyślić patrząc na nazwę, jest ona aktywna, gdy badany nie jest zaangażowany w żadne zadanie – gdy odpoczywa, a jego myśli krążą swobodnie od tematu do tematu. Co może zaskoczyć – sieć związana z uwagą i wykonywaniem zadania – MD (multiple demand network) nie pokrywała się z wykrytymi wcześniej obszarami. W ten sposób wysnuto wniosek, że elementy sieci aktywności bazowej odpowiedzialne są za analizę semantyczną słów (jako, że były bardziej aktywne w przypadkach, gdy badani widzieli słowa, niż gdy widzieli zbitki sylab).

Wyniki

Ostrożnie podchodząc do analizy danych fMRI, można jednak zauważyć, że konkluzja taka nie jest oczywista. Gdyby istniała różnica w trudności zadań, to sam fakt, że jedno z nich jest bardziej wymagające mógłby sprawić, że aktywność neuronalna byłaby inna – sama różnica w aktywności nie jest więc wystarczającym argumentem, by identyfikować obszary odpowiedzialne za semantykę. Temat ten podjął Graves i współpracownicy, przeprowadzając eksperyment, w którym dwadzieścia osób decydowało, czy prezentowane ciągi liter są wyrazami, czy nie. Badacze przygotowali 312 pseudosłów oraz 312 słów, które charakteryzowały się różnym poziomem „wyobrażalności” oraz częstości użyć w języku. Okazało się, że reakcja badanych na słowa łatwe do wyobrażenia oraz występujące w języku częściej była szybsza, niż na słowa o przeciwnych cechach oraz na pseudosłowa. O wiele ciekawiej jednak wyglądało zestawienie obu warunków ze sobą (słowa kontra pseudosłowa) z perspektywy obrazowania: słowa wywołały aktywność w obszarach pokrywających się z siecią MD (związaną z wykonywania angażującego zadania), podczas gdy pseudosłowa sieć aktywności bazowej DM (związaną z rozluźnieniem) – a więc odwrotną do wcześniejszych doniesień.

...to jeszcze nie koniec

To jednak nie wszystko. Po przeprowadzeniu dodatkowego eksperymentu, w którym zestawiono ze sobą tylko słowa – takie, które charakteryzowały się wysoką „wyobrażalnością” oraz niską – z plątaniny fMRI wyłoniła się interesująca wskazówka. Słowa łatwe do wyobrażenia związane były z większą aktywnością w sieci DM w stosunku do trudnych (a więc tą samą co pseudosłowa we wcześniejszym eksperymencie), podczas gdy słowa trudne w stosunku do łatwych: MD (tą samą, co wszystkie słowa wcześniej w stosunku do pseudosłów). Co zatem łączy słowa łatwe do wyobrażenia i pseudosłowa, skoro wywołują podobną aktywność w tych samych regionach mózgu? Odpowiedź brzmi: prostota w rozpoznaniu. Te pierwsze są błyskawicznie przypisywane do utartych śladów pamięciowych, a te drugie wyraźnie nie pasują do niczego. Wyłania się z tego konkluzja, że za różnice w rejestrowanej przez fMRI aktywności najprawdopodobniej odpowiada trudność zadania i to właśnie dlatego we wcześniejszym zestawieniu słów oraz pseudosłów te ostatnie powodowały większą widoczność sieci DM – odpowiada ona bowiem za działania prostsze niż sieć MD (która musiała zająć się pomieszanymi słowami – zarówno o dużym jak i niskim stopniu „wyobrażalności”). Najtrudniej jest upewnić się, czy słowo, które rzadko pojawia się w języku i które jest trudne do wyobrażenia faktycznie jest słowem. Z rozważań tych wynika, że obszary, które uznać można za odpowiedzialne za semantykę, są tak naprawdę odpowiedzialne za analizę trudniejszych słów.

Semantyka w mózgu - co o tym myśleć?

Nietypowe rezultaty Gravesa i współpracowników pokazują, jak skomplikowana jest interpretacja danych fMRI. Być może coś, co wcześniej określano jako aktywność związaną z przetwarzaniem semantycznym jest w znacznym stopniu aktywnością związaną z trudnością zadania. W takiej sytuacji nasza wiedza o semantycznych obszarach mózgu powinna zostać uszczuplona, bądź traktowana z większą ostrożnością. Nie znaczy to, że wszystkie wcześniejsze wyniki trafiają do kosza – w końcu mamy tu do czynienia tylko z dwoma eksperymentami przeprowadzonymi na małych próbach. Nie zmienia to jednak faktu, że najprawdopodobniej czynnik trudności zadania ma większe znaczenie niż do tej pory sądzono więc, po raz kolejny: powinniśmy być ostrożniejsi w interpretacji wyników innych badań o podobnej tematyce.

Na podstawie:

Bennett, C. M., Wolford, G. L., Miller, M. B. (2009). The principled control of false positives in neuroimaging. Social Cognitive and Affective Neuroscience, 4(4), p. 417-422.

Bibliografia:

Bassett, D. B., Yang, M., Wymbs, N. F., Grafton, S. T. (2015). Learning-induced autonomy of sensorimotor systems. Nature Neuroscience, 18, p. 744-751.

Eklunda, A., Nichols, T. E., Knutsson, H. (2016). Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive rates. PNAS, 113(28), p. 7900–7905.

Graves, W. W., Boukrina, O., Mattheiss, S. R., Alexander, E. J., Baillet, S. (2017). Reversing the Standard Neural Signature of the Word–Nonword Distinction. Journal of Cognitive Neuroscience, 29(1), p. 79-94.