站在臨界點上的全腦影像

複雜的神經網路包含了興奮型、抑制型神經元,其動態必須被精細地調控。一個太「穩定」的神經網路可說是很笨的,因為所有的訊號都將石沉大海;一個太興奮的網路則會把所有訊號和雜訊一起放大,一點點刺激便星火燎原,癲癇便是這種情況。因此一顆正常運作的大腦應該位於「臨界點(Criticality)」上,才能有彈性又能反應各種變化。實驗上已發現神經系統的許多行為的確符合臨界點的數學特性,這個月發表在期刊NeuroImage上的研究分析了大腦在休息狀態下的腦磁圖(Magneto-encephalography,以下稱MEG)全腦影像,也進一步支持了這個論點。

所以「臨界點」到底是什麼?最簡單的例子是水的沸點——在固態與液態下,水/水氣的體積隨著溫度增高而有緩和的變化,但在沸點水一下子變成水氣,體積膨脹的速度幾乎是無限大的。統計物理處理由非常多單元構成的系統,此時我們已無法完整地呈現各個單元的行為,因此描述整個系統須引入一些巨觀的物理量,例如上述的溫度、體積。當其中一個物理量在某些條件下忽然劇烈地改變,這便是「相變化(phase transition)」,臨界點就是相變產生的點。系統在同一個相之內的變化通常是連續的,而在經過不連續的相變化之後,在另一個相之下的行為會呈現另一種很不同的連續的行為,比如液態和氣態、穩定或興奮的大腦。

臨界點的另一個特色是:物理量在臨界點附近會遵循冪次定律(power law),即指數變化。指數變化又被稱為「無尺度的(scale-free)」––試以log-log scale畫出指數函數y=x^a,我們會得到一條斜率是a的斜直線,這代表不管在什麼尺度下,這個函數的行為都長得差不多(無論大尺度或小尺度,斜率都是a);換句話說,這個函數的變化範圍,並沒有侷限、偏好特定的尺度,因此稱為scale-free。神經科學中,科學家在大腦上量測到各種符合power law訊號分佈,以此來佐證腦網路工作狀態應是在臨界點的猜測。

以往相關的的實驗分析多侷限於局部腦區,或是擷取網路中的部分節點做分析,這篇研究的賣點在於他分析了全腦訊號,展示了全腦活動的平均強度與同步相位都呈現指數分佈。他們還發現平均強度和同步相位的指數分別有特定數值,可能代表了它們對應到不同的認知功能,不過具體是什麼功能有待進一步的詮釋與驗證。

另一個亮點是MEG數據。MEG早在1960年代就被發明,但直至近年才因電腦運算能力的進步逐漸顯露優勢。相較於他的兄弟腦電圖(Electroencephalographic, EEG),MEG使用磁場的訊號,較電訊號不容易受到頭骨和頭皮等軟組織的干擾;相較於近年來可謂人盡皆知的功能性核磁造影(functional magnetic resonance, fMRI),MEG能夠直接量測神經訊號(fMRI量測血氧濃度),並擁有更高的時間解析度。已有許多研究使用EEG或fMRI數據,以類似的方法顯示大腦的工作狀態可能是在臨界點,這篇研究提供了更進一步的證據。值得注意的是:雖然指數分佈是臨界點附近的一個特色,但有指數分佈不一定就是臨界點,也可能是其他狀態。而本篇研究之所以偏好臨界點的詮釋,仍是因其符合大量EEG和fMRI研究更多分析的結果。


原始論文: Daffertshofer et al. (2018). Distinct criticality of phase and amplitude dynamics in the resting brain. NeuroImage.
https://www.sciencedirect.com/science/article/pii/S1053811918301873

撰稿:李宛儒

留言