Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Decoding memory processing from experimental and spontaneous human brain activity using intracranial electrophysiological recordings and machine learning based methods.

Article Category

Article available in the following languages:

Rzadki dostęp do pacjentów z implantami wewnątrzczaszkowymi daje wgląd w to, jak powstają wspomnienia

Bardzo niewiele wiadomo o tym, w jaki sposób mózg przechowuje informacje, które później wykorzystuje, mimo że są one niezbędne dla funkcji poznawczych. Lepsze zrozumienie tego procesu mogłoby usprawnić badania nad zaburzeniami pamięci w chorobach zwyrodnieniowych, takich jak otępienia związane z wiekiem.

Prace przeprowadzone przez dr Jessikę Schrouff w ramach projektu DecoMP_ECoG dotyczyły tworzenia wspomnień. Badania wykorzystywały wewnątrzczaszkowe zapisy elektrofizjologiczne z powierzchni ludzkiego mózgu do badania kodowania, wyszukiwania i konsolidacji informacji specyficznych dla danej kategorii. Trudno jest zbadać, jak dokładnie powstają wspomnienia. Jak wyjaśnia dr Schrouff: „Zazwyczaj pokazujemy uczestnikom badania materiały, a później badacz sprawdza, co z nich zapamiętali. Jednak kiedy dokładnie powstało wspomnienie? Jak materiały zostały zapisane w mózgu i gdzie? Kwestie te były badane u ludzi głównie pośrednio, na przykład wtedy, gdy ludzie przypominali sobie materiały”. „W czasie doktoratu badałam ten proces z zużyciem funkcjonalnego obrazowania metodą rezonansu magnetycznego (fMRI), ale rozdzielczość czasowa była niewielka (6-12 sekund). W Stanford mogłam pracować z użyciem elektrod wewnątrzczaszkowych, które pozwalały badać sygnały mózgowe z dokładnością do milisekund i precyzyjnie określać ich lokalizację anatomiczną”. Dysponujemy niewielką liczbą zapisów wewnątrzczaszkowych u ludzi, ponieważ ich uzyskiwanie jest bardzo inwazyjne. W projekcie DecoMP_ECoG, wspieranym przez program Marie Curie, skierowano do szpitala pacjentów z padaczką lekooporną. Wszczepiono im elektrody na powierzchni mózgu, aby zlokalizować źródło padaczki. Elektrody pozostawiono w głowach pacjentów na kilka dni, a lekarze czekali, aż wystąpi napad padaczkowy. O ile było to możliwe i bezpieczne, usuwano „chorą” część mózgu, a tym samym źródło napadów. „Podczas pobytu w szpitalu ze wszczepionymi elektrodami (zwykle 7–10 dni) niektórzy pacjenci poddali się dobrowolnym testom poznawczym. Nasz zespół przeprowadził przyłóżkowo różne testy poznawcze. Przykładowo sprawdziliśmy, jak mózg postrzega liczby albo też – w moim przypadku – jak tworzone są wspomnienia i jak „przechodzą” pomiędzy różnymi obszarami w mózgu”. Wadą tych prób było to, że populacja pacjentów z padaczką była bardzo niejednorodna – dla niektórych zadanie było zbyt proste i uczyli się zbyt szybko, zaś inni w ogóle nie mogli zapamiętać materiałów. Dodatkowo elektrody umieszczono w obszarach istotnych klinicznie, co znaczy, że sygnały powstające podczas procesu uczenia mogły być silnie zniekształcone przez zmiany napadowe. „Choć było to bardzo kształcące doświadczenie, ograniczyło to siłę statystyczną naszych wyników”, mówi dr Schrouff. Na szczęście to ograniczenie nie uniemożliwiło użycia nowych metod analitycznych. W swojej pracy dr Schrouff skupiła się na użyciu technik uczenia maszynowego, tj. modeli, które uczą się wykonywania zadania na podstawie przykładowych danych. Zadaniem było przewidzenie, które dokładnie materiały zostały przedstawione pacjentowi. Jak mówi: „Pokazaliśmy sekwencję obrazów twarzy, zwierząt i słów. Danymi przykładowymi były sygnały mózgowe powstałe podczas prezentacji, a model przewidywał czy pacjentowi pokazano twarz, zwierzę, czy słowo na podstawie ich sygnału mózgowego”. Takie modele były już używane w neuroobrazowaniu, ale niewiele jest badań opartych na zapisach wewnątrzczaszkowych. Poza tym wciąż trwa dyskusja na temat tego, jak model analizuje przykładowe dane i jak robi to mózg. Na doktoracie dr Schrouff badała dogłębnie ten związek. „Uważam, że ta praca wzbogaciła zbiór publikacji związanych z tym tematem, ale również zwiększyła świadomość użytkowników modeli uczenia maszynowego. Zaimplementowałam też swoją pracę w oprogramowaniu open-source PRoNTo, które niedługo zostanie opublikowane.”

Słowa kluczowe

DecoMP_ECoG, funkcje poznawcze, pamięć, zapisy elektrod wewnątrzczaszkowych, uczenie maszynowe, interpretacja wyników

Znajdź inne artykuły w tej samej dziedzinie zastosowania