پژوهش های جدید در زمینه هوش و اتصالات مغزی نشان می دهند که توانایی شناختی عمومی بیش از آنکه به کارایی کل شبکه مغز وابسته باشد، از الگوهای ارتباطی دقیق و محلی در نواحی خاص نشات می گیرد.
تحقیقات اخیر این ایده رایج رو به چالش می کشه که هوش عمومی به کارایی کلی مغز یا معماری «دنیای کوچک» (small-world) وابسته است. یه مطالعه جدید نشون می ده که معیارهای وسیع و کل نگرِ سازمان دهی شبکه مغز نمی تونن توانایی شناختی رو پیش بینی کنن. در عوض، الگوهای اتصال خاص در نواحی تکی مغز هستن که رابطه بین معماری عصبی و هوش رو هدایت می کنن. این مقاله، بینش جدیدی در مورد هوش و اتصالات مغزی ارائه می دهد و در مجله Cerebral Cortex منتشر شده.
بیش از یک قرنه که دانشمندان درباره منشا بیولوژیکی توانایی شناختی عمومی (GCA) بحث می کنن. این موضوع اغلب به عنوان هوش عمومی شناخته می شه. این نشون دهنده این مشاهده ست که افرادی که در یک نوع تکلیف شناختی خوب عمل می کنن، معمولا در بقیه هم عملکرد خوبی دارن. علوم اعصاب در ابتدا سعی داشت هوش رو در نواحی خاصی از مغز پیدا کنه. بعدها، تمرکز به ارتباطات بین این نواحی تغییر کرد. این رویکرد جدید برای درک هوش و اتصالات مغزی حیاتی است.
نظریه گراف و تحلیل هوش و اتصالات مغزی
محققان امروزی مغز رو مثل یک شبکه پیچیده می بینن. اونا نقشه این اتصالات عصبی رو «کانکتوم» (connectome) می نامند. برای درک این شبکه عظیم، دانشمندان از شاخه ای از ریاضیات به نام نظریه گراف استفاده می کنن. این رویکرد ریاضی، مغز رو به مجموعه ای از گره ها (نواحی) و لبه ها (اتصالات) ساده می کنه.
نظریه گراف به محققان اجازه می ده تا ویژگی های خاص شبکه رو محاسبه کنن. بعضی از ویژگی ها کل شبکه رو به صورت یکجا توصیف می کنن. مثلا «کارایی جهانی» (global efficiency) اندازه گیری می کنه که اطلاعات چقدر راحت می تونن در کل مغز حرکت کنن. بقیه ویژگی ها در سطح محلی عمل می کنن. این معیارهای «سطح گره» نقش یک ناحیه مغزی واحد رو در ساختار بزرگتر توصیف می کنن.
مطالعات قبلی نتایج متفاوتی در مورد رابطه این معیارها با هوش به دست آوردن. بعضی از محققان گزارش دادن که مغزهای باهوش تر، از نظر جهانی کارآمدتر هستن. بقیه ادعا کردن که «دنیای کوچک بودن» (small-worldness)، یعنی تعادلی بین خوشه بندی محلی و اتصالات دوربرد، کلید اصلیه. با این حال، این تحقیقات اولیه اغلب از کم بودن تعداد نمونه ها رنج می بردن. خیلی از اونا کمتر از صد شرکت کننده داشتن. این کمبود داده ها باعث یافته های متناقض شد و نتیجه گیری قطعی رو دشوار کرد. در نتیجه، نیاز به مطالعات گسترده تر برای روشن شدن دقیق هوش و اتصالات مغزی احساس می شد.
برای حل این تضادها، تیمی از محققان یک تحقیق گسترده انجام دادن. این مطالعه توسط ام. فیونا مولی و چاندرا سریپادا از بخش روانپزشکی دانشگاه میشیگان رهبری شد. اونا از دو تا از بزرگترین مجموعه داده های تصویربرداری عصبی موجود استفاده کردن.
اولین مجموعه داده از مطالعه رشد شناختی مغز نوجوانان (ABCD) به دست اومد. این داده ها شامل اسکن های تصویربرداری تشدید مغناطیسی عملکردی (fMRI) از 5937 کودک 9 تا 10 ساله بود. مجموعه داده دوم به عنوان نمونه تکرار عمل کرد که از پروژه کانکتوم انسانی (HCP) گرفته شده بود و شامل اسکن های 847 بزرگسال بود.
محققان داده های fMRI «حالت استراحت» رو تجزیه و تحلیل کردن. این روش فعالیت مغز رو در حالی ثبت می کنه که شرکت کنندگان بیدار هستن اما کار خاصی انجام نمی دن. این کار معماری عملکردی ذاتی مغز رو آشکار می کنه. سپس تیم بررسی کرد که معیارهای مختلف نظریه گراف چقدر خوب می تونن نمره GCA هر شرکت کننده رو پیش بینی کنن.
محققان اول معیارهای کل مغز رو بررسی کردن. اونا 9 ویژگی مختلف، از جمله کارایی جهانی و دنیای کوچک بودن رو محاسبه کردن. اونا هم به اتصالات مثبت (نواحی که با هم فعال می شن) و هم به اتصالات منفی (نواحی که با فعال شدن یکی، دیگری غیرفعال می شه) نگاه کردن.
یافته های کلیدی درباره هوش و اتصالات مغزی؛ از جهانی تا محلی
نتایج واضح بود. هیچ کدوم از معیارهای نظریه گراف در سطح کل مغز، رابطه معناداری با هوش عمومی نشون ندادن. حتی وقتی محققان تمام معیارهای جهانی رو در یک مدل پیش بینی کننده واحد ترکیب کردن، این ارتباط همچنان ناچیز بود. این ایده که یک مغز باهوش تر صرفا یک شبکه «کارآمدتر» یا «دنیای کوچک تر» در کل بدنه هست، توسط داده ها تایید نشد. این یافته ها دیدگاه های پیشین درباره هوش و اتصالات مغزی را به چالش می کشد.
محققان بعدش سراغ معیارهای سطح گره رفتن. این معیارها یک عدد واحد رو به کل مغز اختصاص نمی دن. در عوض، به هر ناحیه متمایز مغز یک مقدار می دن. این رویکرد می پرسه که نواحی خاص چطور به همسایه های خودشون متصل می شن.
اینجا یافته ها کاملا متفاوت بود. پانزده مورد از شانزده معیار سطح گره که در مجموعه داده ABCD ارزیابی شدن، رابطه آماری معناداری با هوش نشون دادن. محققان دریافتن که ویژگی های گره های فردی، پیش بینی کننده های قوی برای GCA هستن.
این مطالعه جزئیات جدیدی از رابطه بین هوش و اتصالات مغزی در سطح گره ای ارائه می دهد. یک معیار خاص به عنوان قوی ترین پیش بینی کننده متمایز شد. این معیار «درجه درون-ماژولی» (within-module degree) نامیده می شه. مغز به صورت جوامع یا ماژول هایی از نواحی با ارتباطات بالا سازمان دهی شده. درجه درون-ماژولی تعیین می کنه که یک گره خاص چقدر خوب با بقیه گره ها در جامعه خودش ارتباط برقرار می کنه.
مطالعه نشون داد که درجه درون-ماژولی بالاتر در نواحی خاصی، هوش بالاتر رو پیش بینی می کنه. این نواحی شامل قطب های گیجگاهی و مخچه بودن. برعکس، در نواحی دیگه ای مثل استریاتوم (striatum) و بخش هایی از قشر گیجگاهی، درجه درون-ماژولی کمتر با هوش بالاتر مرتبط بود. این نشون می ده که برای بعضی از نواحی مغز، ادغامِ محکم با جامعه محلی خودشون از شناخت حمایت می کنه، در حالی که برای بقیه، الگوی متفاوتی بهینه است.
محققان این نتایج رو با تکرار اونا در مجموعه داده بزرگسالان HCP تایید کردن. الگوهای مشاهده شده در کودکان تا حد زیادی در بزرگسالان هم وجود داشت. این تکرار موفقیت آمیز در دو نمونه مستقل با گروه های سنی مختلف، شواهد قوی برای قابل اعتماد بودن یافته ها فراهم می کنه.
تیم همچنین این رویکردهای نظریه گراف رو با یک مدل «کانکتوم کامل» مقایسه کرد. مدل کانکتوم کامل از تک تک اتصالات مغز – بیش از 87000 وزن متمایز – برای پیش بینی هوش استفاده می کنه. این مدل جامع، نمرات GCA رو با بالاترین دقت پیش بینی کرد.
معیارهای گراف سطح گره تجمیع شده حدود 36 تا 39 درصد از قدرت پیش بینی کانکتوم کامل رو به دست آوردن. این نشون می ده که اگرچه نظریه گراف در سطح گره داده ها رو خیلی ساده می کنه، اما بخش قابل توجهی از سیگنال مربوط به هوش رو حفظ می کنه. این کار خلاصه قابل فهم تری نسبت به نگاه کردن به هزاران سیم مجزا ارائه می ده.
محدودیت هایی هم وجود داره که باید در نظر گرفت. این مطالعه منحصرا روی مغز در حال استراحت تمرکز کرده. شبکه های مغزی وقتی افراد کارهای فعال انجام می دن، خودشون رو دوباره پیکربندی می کنن. ممکنه ویژگی های شبکه جهانی در حین حل مسائل پیچیده مرتبط تر بشن. بررسی بیشتر چگونگی تاثیر این تغییرات بر هوش و اتصالات مغزی در آینده ضروری است.
علاوه بر این، محققان از یک اطلس استاندارد برای تعریف گره های مغزی استفاده کردن. این اطلس نواحی مغز رو بر اساس میانگین اتصال عملکردی گروه بندی می کنه. با این حال، آناتومی مغز افراد با هم فرق داره. تحقیقات آینده ممکنه از استفاده از نقشه های مغزی شخصی سازی شده برای هر شرکت کننده سود ببرن.
نکته دیگه، تفسیر خودِ «هوش عمومی» هست. توانایی شناختی با عوامل محیطی درهم تنیده است. این عوامل شامل وضعیت اقتصادی-اجتماعی و فرصت های آموزشی می شن. نشانه های بیولوژیکی شناسایی شده در اینجا احتمالا ترکیبی از نوروبیولوژی ذاتی و تجربه زندگی رو منعکس می کنن؛ درست همان طور که در پژوهش های دیگر تاثیر هروئین بر مغز و اختلال در تفکر خلاق به عنوان یک عامل محیطی و مخرب بر ساختار عصبی مورد مطالعه قرار گرفته است.
با وجود این نکات، این مطالعه یک به روزرسانی قطعی برای علوم اعصابِ هوش ارائه می ده. این کار، حوزه رو از توضیحات ساده و کل نگرِ مغز دور می کنه. نتایج نشون می ده که پایه عصبی هوش یک ویژگی جهانی مثل کارایی کلی نیست. درک بهتر هوش و اتصالات مغزی نیازمند رویکردهای دقیق تر و محلی تری است.
در عوض، به نظر می رسه هوش توسط یک الگوی توزیع شده از اتصال محلی پشتیبانی می شه. نواحی خاص باید به روش های دقیقی در شبکه های محلی خودشون ادغام بشن. این ظرافت در مطالعات قبلی و کوچکتر نادیده گرفته شده بود، اما با داده های در مقیاس بزرگ قابل مشاهده می شه.
این مطالعه با عنوان «معیارهای نظریه گراف در سطح منطقه ای، و نه در سطح کل مغز، به طور قوی و تکرارپذیری با توانایی شناختی عمومی مرتبط هستند ،» توسط ام. فیونا مولی، آمان تاکسالی، مایک آنگشتات، تریستان گریتهاوس، کاترین تودا-ثورن، کاترین ال. مک کوری، الکساندر وایگارد، امید کاردان، لیلی برچل، ماریا دزیوبینسکی، جیسون چوی، ملانی وندرسلویس، کلینتیس مایکل، مری ام. هایتزگ و چاندرا سریپادا نوشته شده است.
در نهایت، این یافته ها نشان می دهند که برای درک واقعی توانایی های ذهنی انسان، باید از نگاه کلی نگر فراتر رفته و به جزئیات شبکه عصبی در سطوح خرد توجه کنیم. هوش پدیده ای فراتر از یکپارچگی ساده است و در واقع محصول تعاملات پیچیده و سازمان یافته در خوشه های محلی مغز محسوب می شود.
Global brain efficiency fails to predict general intelligence in large study
