Esileht > aju ja teadvus, ajuteadus > Radariga aju kallale

Radariga aju kallale

Oleme kirjutanud sellest, et EEG ja MEG signaalidest on raske aju töö kohta midagi detailset välja lugeda, sest EEG ja MEG ruumiline lahutusvõime pole mitte kõige parem Kuid on selge, et ega meil ajaliste dünaamiliste protsesside uurimiseks eriti muid võimalusi ei ole (vahel saab teha mõõtmisi otse patsientide aju seest, kuid selliste võimaluste peale ei saa lootma jääda). Mida siis peaks üks noor teadlane, keda huvitab inimaju dünaamika, ette võtma? Mitte ilmtingimata alla andma ja eriala vahetama – võib ka mõelda ja uusi meetodeid arendada. Andreas Engeli grupis (ja eelkõige Markus Siegeli juhtimisel) arendatakse uut analüüsiraamistikku, mille abil ka EEG / MEG signaalide põhjal ajju ruumiliselt täpsemalt vaadelda.

Selle uue analüüsimeetodi abil suudavad nad peagiilmuvas artiklis näidata, et kui katseisikule esitada kogu aeg üks ja seesama visuaalne illusioon, mida katseisik vahel teadvustab ühtemoodi ja vahel teistmoodi, siis otsustab EEG abil mõõdetav betasageduslik ja gammasageduslik sünkronisatsioon, mida katseisik parajasti teadvustab. See sünkronisatsioon on teadvustamise suhtes põhjuslik, sest sünkronisatsioon juba enne illusiooni ühte või teistpidi teadvustamist määrab, mida katseisik mõne hetke pärast teadvustab. Et aru saada analüüsimeetodi puhul saadavatest tulemustest, võib mainida, et artikli kohaselt oli betasageduslik sünkronisatsioon leitav järgnevate ajustruktuuride vahel: frontaalkorteks, posterioorne parietaalne korteks, lateraalne oktsipitaalne korteks, mediaalne oktsipitaalne korteks. Kes teab midagi EEG ruumilisest lahutusvõimest, peaks siinkohal pisut kulme kergitama – kuidas on see võimalik? Kas EEG’ga on tõesti tänapäeval võimalik saavutada nii häid tulemusi?

EEG (ja vähemal määral ka MEG) puhul on sünkronisatsiooni uurimisel mitmed tuntud probleemid, kuid neist kõige määravam on niiöelda ühisallika probleem. Selle kohaselt mõõdavad iga ajuaktiivsuse allikat mitmed (vähemal määral kõik) elektroodid, mis võivad olla üksteisest kaugel ja isegi eraldatud mitteaktiivsete elektroodide poolt. Näiteks võib sünkronisatsioon otsmikul ja kuklal paiknevate elektroodide vahel olla tõeline füsioloogiline sünkronisatsioon, või siis aga pseudosünkronisatsioon, kus need elektoodid mõõdavad lihtsalt ühte ja sedasama aktiivsusallikat. Seega on elektroodi-tasemel mõõdetavat sünkronisatsiooni keeruline tõlgendada. Kuidas seda probleemi lahendada?

Lahendus on vaat et banaalne: tuleb analüüsist elektroodide-ruumist liikuda allikaruumi, ajuaktiivsuse ruumi. Nali on selles, et kui see vahesamm oleks niisama lihtne, siis teeksid seda ju kõik. Ehkki „allikaruumi liikumine“ kõlab lahendusena, on probleemiks just seesama liigutus ise – kuidas elektroodidelt mõõdetud aktiivsuse järgi saada tõeliste ajuaktiivsuse allikate juurde? See pole sugugi triviaalne. Autorid kasutavad „beamformingu“ meetodit, mis tuleb sonari- ja radariteadusest. Lihtsalt sõnastades ei üritata beamformingu puhul mitte elektroodidelt mõõdetava aktiivsuse järgi hinnata, millised allikad on aktiivsed (nagu muude meetodite puhul), vaid jagatakse aju suureks hulgaks potentsiaalseteks allikateks (kuubikesteks) ja üritatakse iga allika jaoks eraldi hinnata tema aktiivsust. See viimane samm on pisut keerukas, kuid tähtis on teada, et selle hinnangu jaoks kasutatakse kogu andmestruktuuri – üksikkatsekordade ajal erinevatelt elektroodidelt mõõdetud aktiivsuste omavahelisi suhteid. Enamus muid meetodeid ignoreerivad selliseid andmeid ja seetõttu on beamforming ka nendest edukam – kasutades rohkem informatsiooni saab ka kätte paremat informatsiooni. Ja kui kuubikesed on tehtud ja neist igaühe jaoks on aktiivsus hinnatud, saab muidugi arvutada sünkroonsust nende kuubikeste aktiivsuse vahel.

Antud töö pole küll mitte esimene tähtis töö, kus beamformingut kasutatakse tervete katseisikute ajust saadud andmete analüüsil (MEG andmetega on seda varem teinud Gross jt., 2001; Siegel jt., 2008), kuid see on esimene töö nii kõrgel ajakirjas nagu Neuron, kus seda kasutatakse EEG puhul (millele on beamformingut raskem rakendada kui MEG-signaalidele). Kui ma seda meetodit (beamformingust saadud andmete sünkroniseerimise uurimist) täielikult usaldaksin, siis rakendaksin seda vist jalamaid, kuid hetkel tahaksin veel pisut aega skeptiline olla. Aga kui see meetod heaks kiidetakse ja ajahamba proovile vastu peab, annab ta võimaluse ka EEG signaalide abil aju kohta nii mõndagi teada saada.

  1. jaanaru
    jaanuar 26, 2011, 5:24 p.l.

    see kommenteeritud töö sai avaldatud tänases Neuroni numbris: http://www.cell.com/neuron/fulltext/S0896-6273%2810%2901075-5 ; töö juures on ka Wolf Singeri kommentaar – http://www.cell.com/neuron/fulltext/S0896-6273%2811%2900033-X . huvitaval kombel on mõlemad artiklid praegusel hetkel Neuroni võrgulehel tasuta kättesaadavad.

  1. No trackbacks yet.

Lisa kommentaar

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Muuda )

Twitter picture

You are commenting using your Twitter account. Log Out / Muuda )

Facebook photo

You are commenting using your Facebook account. Log Out / Muuda )

Google+ photo

You are commenting using your Google+ account. Log Out / Muuda )

Connecting to %s