تحقیقات جدید علوم اعصاب یک الگوی مغز مشترک را در بسیاری از تشخیص‌های روانپزشکی نشان می‌دهد

هنگامی که مغز انسان سالم از استراحت آرام به یک کار ذهنی سخت تبدیل می شود، شبکه های ارتباطی در مقیاس بزرگ آن به طور انعطاف پذیری سازماندهی مجدد می شوند تا با این چالش مقابله کنند. یک مطالعه جدید تصویربرداری عصبی منتشر شده در ارتباطات طبیعت نشان می دهد که این تغییر انطباقی در افراد مبتلا به تشخیص های روانپزشکی کاهش یافته یا “مسطح” می شود. این یافته ها همچنین نشان می دهد که این تغییرات شبکه ممکن است بیشتر با ترکیب خاص علائم یک فرد مطابقت داشته باشد تا تشخیص رسمی.

برای مطالعه اینکه چگونه مغز اطلاعات را هماهنگ می کند، عصب شناسان شبکه های عملکردی مغز را مطالعه می کنند، که گروه هایی از مناطق مختلف در قشر بیرونی مغز و ساختارهای عمیق تر هستند که با هم کار می کنند. دانشمندان با استفاده از تصویربرداری رزونانس مغناطیسی عملکردی (fMRI)، اسکنی که تغییرات جریان خون مرتبط با فعالیت عصبی را ردیابی می‌کند، اتصال عملکردی را با اندازه‌گیری میزان افزایش و کاهش همزمان فعالیت در نواحی مختلف مغز ارزیابی می‌کنند. مغز به جای اینکه به عنوان یک برد مدار ثابت عمل کند، به عنوان یک سیستم پویا عمل می کند که به طور مداوم این اتصالات را برای پاسخگویی به تقاضاهای در حال تغییر تنظیم می کند.

بسیاری از مطالعات تصویربرداری مغز بر اسکن‌های ایستا و در حالت استراحت تکیه می‌کنند که میانگین اتصال را در حالی که فرد به آرامی در اسکنر دراز می‌کشد، اندازه‌گیری می‌کند. با این حال، یک مطالعه تصویربرداری عصبی در سال 2016 بر روی بزرگسالان جوان سالم نشان داد که شبکه‌های مغز به طور فعال از این خط پایه در طول کارها سازمان‌دهی می‌شوند و برای اقدامات حرکتی ساده نسبت به چالش‌های پیچیده حافظه کاری متفاوت تغییر می‌کنند. به طور مشابه، یک مطالعه در سال 2021 در مجله علوم اعصاب یکی از نویسندگان نویسنده اصلی مطالعه جدید، Carrisa Cocuzza، خاطرنشان کرد که اگرچه تغییرات در اتصالات مربوط به کار ظریف بود، اما این تنظیمات خاص فرد، پیش‌بینی فعالیت مغز را در دوجین حالت شناختی بهبود بخشید.

پیوند این تغییرات شبکه با بیماری روانی پیچیده است زیرا تشخیص های روانپزشکی سنتی اغلب بیماران را با ترکیبات بسیار متفاوتی از علائم گروه بندی می کنند، در حالی که افراد با تشخیص های مختلف مانند افسردگی و اسکیزوفرنی ممکن است مشکلاتی مانند انگیزه پایین، خستگی یا مشکل در برنامه ریزی مشترک داشته باشند. حتی افراد بدون تشخیص بالینی ممکن است نسخه‌های خفیف یا موقتی از این مشکلات را تجربه کنند، که محققان را بر آن می‌دارد تا سلامت روان را از طریق ابعاد گسترده عملکرد به جای دسته‌بندی‌های سفت و سخت ببینند.

با حمایت از این دیدگاه، تحقیقات قبلی تصویربرداری عصبی در کودکان، نوجوانان و بزرگسالان نشان داد که الگوهای اتصال مغز در دسته‌های گسترده‌ای از علائم، مانند مشکلات درونی متمرکز بر درون در مقابل رفتارهای بیرونی متمرکز بر بیرون، سازگارتر است تا بین آنها در طول رشد.

مطالعات قبلی همچنین نشان داده‌اند که ارتباط استراحت متغیر با زمان، بیماران مبتلا به اسکیزوفرنی، اختلال دوقطبی یا ADHD را بهتر از معیارهای ثابت اتصال از همسالان سالم جدا می‌کند. بر اساس این کار، Carrisa V. Cocuzza از دانشگاه Rutgers و دانشگاه Yale، نویسنده ارشد Avram J. Holmes از Rutgers و همکارانشان بررسی کردند که آیا پیکربندی مجدد شبکه کل مغز با استفاده از اسکن استراحت و وظیفه می‌تواند نمایه‌های علائم فردی را در اختلالات سلامت و روانپزشکی ترسیم کند.

محققان داده‌های 219 بزرگسال 18 تا 70 ساله (میانگین سنی 36.2 سال؛ 123 زن، 93 مرد و 3 فرد غیر دودویی) را از پروژه Transdiagnostic Connectome، یک مجموعه داده عمومی که قبلا در دانشگاه ییل و بیمارستان مک‌لین توسط چندین نویسنده مشابه جمع‌آوری شده بود، تجزیه و تحلیل کردند. نمونه شامل 134 شرکت کننده در 11 گروه تشخیصی اولیه، از جمله افسردگی، اضطراب، اختلال دوقطبی، PTSD، اسکیزوفرنی یا اختلال اسکیزوافکتیو، اختلال مصرف مواد، ADHD، OCD، اختلال هراس، و اختلالات خوردن، همراه با 85 شرکت کننده بدون سابقه روانپزشکی بود. برای جلوگیری از نشت داده‌ها هنگامی که اطلاعات شرکت‌کنندگان در آزمون به فرآیند آموزشی وارد می‌شود، تیم نمونه را به مجموعه‌ای از 176 شرکت‌کننده و مجموعه اعتبارسنجی از 43 شرکت‌کننده تقسیم کرد که صرفاً برای آزمایش نهایی رزرو شده‌اند. هم داده ها و هم کد آنالیز به صورت عمومی منتشر شده اند و نویسندگان مدل های مقایسه اسکن خود را به عنوان اثبات اکتشافی مفهوم تشریح کرده اند.

برای نمایه کردن عملکرد شرکت‌کنندگان، تیم ۱۱۰ معیار بالینی، رفتاری و شناختی را از مصاحبه‌ها، مقیاس‌های خودگزارشی و آزمون‌های شناختی تجزیه و تحلیل کرد. محققان با استفاده از یک الگوریتم خوشه‌بندی که بر اساس تفاوت نمرات مشابه در بین افراد گروه‌بندی می‌کند، نمرات را در چهار بعد سازمان‌دهی کردند: درونی‌سازی (مانند افسردگی، اضطراب و روان رنجورخویی)، برونی‌سازی (مانند تحریک‌پذیری و برون‌گرایی)، شناختی (مانند عملکرد آزمون هوش و شناختی)، و عملکرد اجتماعی یا پاداش‌دهی به تجربه (نظیر رابطه).

هر برچسب تنها متداول‌ترین موضوع را در خوشه خود منعکس می‌کند، که بین 20 درصد معیارها در خوشه اجتماعی/پاداش و 40 درصد در خوشه درونی‌سازی مطابقت دارد، و نویسندگان از خواندن بیش از حد نام‌ها احتیاط می‌کنند. با آزمایش اینکه آیا امتیاز هر شرکت‌کننده در هر بعد از بقیه گروه متمایز است یا خیر، محققان یک الگوی باینری را در چهار حوزه اختصاص دادند که 16 ترکیب ممکن به نام “اثر انگشت علائم” را به دست آوردند.

شرکت کنندگان همچنین شش اسکن fMRI را در سه حالت ذهنی انجام دادند: سه دویدن در حالت استراحت، دو دویدن در یک کار کنترل شناختی Stroop که از آنها می‌خواست پاسخ خواندن خودکار را برای نام‌گذاری رنگ جوهر یک کلمه سرکوب کنند، و یک دویدن روی یک کار با چهره‌های احساسی که شامل عبارات ترسناک است. برای هر اسکن، محققان همبستگی فعالیت را در 434 ناحیه قشر، زیر قشری و مخچه که در 21 شبکه عملکردی سازماندهی شده بودند اندازه‌گیری کردند. آنها سپس از یک تکنیک تجزیه یادگیری ماشین برای استخراج بلوک‌های ساختمانی شبکه استفاده کردند و ردیابی کردند که کارآمدترین و جداسازی‌شده‌ترین بلوک ساختمانی چقدر در شش اسکن بیان شده است.

با مقایسه الگوهای شبکه در شش اسکن در گروه تشخیص 176 نفری، محققان دریافتند که 108 شرکت‌کننده با تشخیص‌های روان‌پزشکی، نسبت به 68 شرکت‌کننده تشخیص‌نشده، تغییرات اسکن به اسکن کمتری را نشان دادند. با استفاده از یک امتیاز شباهت از -1 (کاملاً مخالف) تا 1 (یکسان) در تمام 15 جفت اسکن، شرکت‌کنندگان بدون تشخیص به طور میانگین 0.91 امتیاز گرفتند، در حالی که آنهایی که تشخیص داشتند میانگین 0.95 را کسب کردند که نشان‌دهنده همترازی آماری به طور قابل‌توجهی در هنگام آزمایش در برابر 10000 الگوی تهی مخلوط شده است. مقایسه‌های توصیفی بین گروه‌های تشخیصی نشان داد که پویایی یکسانی در بین شرایط مشاهده شد، با اختلال هراس، اختلالات خوردن، OCD و ADHD برجسته‌ترین، اگرچه هر یک از این گروه‌ها فقط شامل دو تا چهار نفر بودند.

16 اثر انگشت از علائم رفتاری بر روی برچسب های تشخیصی سنتی بریده می شود. نمایه‌ای که فقط شامل علائم درونی‌سازی می‌شود عمدتاً شامل افراد مبتلا به افسردگی بود، در حالی که پروفایل‌های چند بعدی، مانند آنهایی که ابعاد درونی‌سازی و شناختی را با هم ترکیب می‌کنند یا هر چهار بعد را به طور همزمان بیان می‌کنند، شرکت‌کنندگان با تشخیص‌های مختلف مانند PTSD و همچنین افراد بدون تشخیص روان‌پزشکی را ترکیب می‌کرد.

با استفاده از یک طبقه‌بندی‌کننده یادگیری ماشینی که روی ۴۳ شرکت‌کننده اعتبارسنجی آزمایش شد، پویایی شبکه مغز در شش اسکن وضعیت حالت دودویی یا کنترل، تشخیص اولیه و ۱۶ اثر انگشت علامت را در سطوح احتمال بالای تقریباً ۵۰٪، ۸.۳٪ و ۶.۶٪ به ترتیب پیش‌بینی کرد (دقت مورد انتظار از فرض محاسبه‌شده با به هم زدن برچسب‌ها). آمار آزمون استاندارد، مورد یا شاهد طبقه‌بندی باینری را بالاترین رتبه‌بندی کرد، اما با اندازه‌گیری استاندارد شده اندازه اثر، مقادیر طبقه‌بندی برای اثر انگشت علائم بیش از پنج برابر بیشتر از وضعیت مورد یا شاهد و تقریباً دو برابر بیشتر از تشخیص‌های اولیه بود. با این حال، نویسندگان خاطرنشان می کنند که مقادیر احتمالی پایه مختلف و نویز نامشخص در نتایج، مقایسه مستقیم را پیچیده می کند.

برای شناسایی سیستم‌های مغزی که طبقه‌بندی اثر انگشت را کنترل می‌کنند، محققان قبل از اجرای مجدد طبقه‌بندی کننده در مجموعه اعتبارسنجی، یک شبکه کاربردی را به صورت دیجیتالی حذف کردند. اختلال در سیستم‌های درگیر در کنترل شناختی، به‌ویژه بخشی از شبکه کنترل جلو-پاریتال (مناطق در لوب‌های فرونتال و جداری که از کنترل هدفمند پشتیبانی می‌کنند) و تالاموس (یک مرکز رله در اعماق مغز)، و همچنین شبکه‌های لیمبیک، بصری و حرکتی جسمی، منجر به کاهش آماری معنی‌دار دقت طبقه‌بندی تا 2 درصد شد. حذف یک بخش فرعی از شبکه حالت پیش‌فرض، که معمولاً تمرکز و استراحت را به داخل حفظ می‌کند، دقت را اندکی افزایش داد، اگرچه این تغییر از نظر آماری معنی‌دار نبود. نویسندگان پیشنهاد می‌کنند که حالت پیش‌فرض و سیستم‌های frontoparietal ممکن است نقش‌های مکمل را در جابه‌جایی بین حالت‌های ذهنی آسان و سخت بازی کنند.

در یک تحلیل اکتشافی با مقایسه هفت ترکیب اسکن، هر شش اسکن پایین‌ترین عملکرد طبقه‌بندی اثر انگشت را داشتند، که نشان می‌دهد عملکرد طبقه‌بندی به سادگی با داده‌های مغزی بیشتر افزایش نمی‌یابد، اگرچه تفاوت‌های بین هفت مدل کوچک بوده و به طور رسمی در برابر یکدیگر آزمایش نشده‌اند. در میان این مقایسه‌ها، مدل ترکیبی از اسکن در حالت استراحت و اسکن استروپ بهترین عملکرد را داشت، با نواحی در شبکه فرونتوپاریتال، تالاموس و جسم مخطط (ساختار عمیق مغز درگیر در عمل و پاداش) به‌عنوان قطب‌های ارتباطی اولیه عمل می‌کنند. نویسندگان پیشنهاد می‌کنند که چگونه مغز انعطاف‌پذیر از حالت استراحت به حالت کنترل شناختی قوی‌تر تغییر می‌کند، ممکن است یک عامل کلیدی در شکل‌دهی نمایه‌های علائم فرا تشخیصی باشد.

این یافته که پویایی مغز تغییر یافته پروفایل علائم را ردیابی می کند با یک مطالعه تصویربرداری عصبی قبلی از بزرگسالان سالم با تجربیات روان پریشی و تصویربرداری نوری مغز از کودکان خردسال مبتلا به اوتیسم مطابقت دارد، که هر دو تغییر زمان صرف شده در برخی وضعیت های مغزی را با علائم روانپزشکی مرتبط می کنند: تجربیات روان پریشی در بزرگسالان سالم و شدت علائم بیشتر در کودکان مبتلا به اوتیسم.

با این حال، این مطالعات قبلی روان پریشی تحت بالینی در حال استراحت و اتصال نوری لحظه به لحظه را در کودکان مورد بررسی قرار دادند، نه تغییرات fMRI در چندین کار. در عین حال، یافته‌های پویایی مسطح در بیماری‌های روانپزشکی با مطالعه قبلی fMRI در حالت استراحت روی کاربران داروهای ضد افسردگی که نشان می‌داد پیکربندی‌های مجدد شبکه پویا با استفاده از داروهای ضد افسردگی متفاوت است، تناقض دارد، نه فقط تشخیص افسردگی یا اضطراب. این تفاوت ممکن است منعکس کننده روشی باشد که دینامیک اندازه گیری شده است، زیرا مطالعه جدید به جای نوسانات در اسکن های استراحت به تنهایی، تغییرات بین اسکن در حالت استراحت و تکلیف را ارزیابی کرده است.

مانند تمام تحقیقات، نکاتی وجود دارد که باید در نظر گرفته شود. از آنجایی که اسکن‌های مغزی و اقدامات رفتاری در طول یک دوره مطالعه جمع‌آوری شده‌اند، نتایج نمی‌توانند تعیین کنند که آیا پویایی شبکه همسو باعث علائم روانپزشکی می‌شود یا نتیجه زندگی با آنها است. بسیاری از بیماری‌های روانپزشکی شامل علائمی هستند که در طول زمان تغییر می‌کنند، و مطالعات طولی آینده که همچنین تغییرات آزمایشی به آزمایش سریع در وظایف را دنبال می‌کنند، برای بررسی چگونگی تکامل پویایی شبکه همراه با تغییر علائم مورد نیاز است.

محدودیت های نمونه گیری و محدودیت های آماری نیز وجود دارد که باید در نظر گرفته شود. اگرچه گروه کامل شامل 219 نفر بود، مجموعه اعتبارسنجی حفظ شده شامل 43 شرکت‌کننده بود و چندین گروه تشخیصی فردی تنها تعداد انگشت شماری از افراد را شامل می‌شد. از آنجایی که مدل‌های طبقه‌بندی در برابر خطوط پایه تصادفی مختلف و سطوح بالقوه نویز عمل می‌کنند، تکرار این مقایسه‌های اکتشافی در گروه‌های بزرگتر و مستقل با وظایف شناختی اضافی برای تأیید میزان تعمیم یافته‌ها مهم است.

این مطالعه استفاده از دارو را در نظر نگرفت، که مطالعه قبلی آن را با تفاوت‌های پویایی شبکه مرتبط می‌دانست، بنابراین برخی از مسطح‌سازی‌هایی که در شرکت‌کنندگان تشخیص داده شده ممکن است منعکس‌کننده درمان باشد تا بیماری. علاوه بر این، علائم روانپزشکی و داروها ممکن است با تفاوت‌هایی در حرکت سر، تنفس یا هوشیاری در حین اسکن همراه باشند، و تفاوت‌های ظریف در مکان اسکنر بین دانشگاه ییل و بیمارستان مک‌لین ممکن است با وجود اصلاح دقیق حرکت و پروتکل‌های استاندارد، همچنان بر روی الگو تأثیر بگذارد. حتی با وجود این محدودیت‌ها، این مطالعه چارچوب امیدوارکننده‌ای را برای نگاه کردن به فراتر از مرزهای تشخیصی سنتی برای بررسی چگونگی ارتباط هماهنگی مغزی انعطاف‌پذیر با سلامت روان ارائه می‌کند.

مطالعه، پویایی شبکه مغز، وضعیت بیماری روانی را منعکس می کند و نمایه های علائم فرا تشخیصی در سلامت و بیماری، توسط Carrisa V. Cocuzza، Sidhant Chopra، Ashlea Segal، Loïc Labache، Rowena Chin، Kaley Joss و Avram J. Holmes تالیف شده است.