Hur hjärnan gör vad den gör är mer komplext än vad anatomin i sig självt antyder
Hur hjärnan fungerar är fortfarande ett pussel med bara några få bitar på plats. Av dessa är en stor bit faktiskt en gissning: att det finns ett samband mellan hjärnans fysiska struktur och dess funktionalitet.
Hjärnans uppgifter omfattar tolkning av beröring, visuella och ljudinflöden samt tal, resonemang, känslor, inlärning, finkontroll av rörelser och många andra. Neurovetare antar att det är hjärnans anatomi – med sina hundratals miljarder nervfibrer – som gör alla dessa funktioner möjliga. Hjärnans ”levande trådar” är sammankopplade i utstuderade neurologiska nätverk som ger upphov till människans fantastiska förmågor.
Det verkar som om forskare kan kartlägga nervfibrerna och deras kopplingar och registrera tidpunkten för de impulser som flödar genom dem för en högre funktion som t.ex. synen, så borde de kunna lösa frågan om hur man ser, till exempel. Forskarna blir allt bättre på att kartlägga hjärnan med hjälp av traktografi – en teknik som visuellt representerar nervfibervägar med hjälp av 3D-modellering. Och de blir bättre på att registrera hur informationen rör sig genom hjärnan genom att använda förbättrad funktionell magnetresonanstomografi för att mäta blodflödet.
Men trots dessa verktyg verkar ingen ha kommit mycket närmare att ta reda på hur vi verkligen ser. Neurovetenskapen har bara en rudimentär förståelse för hur allting hänger ihop.
För att komma till rätta med denna brist fokuserar min grupps biotekniska forskning på sambanden mellan hjärnans struktur och funktion. Det övergripande målet är att vetenskapligt förklara alla förbindelser – både anatomiska och trådlösa – som aktiverar olika hjärnområden under kognitiva uppgifter. Vi arbetar med komplexa modeller som bättre fångar vad forskarna vet om hjärnans funktion.
En tydligare bild av struktur och funktion kan i slutändan finjustera de sätt på vilka hjärnkirurgi försöker korrigera strukturen och, omvänt, medicinering försöker korrigera funktionen.
Trådlösa hot spots i huvudet
Kognitiva funktioner som t.ex. resonemang och inlärning använder sig av ett antal distinkta hjärnregioner i en tidsföljd. Enbart anatomin – neuronerna och nervfibrerna – kan inte förklara exciteringen av dessa regioner, samtidigt eller i tandem.
Vissa förbindelser är faktiskt ”trådlösa”. Dessa är elektriska närfältsförbindelser och inte de fysiska förbindelser som fångas i traktografer.
Min forskargrupp har arbetat i flera år med att i detalj beskriva ursprunget till dessa trådlösa förbindelser och mäta deras fältstyrkor. En mycket enkel analogi för vad som händer i hjärnan är hur en trådlös router fungerar. Internet levereras till en router via en trådbunden anslutning. Routern skickar sedan informationen till din bärbara dator med hjälp av trådlösa anslutningar. Det övergripande systemet för informationsöverföring fungerar tack vare både trådbundna och trådlösa förbindelser.
I hjärnans fall leder nervcellerna elektriska impulser längs långa trådliknande armar, så kallade axoner, från cellkroppen till andra neuroner. Längs vägen sänds trådlösa signaler naturligt ut från oisolerade delar av nervcellerna. Dessa ställen som saknar den skyddande isolering som omsluter resten av axonen kallas Ranvier-knutar.
Ranvier-knutarna gör det möjligt för laddade joner att diffundera in och ut ur neuronen, vilket sprider den elektriska signalen nedåt i axonen. När jonerna flödar in och ut genereras elektriska fält. Intensiteten och strukturen hos dessa fält beror på nervcellens aktivitet.
Här på Global Center for Neurological Networks fokuserar vi på hur dessa trådlösa signaler fungerar i hjärnan för att kommunicera information.
Hjärnans icke-linjära värld
Undersökningar av hur upphetsade hjärnregioner stämmer överens med kognitiva funktioner gör ett annat misstag när de bygger på antaganden som leder till alltför enkla modeller.
Forskare tenderar att modellera förhållandet som linjärt med en enda variabel, där man mäter den genomsnittliga storleken av en enskild hjärnregionens svar. Det är logiken bakom utformningen av den första hörapparaten – om en persons röst blir dubbelt så hög bör örat reagera dubbelt så mycket.
Men hörapparater har förbättrats avsevärt under årens lopp i takt med att forskare bättre har förstått att örat inte är ett linjärt system och att det behövs en form av icke-linjär komprimering för att matcha de genererade ljuden med lyssnarens förmåga. Faktum är att de flesta levande varelser inte har sensoriska system som reagerar linjärt, en-till-en-sätt på stimuli.
Linjära modeller utgår från att om man fördubblar insignalen till ett system, så fördubblar man också utgången från det systemet. Detta gäller inte för icke-linjära modeller, där många utgångsvärden kan existera för ett enda värde på ingången. Och de flesta forskare är överens om att neurala beräkningar faktiskt är icke-linjära.
En avgörande fråga för att förstå kopplingen mellan hjärna och beteende är hur hjärnan bestämmer sig för den bästa handlingsvägen bland konkurrerande alternativ. Till exempel gör hjärnans frontala cortex optimala val genom att beräkna många kvantiteter, eller variabler – genom att beräkna den potentiella vinsten, sannolikheten för att lyckas och kostnaden i form av tid och ansträngning. Eftersom systemet är icke-linjärt kan en fördubbling av den potentiella vinsten göra ett slutligt beslut mycket mer än dubbelt så sannolikt.
Linjära modeller missar det rika utbudet av möjligheter som kan förekomma i hjärnans funktion, särskilt sådana som ligger bortom vad den anatomiska strukturen skulle kunna antyda. Det är som skillnaden mellan en 2D- och 3D-representation av världen omkring oss.
De nuvarande linjära modellerna beskriver bara den genomsnittliga excitationsnivån i en hjärnregion, eller flödet över en hjärnyta. Det är mycket mindre information än vad mina kollegor och jag använder när vi bygger upp våra icke-linjära modeller från både förbättrad funktionell magnetresonansavbildning och data från bioimaging med elektriskt närfält. Våra modeller ger en 3D-bild av informationsflödet över hjärnans ytor och till djupen i hjärnan – och för oss närmare en representation av hur allt fungerar.
Normal anatomi, fysiologisk dysfunktion
Mitt forskarlag är fascinerat av det faktum att människor med helt normala hjärnstrukturer kan ha stora funktionsproblem.
Som en del av vår forskning om neurologisk dysfunktion besöker vi personer på hospice, i stödgrupper för sörjande, på rehabiliteringskliniker, på traumacentraler och på akutsjukhus. Vi blir ständigt förvånade över att inse att människor som har förlorat nära och kära kan uppvisa liknande symtom som patienter som diagnostiserats med Alzheimers sjukdom.
Sorg är en rad känslomässiga, kognitiva, funktionella och beteendemässiga reaktioner på dödsfall eller andra typer av förluster. Det är inte ett tillstånd, utan snarare en process som antingen kan vara tillfällig eller pågående.
De friska hjärnorna hos dem som lider av fysiologisk sorg har inte samma anatomiska problem – inklusive krympta hjärnregioner och störda kopplingar mellan nätverk av neuroner – som finns i hjärnorna hos personer med Alzheimers sjukdom.
Vi tror att detta bara är ett exempel på hur hjärnans hot spots – de förbindelser som inte är fysiska – plus rikedomen i hjärnans icke-linjära funktion kan leda till resultat som inte skulle kunna förutsägas av en hjärnskanning. Det finns sannolikt många fler exempel.
Dessa idéer kan visa vägen till lindring av allvarliga neurologiska tillstånd genom icke-invasiva metoder. Terapi vid sorg och icke-invasiva, elektriska enheter för neuromodulering i närfältet kan minska de symtom som är förknippade med förlusten av en nära anhörig. Kanske borde dessa protokoll och förfaranden erbjudas i större utsträckning till patienter som lider av neurologisk dysfunktion där avbildningen avslöjar anatomiska förändringar. Det skulle kunna rädda en del av dessa personer från invasiva kirurgiska ingrepp.
Diagrammering av alla hjärnans icke-fysiska länkar med hjälp av våra senaste framsteg inom kartläggning av elektriskt närfält, och användning av vad vi tror är biologiskt realistiska icke-linjära modeller med många variabler, kommer att föra oss ett steg närmare dit vi vill komma. En bättre förståelse av hjärnan kommer inte bara att minska behovet av invasiva operationer för att korrigera funktionen, utan kommer också att leda till bättre modeller för det som hjärnan gör bäst: beräkning, minne, nätverk och informationsfördelning.