عبر تحليل نمط مشروط متعدد المتغيرات

الهدف من التجربة التالية هو استخدام تحليل الأنماط متعدد المتغيرات لبيانات التصوير بالرنين المغناطيسي الوظيفي لبحث المعالجة متعددة الوسائط في الدماغ البشري. ويتم تحقيق ذلك أولاً عن طريق إنشاء نوع معين من المحفزات الحسية، والتي تُقدم للمشاركين من خلال وسيط حسي واحد، مثل الوسيط البصري، ولكنها تتضمن ارتباطات قوية بوسيط حسي مختلف.

على سبيل المثال، بينما يدرك الأشخاص مثل هذه المحفزات السمعية، يتم رصد النشاط العصبي في أجزاء الدماغ المتعلقة بنمط الارتباط. وفي هذا المثال، يتم تسجيل القشور السمعية باستخدام التصوير بالرنين المغناطيسي الوظيفي (FMRI). ثم يُحلل النشاط المسجل باستخدام تحليل الأنماط متعدد المتغيرات بهدف التنبؤ بأي من المحفزات المتعددة أدركها الشخص في النمط الأصلي.

تظهر النتائج أن المحفزات أحادية النمط التي تحتوي على معلومات ذات صلة بأكثر من نمط واحد يمكن أن تحفز نشاطاً عصبياً محدداً للمحتوى في القشور الحسية المبكرة لأنماط أخرى غير النمط الذي تم تقديم المحفزات من خلاله. إن التقنية التي نقدمها اليوم، والتي نشير إليها باسم تحليل الأنماط متعدد المتغيرات عبر الأنماط، تمثل امتداداً طبيعياً لتحليل الأنماط متعدد المتغيرات التقليدي، مع فارق أن المحفزات الحسية يتم تصنيفها عبر الأنماط الحسية بدلاً من تصنيفها ضمن نمط حسي واحد. لقد خطرت لنا الفكرة الأولى لهذه الطريقة عند محاولة تقديم أدلة تجريبية لإطار عمل بنيوي عصبي قدمه Demio منذ أكثر من عقدين.

في هذا الفيديو، لن نقدم لكم الجوانب التقنية لتحليل الأنماط متعددة المتغيرات، أو MVPA اختصاراً، فحسب، بل سنعرض أيضاً هذا الإطار النظري. سنقوم أولاً بتوضيح بعض الاختلافات الجوهرية بين MVPA وتحليل FMRI أحادي المتغير التقليدي. تأمل ما يلي.

على سبيل المثال، إذا عُرِض على الشخص محفزان بصريان مختلفان مثل تفاحة وبرتقالة، فإن كلا المحفزين، عند حساب متوسطهما عبر عدد من التجارب، يستحثان نمطاً محدداً من النشاط العصبي. يظهر ذلك في القشرة البصرية الأولية التي ترمز لها هنا مستويات التنشيط لستة فوكسلات افتراضية. وفي تحليل الرنين المغناطيسي الوظيفي التقليدي (FMRI)، توجد طريقتان أساسيتان لتحليل هذه الأنماط.

تتمثل الطريقة الأولى في مقارنة متوسط مستوى النشاط الذي حفزته المثيرات في كامل المنطقة المحددة كمنطقة اهتمام. ومع ذلك، قد لا يكون الفرق بين المتوسطات ذا دلالة إحصائية. أما الطريقة الثانية فهي إنشاء تباين طرح لكل فوكسل (voxel).

يتم طرح مستوى التنشيط أثناء حالة التفاح من مستوى التنشيط أثناء حالة البرتقال، ويمكن تصور الفرق الناتج لكل فوكسل (voxel) على صورة تباين للدماغ بأكمله. ومع ذلك، قد تكون هذه الفروق صغيرة وقد تصل إلى المعيار الإحصائي المطلوب لعدد قليل فقط من الفوكسلات. ولكن، وعلى عكس طرق التحليل أحادية المتغير، فإن تحليل الأنماط متعدد المتغيرات (MVPA) قادر على اكتشاف الأنماط داخل الفوكسلات من خلال النظر في مستويات التنشيط لجميع الفوكسلات في وقت واحد.

بينما قد يكون عدد قليل فقط من اختلافات التنشيط ذا دلالة إحصائية عند دراستها بشكل منفصل، فإن النمطين عند النظر إليهما في مجملهما قد يكونان بالفعل مختلفين إحصائياً. وهناك فرق رئيسي آخر بين تحليل FMRI التقليدي وتحليل MVPA، وهو أن الطريقة الأخيرة تستخدم ما يسمى بالاستدلال العكسي. في تحليل FMRI التقليدي، يطرح الباحث عادةً سؤالاً من نوع: هل سيؤدي محفزان بصريان مختلفان.

على سبيل المثال، تؤدي صورة وجه وصورة منزل إلى مستويات نشاط مختلفة في منطقة اهتمام محددة، مثل منطقة الوجه المغزلية. وفي المقابل، يُعبر عن تحليل أنماط النشاط متعدد المتغيرات (MVPA) عادةً بدلالة الاستدلال العكسي أو فك التشفير، حيث يتساءل: بناءً على نمط النشاط العصبي في منطقة محددة من الدماغ، هل سنتمكن من التنبؤ بأي من المثيرين البصريين أدركه الشخص الخاضع للتجربة. ومن المهم ملاحظة أنه من وجهة نظر إحصائية، فإن القول بأن مثيرين يؤديان إلى أنماط نشاط متميزة في منطقة معينة من الدماغ يكافئ القول بأن نمط النشاط في تلك المنطقة الدماغية يسمح بالتنبؤ بالمثير المسبب.

بمعنى آخر، فإن حساسية تحليل نمط تنشيط الفوكسل المتعدد (MVPA) تتفوق على حساسية التحليلات أحادية المتغير لأنها تأخذ في الاعتبار عدة فوكسلات في آن واحد، وليس لأنها تسير في اتجاه عكسي. وبالعودة إلى المثال السابق، لننظر في نموذج MVPA نموذجي يقيم ما إذا كانت رؤية تفاحة تحفز نمطاً من النشاط العصبي في القشرة البصرية الأولية يختلف عن النمط الناتج عن رؤية برتقالة. في الخطوة الأولى، يتم تسجيل بيانات FMRI أثناء رؤية المفحوص لعدد كبير من المثيرات المراد تمييزها.

تُقسم البيانات المكتسبة بعد ذلك إلى مجموعة بيانات تدريب ومجموعة بيانات اختبار. تُدخل البيانات الخاصة بمجموعة التدريب في مصنف أنماط، والذي يحاول اكتشاف السمات في الأنماط العصبية التي تميز نوعي التجارب عن بعضهما البعض. بعد ذلك، يتم تزويد المصنف ببيانات غير مصنفة من مجموعة الاختبار، وبناءً على الأنماط التي اكتشفها في مجموعة بيانات التدريب، يقوم بتعيين التصنيف الأكثر احتمالية لكل تجربة من تجارب الاختبار لكل محفز.

بعد ذلك، يتم مقارنة تخمين المصنف بتسمية المثير الصحيحة، ويتم حساب أداء المصنف كنسبة مئوية للتخمينات الصحيحة. وكما رأينا، فقد حدد المصنف في المثال تسميات المثيرات الصحيحة في تسع من أصل 12 حالة، أي بنسبة 75%، بينما سيكون أداء الصدفة في مثل هذا التمييز الثنائي هو 50%. وهذا يشير إلى وجود اختلافات ثابتة بالفعل بين الأنماط العصبية المستحثة في V one بواسطة مثيرات البرتقال والتفاح.

بالطبع، يجب إثبات الدلالة الإحصائية لهذه النتيجة. ومن المهم مراعاة مسألة أساسية في مثل هذه التجربة التصنيفية، وهي ضرورة أن تكون مجموعات بيانات التدريب والاختبار مستقلة تماماً عن بعضها البعض؛ إذ لا يمكن استخلاص أي استنتاجات بشأن مدى إمكانية تعميم الأنماط التي تم تعلمها خلال جلسة التدريب إلا في حال تحقق ذلك. لهذا السبب، غالباً ما تستخدم نماذج MVPA ما يُسمى بنموذج التحقق المتبادل (cross validation).

بينما يهدف هذا الإجراء إلى زيادة عدد تجارب التدريب والاختبار التي يمكن الحصول عليها من مجموعة بيانات معينة، فإنه يضمن في الوقت ذاته عدم تداخل مجموعات التدريب والاختبار خلال خطوات التصنيف الفردية. لننظر في تجربة MVPA التالية التي تتضمن ثماني عمليات تشغيل وظيفية. في خطوة التحقق المتبادل الأولى، يتم تدريب المصنف على البيانات من العمليات من واحد إلى سبعة، ثم يتم اختباره على البيانات من العملية الثامنة.

في الخطوة الثانية، يتم تدريب المصنف على التشغيلات من الأولى إلى السادسة بالإضافة إلى التشغيل الثامن، ثم يتم اختباره لاحقاً على التشغيل السابع. ووفقاً لهذا المخطط، يتم تنفيذ ثماني خطوات من التحقق المتقاطع بحيث يعمل كل تشغيل كتشغيل اختبار بدقة. وبمجرد الحصول على أداء المصنف لكل خطوة من خطوات التحقق المتقاطع، يؤدي متوسط هذه النتائج إلى تحديد الأداء العام.

تتوفر على الإنترنت حزم برمجية مجانية لإجراء تحليل نمط النشاط متعدد المتغيرات (MVPA)، مثل pi MVPA ومجموعة الأدوات التي يقدمها معهد برينستون لعلوم الأعصاب. وقد استُخدمت النماذج التجريبية، مثل النموذج الموصوف للتو، بنجاح للتنبؤ بالمثيرات الإدراكية من النشاط العصبي في الأجزاء المقابلة من القشرة المخية؛ فعلى سبيل المثال، التنبؤ بالمثيرات البصرية بناءً على النشاط في القشور البصرية، أو المثيرات السمعية بناءً على النشاط في القشور السمعية. وبناءً على ذلك، نود الآن تقديم توسيع لهذه الفكرة الأساسية، حيث لا يتم التنبؤ بالمثيرات الإدراكية ضمن الحواس ذاتها فحسب، بل عبر أنماط حسية مختلفة.

تعتمد فكرتنا على حقيقة أن الإدراك مرتبط ارتباطاً وثيقاً باسترجاع الذكريات. على سبيل المثال، فإن المثير البصري الذي يحمل دلالة سمعية قوية، مثل مشهد تحطم قاعدة زجاجية على الأرض، سيؤدي تلقائياً إلى تحفيز صورة سمعية في "أذن العقل" تشترك في أوجه التشابه مع الصور السمعية التي مررنا بها في تجارب سابقة مع تكسر الزجاج.

وفقاً لإطار عمل قدمه Theo في أواخر الثمانينيات، يتم تخزين الارتباط الذاكري بين موقع القاعدة المهشمة والصوت المقابل له في ما يسمى بمناطق التقارب والتباعد، أو CDs اختصاراً لـ convergence divergence zones. وتُصوَّر مناطق التقارب والتباعد على أنها مجموعات من الخلايا العصبية الموجودة في مختلف المستويات الهرمية للأنظمة الحسية، كما يوحي اسمها.

تستقبل الخلايا العصبية ذات التمايز (CDs) في كل مستوى إسقاطات متقاربة من أسفل إلى أعلى من القشور ذات الرتب الأدنى. ومن ثم، فإنها ترسل بدورها إسقاطات متباعدة من أعلى إلى أسفل إلى تلك القشور ذات الرتب الأدنى نفسها. وبفضل الإسقاطات المتقاربة من أسفل إلى أعلى، يمكن تنشيط الخلايا العصبية ذات التمايز (CDs) عن طريق تمثيلات إدراكية في أنماط متعددة، فعلى سبيل المثال، يتم تنشيطها بواسطة كل من رؤية وصوت تحطم زجاجة، وذلك بسبب الإسقاطات المتباعدة من أعلى إلى أسفل.

ويمكنها بعد ذلك تعزيز إعادة بناء الصور المرتبطة من خلال إرسال إشارات رجعية إلى القشور الحسية المبكرة لأنماط إدراكية إضافية. تأمل في تسلسل التنشيط الذي سيحدثه محفز بصري بحت، ولكن يتضمن إيحاءً صوتياً، وفقاً لهذا الإطار. يقوم المحفز أولاً باستحثاث نمط محدد من النشاط العصبي في القشور البصرية المبكرة عبر إسقاطات صاعدة متقاربة.

تنشط القشور البصرية المبكرة المستوى الأول من خلايا CD، وهي خلايا CDZ ones. وبناءً على النمط الدقيق للنشاط في القطاع القشري المبكر المقابل، قد يتم تنشيط CDZ أو قد تظل غير نشطة. وتبرز خلايا CDZ ones إلى الأعلى نحو cdz twos تماماً كما تم رصدها في cdz ones.

تكتشف أنماط النشاط في القشور البصرية المبكرة، الـ cdz twos أنماط النشاط بين الـ cdz ones، وقد يتم تنشيط العديد من الـ cdz twos، ولكن للتبسيط تم تصوير واحد فقط هنا عبر الإسقاطات من الأعلى إلى الأسفل. قد تعمل الـ cdz ones في الوقت نفسه على إكمال نمط النشاط في القشور البصرية المبكرة عبر عدة مستويات إضافية من c DZs CDZ twos. وتُسقط الـ Twos إلى الأمام باتجاه CDZ ends في القشور الترابطية متعددة الوسائط.

ومرة أخرى، قد يتم تنشيط نهايات متعددة من CDZ، ولكن تم تصوير واحدة فقط لأسباب تتعلق بالبساطة. وأيضاً، تقوم CD Z twos بإرسال إشارات عكسية إلى CDZ ones، والتي بدورها قد تعدل بشكل أكبر النمط الذي تم تحفيزه في الأصل في القشور البصرية المبكرة. وترسل نهايات CDZ إشارات عكسية إلى CZ twos لجميع الوسائط.

في القشور السمعية، سيتم بناء نمط عصبي يسمح للخاضع للتجربة بأن يختبر في "أذنه الذهنية" صورة سمعية مرتبطة بالمحفز المقدم بصرياً. ويعكس الإرسال الإشاري من الأعلى إلى الأسفل الموضح إلى المنوال الحسي الجسدي حقيقة أن أي محفز بصري تقريباً ينطوي أيضاً على بعض الارتباطات اللمسية. وبناءً على ذلك، يتوقع هذا الإطار أن الصوت الذي يشير إلى محفز بصري سيؤدي إلى نمط من النشاط العصبي محدد المحتوى.

في القشور السمعية الأولية. وباستخدام تحليل الأنماط متعدد المتغيرات (MVPA) لتحليل هذا النمط العصبي، ينبغي أن يكون من الممكن التنبؤ بأي من المحفزات البصرية المتعددة التي توحي بوجود صوت قد شاهدها الشخص. في التجربة الأولى، تم تسجيل النشاط العصبي من القشور السمعية الأولية بينما شاهد الأشخاص تسعة مقاطع فيديو مختلفة لأجسام وأحداث توحي بوجود صوت.

كانت المنطقة المستهدفة في هذه التجربة عبارة عن منطقة محدودة في مستوى Semal، والتي شملت القشرة السمعية الأولية والقشور الترابطية السمعية المبكرة جداً. وفي تجربة ثانية، تم تسجيل النشاط العصبي من القشرة الحسية الجسدية الأولية بينما كان الأشخاص يشاهدون خمس مقاطع فيديو مختلفة توحي باللمس. وفي هذه التجربة، شملت المنطقة المستهدفة القشرة الحسية الجسدية الأولية الموجودة في التلفيف خلف المركزي.

شملت كلتا الدراستين ثمانية أشخاص في الدراسة السمعية. وقد حقق مصنف تحليل النمط المتعدد المتغيرات (MVPA) أداءً أعلى من مستوى الصدفة البالغ 50% لجميع عمليات التمييز الثنائية الممكنة بين أزواج المثيرات. وفي 26 من أصل 36 عملية تمييز، كان أداء المصنف مختلفاً بشكل ملحوظ عن مستوى الصدفة البالغ 0.5.

وبالمثل، في الدراسة الحسية الجسدية، حقق المصنف أداءً أعلى من مستوى الصدفة في جميع عمليات التمييز ثنائية الاتجاه، ووصلت ثماني عمليات تمييز من أصل 10 إلى الدلالة الإحصائية. وكما ترون، تمكنا من خلال استخدام تحليل الأنماط متعدد المتغيرات عبر الوسائط من إثبات أن إدراك المحفزات البصرية التي توحي بالصوت أو اللمس يؤدي إلى تمثيلات عصبية محددة للمحتوى في القشور السمعية والحسية الجسدية المبكرة، وذلك وفقاً للإطار النظري الذي تم تقديمه سابقاً. ومن الواضح أن النموذج التجريبي الذي عرضناه لا يجب أن يظل مقتصرًا على الوسائط المتضمنة في تجاربنا الخاصة، بل يمكن توسيعه ليشمل وسائط حسية أخرى أيضاً.

لذلك، نأمل أن تنضم إلينا مجموعات أخرى في توسيع هذا النوع من الأبحاث في محاولة لتعميق معرفتنا حول كيفية دمج المحفزات متعددة الوسائط من البيئة في العمليات.