神经科学家告诉你 当你发呆时大脑在做什么 |
| 时间：2019-08-24 14:57:08 来源： 作者： |
|
“我的脑子一片空白”、“大脑停止了转动”，如果你还在用这样的语言形容自己发呆时的情形，那就大错特错了：神经成像研究发现，当我们休息或发呆时，大脑中始终存在着一些神秘的“背景”神经活动。更让人惊讶的是，当我们有意识地做事时，大脑所耗能量却仅为“背景活动”的1/20。这些看不见的神经活动，就是“大脑暗能量”。
曾不为人知的大脑系统——默认模式神经网络
长期以来，神经科学家一直认为，人在休息时，大脑中的神经回路基本处于关闭状态，此时的神经活动属于“随机噪声”，就像没收到信号的电视机显示的雪花状图案。
现已证实，当我们坐在椅子上发呆、躺在床上睡觉或接受了麻醉，各个脑区之间仍在不停地传递信息。这种不间断的信息传递被称作大脑的默认模式，它所消耗的能量是我们有意识地对其他外在刺激作出反应时所耗能量的20倍。实际上，我们有意识去吃饭或演讲等，都是对大脑默认模式下基准神经活动的背离。
理解大脑默认模式的关键，是要找到此前不为人知的大脑系统——默认模式神经网络。在组织神经活动的过程中，默认模式神经网络到底发挥了怎样的作用，现在仍在研究当中，但我们知道，大脑在形成记忆、组织其他各种需要为未来事件做准备的神经系统时，可能就是采用默认模式神经网络预先设定好的方式。
在使脑区行为同步方面，默认模式神经网络可能也发挥了重要作用——让各个脑区就像赛跑运动员一样，在发令枪打响的一刹那都处于合理的“预备”状态。另外神经科学家还推测，默认模式神经网络遭到破坏，可能会引起精神错乱，以及从阿尔茨海默症到抑郁症的一系列复杂大脑疾病。
寻找大脑的暗能量
“大脑始终处于活跃状态”并非新观点，脑电图的发明者汉斯·伯格就是这个观点的支持者。他在一系列开创性论文中，根据仪器检测到的不间断脑电波推测，“中枢神经系统始终处于相当活跃的状态，而不仅仅是在人们清醒的时候”。
只需对大脑成像图进行肉眼观测，就能找到大脑背景活动存在的证据：无论来自对照组还是试验组，大脑成像图总是显示，多个脑区都处于相当忙碌的状态。进一步分析发现，在执行特定任务时，大脑消耗能量的上升幅度不会超过基础神经活动的5%。在神经回路中，大部分神经活动都与外部事件无关，这些活动消耗的能量占大脑总消耗能量的60%～80%。因此我们借鉴天文学家的说法，把这些固定存在的神经活动称为大脑的暗能量——正如看不见的暗能量占据了宇宙中物质能量的绝大多数。
推测大脑暗能量可能存在的另一个理由是，研究发现只有极少的感官信息能够真正抵达大脑的中枢处理区域。视觉信息从眼睛传向视觉皮层的过程中，信号强度会大幅衰减。
我们周围存在无数信息，每秒约有上百亿比特的信息抵达视网膜，但与之相连的视觉输出神经连接只有100万个，每秒钟视网膜传向大脑的信息只有600万比特，最终能到达视觉皮层的信息只有1万比特。
经过进一步处理，视觉信息才能进入负责产生意识知觉的脑区。令人惊讶的是，最终形成意识知觉的信息每秒钟不足100比特。如果这些是大脑所能利用的全部信息，如此少的信息量显然不大可能形成知觉，因此固定存在的大脑神经活动必定在此过程中发挥了某种作用。
神经突触的数量也暗示大脑暗能量可能存在。突触是神经元间的连接点。在视觉皮层中，负责传递视觉信息的突触数量还不到全部突触的10%。因此，大部分突触肯定是用于建立视觉皮层内部神经元间的联系。
默认模式是大脑运行方式的某个基础方面
上世纪90年代中期，人们意外发现，受试者执行某种任务时，特定脑区的活跃程度会低于休息时的基准水平。当其他脑区执行特定任务（如大声朗读）时，这些脑区的活跃程度也会下降，尤其是内侧顶叶皮层（位于大脑中部，负责记忆人们生活中的私人事件）上的部分区域。这是一个让人费解的现象，我们把活跃程度下降最多的区域称为“内侧谜样顶叶区”。
此后的一系列正电子断层扫描实验证实，大脑在无意识状态下绝非处于“闲置状态”。实际上，包括内侧谜样顶叶区在内的大多数脑区一直都很活跃，直到大脑开始执行某一特定任务时，一些脑区固有的神经活动水平才会有所下降。
最初，这样的结论曾遭到质疑，被认为实验数据有误。但后来其他科学家在针对内侧顶叶皮层和内侧前叶皮层（负责推测他人想法，并与自身情绪状态有关）的研究中，也得出了一致的结果。现在，这两个脑区都被认为是默认模式神经网络的重要组成区域。
默认模式神经网络的发现，让我们可以从另一个角度思考大脑的固有神经活动。在此之前，神经生理学家从未把组成神经网络的脑区看作是一个系统，因为在过去的大脑成像实验中，他们都忽略了这样一个现象：大脑在休息状态下，多个脑区之间可能都有相互联系。那么，是否只有默认模式神经网络中，脑区之间才有这种相互联系？还是说这种休息状态下的神经联系在大脑里普遍存在？在分析大脑磁共振成像图时，一个惊人的发现把我们带到了通往问题答案的路口。
功能性磁共振信号通常是指血氧水平依赖信号，因为这种成像方式依赖于大脑血管血流改变引起的氧含量变化。在静息状态下，各个脑区的血氧水平依赖信号会缓慢波动，大约每10秒完成一个周期。如此缓慢的波动曾被认为只不过是“噪声”，因此为了更好地反映执行特定任务时的大脑活动，仪器检测到的这些“噪声”信号会直接从大脑成像图中消除。
到了1995年，从大脑成像图上消除低频“噪声”信号的做法受到了质疑——当时，美国威斯康星医学院的巴拉特·比斯沃尔和同事发现，即便受试者静止不动，控制右手运动的脑区中的“噪声”波动也与对侧控制左手的脑区中的神经活动是同步的。本世纪初，美国斯坦福大学的迈克尔·格雷丘斯和合作者发现，当受试者处于休息状态时，默认模式神经网络中也存在类似的同步波动。
格雷丘斯等人的发现犹如一颗投向湖面的石子，引起了全球实验室的注意，科学家纷纷开始进行大脑成像研究，所有的“噪声”信号（即重要大脑系统的固有神经活动）都被记录下来。结果发现，即使在全身麻醉和浅度睡眠期间，受试者大脑内的固有神经活动都会表现出明显的同步性，暗示这些神经活动不单单是“噪声”，而应该是大脑运行方式的某个基础方面。
上述发现清楚地说明，尽管默认模式神经网络的作用很重要，但它只是大脑固有神经活动的一部分，大脑中所有系统都具有这样的默认模式。
大脑每时每刻都在努力维持既定反应和即时需求反应之间的动态平衡
经证实，大脑信号的频率范围很广，从低频的皮层慢电位到每秒波动超过100次的信号都有。神经科学面临的一个重大挑战，就是弄清楚不同频率的信号如何发生相互作用。
研究证实，皮层慢电位具有非常重要的作用，频率高于皮层慢电位的电活动可以和皮层慢电位发生同步振动。这就像演奏交响乐一样，各种乐器发出的声音都按同一节奏交织在一起，而皮层慢电位就是指挥家手中的指挥棒。不同的是，演奏交响乐只要掌握好各种乐器的发声时间即可，神经信号则须协调每个大脑系统从海量的记忆和其他信息中读取所需数据——这些信息都是我们在这个复杂且不断变化的世界上生存所必需的。皮层慢电位的存在，能保证数据读取过程在和谐的环境下和准确的时间点上正确进行。
但大脑要比交响乐团复杂得多。每个具有独立功能的大脑系统，比如控制视觉活动和控制肌肉运动的系统，都有自己的皮层慢电位发放模式。由于每个系统都不相同，因此有效地避免了混乱。各个系统的电信号发放也有先后之分，排在最前面的，就是默认模式神经网络，它就像一个总指挥，保证各个系统发出的电信号不会相互干扰，因为大脑并非相互独立的神经系统集群，而是由各个相互联系的系统组成的联盟。
与此同时，这些复杂的固有神经活动有时必须给外界需求让步。为了实现这种调节，当我们由于新的或意外的感觉信息输入大脑（比如开车回家的路上突然记起要买盒牛奶回去）而需要保持警觉时，默认模式神经网络的皮层慢电位会有所减弱。但在需要集中精力处理的事情做完以后，皮层慢电位又会恢复至原有水平。我们的大脑每时每刻都在努力维持既定反应和即时需求反应之间的动态平衡。
借助暗能量探索意识本质，审视重大神经疾病
默认模式神经网络的状态起伏，让我们有机会窥探大脑最深处的秘密。它已经让科学家对意识活动的基本组成——注意力的本质有了新的认识。2008年，一个跨国研究小组报道称，通过监测默认模式神经网络，他们可以提前30秒预测接受扫描的受试者会不会在一个计算机测试中犯错——如果默认模式神经网络控制了大脑，注意力相关脑区的神经活动减弱，受试者就会犯错。
未来，大脑暗能量或许会提供有关意识本质的线索。大多数神经科学家承认，我们对外界的意识反应只占大脑活动的一小部分。在意识层面之下，那些神秘的大脑活动（如大脑暗能量）起着非常关键的作用，正是因为它们提供了非常丰富的背景内容，我们才能透过“狭小”的意识窗口体验到大千世界的存在。
除了揭示日常意识活动背后的大脑机制，研究大脑暗能量或许还能为我们提供一个全新的角度去审视重大神经疾病。将来，不必进行头脑体操或复杂运动就可以完成这些疾病的诊断。病人只需要静静地呆在扫描仪内，让默认模式神经网络和其他脑区的暗能量按自己的节奏运行即可。
这类研究已为疾病分析开拓了新的思路。大脑成像研究已经发现，在阿尔茨海默病、抑郁症、自闭症和精神分裂症患者的默认模式神经网络内，脑细胞之间的连接已发生改变。实际上，阿尔茨海默症将来可能被归为默认模式神经网络相关疾病。在大脑成像图上，阿尔茨海默症患者的病变脑区与组成默认模式神经网络的脑区完全吻合。这一模式不仅可作为诊断阿尔茨海默症的生物学标志，还有助于我们深入了解疾病成因，寻找治疗方法。
未来，科学家必须要弄清楚两个问题：在细胞水平上，各个大脑系统内部及其之间的协作性神经活动如何实现；默认模式神经网络如何促使化学和电信号在神经回路间传递。我们还需要一个新理论，用于整合来自细胞、神经回路、神经系统等各层面的数据，从而更全面地描述作为大脑暗能量主要组织者的大脑默认模式究竟如何工作。（来源： 人民网） |
|
|
|
