মিসম্যাচ নেগেটিভিটি, যা সংক্ষেপে MMN নামে পরিচিত, হলো ইলেক্ট্রোএনসেফালোগ্রাম (EEG) রেকর্ডিং থেকে প্রাপ্ত একটি ইভেন্ট-সম্পর্কিত পটেনশিয়াল উপাদান। সক্রিয় মনোযোগের প্রয়োজন হয় এমন অনেক ইভোকড পটেনশিয়ালের বিপরীতে, MMN স্বয়ংক্রিয়ভাবে প্রকাশ পায় যখন একটি বিরল "ভিন্ন" শব্দ বারবার পুনরাবৃত্তি হওয়া "স্বাভাবিক" শব্দের অনুক্রমকে বিঘ্নিত করে। এই স্বয়ংক্রিয় গুণটি এটিকে একটি ক্লিনিকাল এবং গবেষণা সরঞ্জাম হিসাবে বিশেষভাবে মূল্যবান করে তোলে, কারণ এটি পরীক্ষার সময় রোগী সহযোগিতা করছেন কি না বা মনোযোগ ধরে রাখছেন কি না তার বিভ্রান্তিকর পরিবর্তনশীলতাকে দূর করে।
মিসম্যাচ নেগেটিভিটি (Mismatch Negativity) কী?
মিসম্যাচ নেগেটিভিটি (MMN) হলো একটি ঘটনা-সম্পর্কিত বিভব (event-related potential) উপাদান যা ইলেক্ট্রোএনসেফালোগ্রাম (EEG)-এর মাধ্যমে রেকর্ড করা হয়। এটি শ্রবণ সংক্রান্ত পরিবর্তনের ক্ষেত্রে মস্তিষ্কের স্বয়ংক্রিয়, প্রাক-মনোযোগ (pre-attentive) সনাক্তকরণকে প্রতিফলিত করে। এই স্বয়ংক্রিয় প্রতিক্রিয়াটি সাধারণত একই ধরণের আদর্শ টোনের (standard tones) একটি অনুক্রম প্রদর্শনের মাধ্যমে তৈরি করা হয়, যার পরে একটি বিরল 'ভিন্নধর্মী' (deviant) টোন আসে যা কম্পাঙ্ক, স্থায়িত্ব বা অন্যান্য শাব্দিক বৈশিষ্ট্যের দিক থেকে আলাদা।
মস্তিষ্ক এই বিচ্যুতি বা ভিন্নতা সনাক্ত করে এবং একটি নেতিবাচক ভোল্টেজ বিচ্যুতি (negative-going voltage deflection) তৈরি করে, যা পরিবর্তনের প্রায় 100 থেকে 200 মিলিসেকেন্ড পরে সর্বোচ্চ সীমায় পৌঁছায়। কপালের এবং মাথার মধ্যভাগের স্কাল্প ইলেক্ট্রোডে এটি সবচেয়ে স্পষ্টভাবে রেকর্ড করা হয় এবং এই বৈশিষ্ট্যপূর্ণ তরঙ্গরূপটি মিসম্যাচ নেগেটিভিটির প্রাথমিক নির্দেশক হিসেবে কাজ করে।
দুটি বৈশিষ্ট্য MMN-কে মস্তিষ্কের অন্যান্য প্রতিক্রিয়া থেকে আলাদা করে:
প্রথমত, এটি স্বয়ংক্রিয়। একজন ব্যক্তি বই পড়তে পারেন, কোনো নীরব চলচ্চিত্র দেখতে পারেন বা শব্দগুলোকে সম্পূর্ণভাবে উপেক্ষা করতে পারেন, তবুও MMN প্রদর্শিত হবে।
দ্বিতীয়ত, এটি প্রাক-মনোযোগ। মনোযোগ দেওয়ার আগেই মস্তিষ্ক ভিন্নধর্মী শব্দ এবং আদর্শ শব্দের স্মৃতিচিহ্নের মধ্যে তুলনা সম্পন্ন করে।
এই বৈশিষ্ট্যগুলো MMN-কে মস্তিষ্কের পরিবর্তন সনাক্ত করার মৌলিক ক্ষমতার একটি সূচক করে তোলে, যা উচ্চতর জ্ঞানীয় প্রক্রিয়ার থেকে সম্পূর্ণ স্বাধীন—যে প্রক্রিয়াগুলো মানুষের মধ্যে দুর্বল বা ভিন্ন হতে পারে।
MMN-এর চৌম্বকীয় প্রতিরূপ, যা ম্যাগনেটোএনসেফালোগ্রাফির মাধ্যমে রেকর্ড করা হয় এবং সংক্ষেপে MMNm বলা হয়, একই অন্তর্নিহিত শ্রবণ পরিবর্তন-সনাক্তকরণ প্রক্রিয়াকে প্রতিনিধিত্ব করে। যেহেতু MEG, EEG-এর চেয়ে ভিন্ন স্থানিক সংবেদনশীলতা প্রদান করে, তাই উভয় রেকর্ডিং পদ্ধতির সমন্বয় গবেষকদের মস্তিষ্কের বিভিন্ন অঞ্চলের অবদানকে আলাদা করতে সাহায্য করে। MMNm শ্রবণ কর্টেক্স এবং আশেপাশের টেম্পোরাল লোবের গঠনগুলোতে অবস্থান নির্ধারণ করে, যা নিশ্চিত করে যে এই প্রতিক্রিয়াটি উচ্চতর সহযোগী অঞ্চলের পরিবর্তে সংবেদনশীল প্রক্রিয়াকরণ ক্ষেত্রে উৎপন্ন হয়।
মস্তিষ্ক কীভাবে মিসম্যাচ নেগেটিভিটি তৈরি করে
শ্রবণ কর্টেক্সের জটিল ও গতিশীল নিউরোনাল প্রক্রিয়াগুলোর মাধ্যমে MMN তৈরি হয়, যা গবেষকরা উন্নত নিউরোকম্পিউটেশনাল মডেলের মাধ্যমে সক্রিয়ভাবে অন্বেষণ করছেন। একটি ভিন্নধর্মী শব্দ যখন এই প্রতিক্রিয়াটি ট্রিগার করে, তখন ঠিক কী ঘটে সে সম্পর্কে সেলুলার-স্তরে কোনো একক ঐকমত্য না থাকলেও, দুটি প্রধান হাইপোথিসিস কয়েক দশকের বৈজ্ঞানিক অনুসন্ধানকে রূপ দিয়েছে: অভিযোজন হাইপোথিসিস (adaptation hypothesis) এবং মডেল সমন্বয় হাইপোথিসিস (model adjustment hypothesis)।
অভিযোজন হাইপোথিসিস পরামর্শ দেয় যে শ্রবণ কর্টেক্সের নিউরনগুলো বারবার আদর্শ শব্দের প্রতিক্রিয়া হিসেবে ধীরে ধীরে তাদের ফায়ারিং রেট কমিয়ে দেয়—এই প্রক্রিয়াটি উদ্দীপক-নির্দিষ্ট অভিযোজন (stimulus-specific adaptation) নামে পরিচিত। যখন একটি বিরল ভিন্নধর্মী শব্দ উপস্থাপন করা হয়, তখন এটি অভিযোজিত নয় এমন নিউরনের একটি পৃথক, নতুন দলকে সক্রিয় করে। এই দৃষ্টিকোণ থেকে, MMN মূলত অভিযোজিত এবং অনভিযোজিত নিউরাল দলগুলোর মধ্যে একটি ভিন্নধর্মী প্রতিক্রিয়া।
বিপরীতভাবে, মডেল সমন্বয় হাইপোথিসিস নিষ্ক্রিয় নিউরাল ক্লান্তির পরিবর্তে একটি সক্রিয় জ্ঞানীয় প্রক্রিয়ার প্রস্তাব করে। এটি ধারণা করে যে মস্তিষ্ক ক্রমাগত তার শ্রবণ পরিবেশের একটি অনুমানমূলক অভ্যন্তরীণ মডেল তৈরি করে। যখন আদর্শ শব্দগুলো বারবার ফিরে আসে, তখন তারা এই প্রত্যাশাকে শক্তিশালী করে; যখন একটি ভিন্নধর্মী শব্দ ঘটে, তখন এটি প্রত্যাশা ভঙ্গ করে এবং মস্তিষ্ককে তার অভ্যন্তরীণ উপস্থাপনা আপডেট করতে বাধ্য করে। অতএব, MMN তরঙ্গরূপটি এই সক্রিয় মডেল-আপডেটিং প্রক্রিয়াকে প্রতিফলিত করে।
প্রেডিক্টিভ কোডিং ফ্রেমওয়ার্ক এবং স্পাইকিং-নিউরন মডেল
এই প্রতিযোগী ব্যাখ্যাগুলোর মধ্যে সামঞ্জস্য আনতে গবেষকরা ক্রমবর্ধমানভাবে একটি ঐক্যবদ্ধ কাঠামো হিসেবে প্রেডিক্টিভ কোডিং (predictive coding)-এর দিকে নজর দিচ্ছেন। প্রেডিক্টিভ কোডিং মস্তিষ্ককে একটি সক্রিয় ভবিষ্যদ্বাণী ইঞ্জিন হিসেবে দেখে যা তথ্য আরও দক্ষতার সাথে প্রক্রিয়া করার জন্য সংবেদনশীল ইনপুটগুলোর পূর্বাভাস দেয়।
শ্রবণ কর্টেক্স ভবিষ্যদ্বাণী তৈরি করতে পূর্ববর্তী শব্দগুলো থেকে পরিসংখ্যানগত নিয়মগুলো শেখে। যখন আগত উদ্দীপনা এই প্রত্যাশাগুলোর সাথে মিলে যায়, তখন প্রক্রিয়াকরণ সুচারুভাবে এগিয়ে চলে; যখন একটি শব্দ বিচ্যুত হয়, তখন কর্টিক্যাল অনুক্রমের মাধ্যমে একটি ভবিষ্যদ্বাণী ত্রুটি (prediction error) ছড়িয়ে পড়ে। ফলস্বরূপ, MMN হলো একটি ভবিষ্যদ্বাণী ত্রুটি সংকেতের ইলেকট্রোফিজিওলজিক্যাল স্বাক্ষর।
শ্রবণ কর্টেক্সের একটি বিশদ, জৈবিকভাবে প্রশংসনীয় স্পাইকিং-নিউরন মডেল এই কাঠামোকে সমর্থন করে। এই মডেলটি উদ্দীপক এবং প্রতিরোধক নিউরনগুলোকে একটি স্তরযুক্ত কর্টিক্যাল আর্কিটেকচারে গঠন করে যা স্বতন্ত্র কার্যকরী প্রক্রিয়াকরণ ইউনিট ধারণ করে:
ইনপুট ইউনিট যা অপরিশোধিত সংবেদনশীল তথ্য গ্রহণ করে।
ভবিষ্যদ্বাণী ইউনিট যা শেখা পরিবেশগত প্রত্যাশাগুলোর প্রতিনিধিত্ব করে।
ভবিষ্যদ্বাণী-ত্রুটি ইউনিট যা ইনপুট এবং ভবিষ্যদ্বাণীর মধ্যে দ্বন্দ্বের সময় অমিলগুলো নির্দেশ করে।
NMDA রিসেপ্টর ট্রান্সমিশনের ওপর নির্ভরশীল একটি সিন্যাপটিক লার্নিং নিয়ম অন্তর্ভুক্ত করে, এই নেটওয়ার্কটি সাম্প্রতিক শব্দগুলোর রূপান্তর পরিসংখ্যানের ওপর ভিত্তি করে তার ভবিষ্যদ্বাণীগুলো গতিশীলভাবে সমন্বয় করে।
এই কম্পিউটেশনাল মডেলটি সফলভাবে বেশ কয়েকটি মূল, অভিজ্ঞতামূলকভাবে পর্যবেক্ষণ করা MMN বৈশিষ্ট্যগুলোর ব্যাখ্যা দেয়:
কম্পাঙ্ক-নির্ভর স্কেলিং: ভিন্নধর্মী শব্দটি আদর্শ টোন থেকে কতটা আলাদা তার সাথে আনুপাতিকভাবে MMN বিস্তার (amplitude) বৃদ্ধি পায়।
স্থানীয় প্যাটার্নের প্রতি সংবেদনশীলতা: মডেলটি পর্যায়ক্রমিক সিকোয়েন্সে অপ্রত্যাশিত পুনরাবৃত্তির প্রতিক্রিয়া পুনরুৎপাদন করে (যেমন, যখন একটি পর্যায়ক্রমিক ABABAB সিকোয়েন্স হঠাৎ করে ABABAA-তে পরিবর্তিত হয় তখন একটি ভবিষ্যদ্বাণী ত্রুটি রেজিস্টার করে), যা বৈশ্বিক পরিসংখ্যানগত নিয়মের পরিবর্তে স্থানীয় রূপান্তর সম্ভাবনার ওপর নির্ভরতা প্রতিফলিত করে।
বাদ পড়ার (omission) প্রতিক্রিয়া: একটি প্রত্যাশিত শব্দ সম্পূর্ণভাবে বাদ দেওয়া হলেও মডেলটি একটি ভবিষ্যদ্বাণী ত্রুটি তৈরি করে।
ফার্মাকোলজিক্যাল সংবেদনশীলতা: মডেলটি NMDA রিসেপ্টর বিরোধী (antagonists)-এর প্রতি অত্যন্ত সংবেদনশীল, যা ক্লিনিকাল গবেষণার সাথে সামঞ্জস্যপূর্ণ এবং দেখায় যে এই রিসেপ্টরগুলোকে ব্লক করলে MMN বিস্তার হ্রাস পায় বা বিলুপ্ত হয়।
অধিকন্তু, একটি পরিপূরক ম্যাগনেটোএনসেফালোগ্রাফি (MEG) পরীক্ষা এই মডেলের দাবিগুলোকে যাচাই করেছে, যা দেখায় যে MMN প্রতিক্রিয়াগুলো সাধারণ সিন্যাপটিক অভ্যাসের পরিবর্তে সক্রিয় কর্টিক্যাল ভবিষ্যদ্বাণী থেকে উদ্ভূত হয়, যা প্রেডিক্টিভ কোডিং ব্যাখ্যার জন্য জোরালো অভিজ্ঞতামূলক সমর্থন প্রদান করে।
শ্রবণ প্রক্রিয়াকরণে জেনারেটিভ মডেল এবং বায়েসিয়ান ইনফারেন্স
আরেকটি বিশিষ্ট নিউরোকম্পিউটেশনাল মডেল বায়েসিয়ান ইনফারেন্স (Bayesian inference)-এর আলোকে শ্রবণ কর্টেক্সকে বিশ্লেষণ করে। এই নিউরোভিত্তিক কাঠামোটি মস্তিষ্ককে সাধারণীকৃত বায়েসিয়ান ফিল্টারিং ব্যবহার করে সংবেদনশীল জগতের একটি সম্ভাব্য জেনারেটিভ উপস্থাপনা ক্রমাগত আপডেট করার মডেল হিসেবে রূপদান করে।
এই সিস্টেমে, MMN ভবিষ্যদ্বাণী-ত্রুটি নিউরন দ্বারা উত্পন্ন যৌথ বৈদ্যুতিক ক্রিয়াকলাপের প্রতিনিধিত্ব করে কারণ তারা অনুক্রমিক গতিবিদ্যার লুকানো অবস্থার ওপর অনুমান সম্পাদন করে। এই বায়েসিয়ান পদ্ধতিটি অত্যন্ত বাস্তবসম্মত MMN তরঙ্গরূপ তৈরি করে যা অভিজ্ঞতামূলক ডেটাকে প্রতিফলিত করে, কীভাবে ভিন্নধর্মী সম্ভাবনা এবং মাত্রা প্রতিক্রিয়াকে রূপ দেয় তা নির্ভুলভাবে ক্যাপচার করে:
একটি ভিন্নধর্মী শব্দ যত বেশি সম্ভাব্য হয়ে ওঠে, প্রত্যাশা লঙ্ঘনের পরিমাণ তত হ্রাস পায়, যা MMN বিস্তার কমিয়ে দেয়।
ভিন্নধর্মী শব্দটি আদর্শ শব্দ থেকে শাব্দিক দিক দিয়ে যত কম আলাদা হয়, MMN প্রতিক্রিয়ার বিলম্বতা (latency) তত বৃদ্ধি পায় এবং এর বিস্তার হ্রাস পায়।
সামগ্রিকভাবে, প্রেডিক্টিভ কোডিং এবং বায়েসিয়ান মডেল উভয়ই একই মৌলিক সত্যে উপনীত হয়: MMN হলো একটি মস্তিষ্কের বৈদ্যুতিক স্বাক্ষর যা সক্রিয়ভাবে তার শ্রবণ পরিবেশের পূর্বাভাস দেয় এবং সংবেদনশীল বাস্তবতার সাথে অভ্যন্তরীণ প্রত্যাশার অমিল হলে সংকেত পাঠায়।
হাইপোথিসিস | প্রক্রিয়া | মূল ধারণা |
|---|---|---|
অভিযোজন (Adaptation) | পুনরাবৃত্ত শব্দে নিউরন ক্লান্ত হয়ে পড়ে | অভিযোজিত দলগুলোর মধ্যে ভিন্নধর্মী প্রতিক্রিয়া |
মডেল সমন্বয় (Model adjustment) | মস্তিষ্ক সক্রিয়ভাবে অভ্যন্তরীণ মডেল আপডেট করে | MMN প্রত্যাশা লঙ্ঘন প্রতিফলিত করে |
প্রেডিক্টিভ কোডিং (Predictive coding) | মস্তিষ্ক আসন্ন সংবেদনশীল ইনপুটের ভবিষ্যদ্বাণী করে | MMN ভবিষ্যদ্বাণী ত্রুটির সংকেত দেয় |
সিজোফ্রেনিয়া রোগের বায়োমার্কার হিসেবে MMN
1990-এর দশকের শুরু থেকে, গবেষণায় সুস্থ ব্যক্তিদের তুলনায় সিজোফ্রেনিয়ায় আক্রান্ত রোগীদের ক্ষেত্রে হ্রাসপ্রাপ্ত MMN বিস্তার লক্ষ্য করা গেছে। এই ক্ষয়প্রাপ্তি অত্যন্ত স্পষ্ট এবং পদ্ধতিগত বলে মনে হয়, যা বিভিন্ন পরীক্ষাগার, রেকর্ডিং প্রোটোকল এবং রোগী গোষ্ঠীর মধ্যে দৃশ্যমান হয়েছে।
একটি ঐতিহ্যবাহী শ্রবণ ওডবল দৃষ্টান্ত (auditory oddball paradigm) সিজোফ্রেনিয়া রোগীদের মধ্যে সময়কাল-ভিন্নধর্মী (duration-deviant) এবং কম্পাঙ্ক-ভিন্নধর্মী (frequency-deviant) উভয় MMN-এর ক্ষেত্রে উল্লেখযোগ্য ঘাটতি প্রকাশ করে। এই দুর্বলতা এতটাই নির্ভরযোগ্য যে MMN-কে ক্লিনিকাল বায়োমার্কার হিসেবে ব্যাপকভাবে প্রস্তাব করা হয়—একটি বস্তুনিষ্ঠ, শারীরবৃত্তীয় পরিমাপ যা রোগের অগ্রগতি চিহ্নিত করতে এবং থেরাপিউটিক কার্যকারিতা পরীক্ষা করতে সক্ষম।
বিভিন্ন শাব্দিক ভিন্নতা প্যাথলজির পৃথক মাত্রাগুলো ট্র্যাক করে:
কম্পাঙ্ক-ভিন্নধর্মী MMN: রোগের অগ্রগতির সাথে সাথে বিস্তারের ঘাটতি আরও খারাপ হয়, যা রোগের সময়কাল এবং জ্ঞানীয় ও কার্যকরী হ্রাসের সাথে ঘনিষ্ঠভাবে সম্পর্কিত। এটি কম্পাঙ্ক-ভিন্নধর্মী MMN-কে রোগের অগ্রগতির একটি মূল্যবান চিহ্নিতকারী করে তোলে।
সময়কাল-ভিন্নধর্মী MMN: এই ক্ষেত্রের ঘাটতিগুলো একটি ভিন্ন গতিপথ অনুসরণ করে এবং জিনগত দুর্বলতার সাথে আরও দৃঢ়ভাবে যুক্ত, যা একটি বৈশিষ্ট্যের চিহ্নিতকারী হিসেবে কাজ করে এবং সময়ের সাথে সাথে তুলনামূলকভাবে স্থিতিশীল থাকে।
অতিরিক্তভাবে, MMN-এ অবদান রাখা স্বতন্ত্র নিউরাল জেনারেটরগুলো সিজোফ্রেনিয়ায় ভিন্নভাবে প্রভাবিত হয়:
টেম্পোরাল লোব জেনারেটর: এখানকার দুর্বলতাগুলো মৌলিক শ্রবণ উপলব্ধি এবং বৈষম্যের ঘাটতির সাথে যুক্ত, যা শ্রবণ হ্যালুসিনেশনের মতো ইতিবাচক লক্ষণগুলোতে অবদান রাখতে পারে।
ফ্রন্টাল লোব জেনারেটর: ফ্রন্টাল কর্টেক্সে হ্রাসপ্রাপ্ত ক্রিয়াকলাপ মনোযোগ পরিবর্তনের দুর্বলতার সাথে যুক্ত, যা সামাজিক প্রত্যাহার এবং অনুভূতিহীনতার (flat affect) মতো নেতিবাচক লক্ষণগুলোর সাথে সম্পর্কযুক্ত।
সিজোফ্রেনিয়ায় নিউরোনাল অভিযোজন বনাম ভিন্নতা সনাক্তকরণ
একটি গুরুত্বপূর্ণ প্রশ্ন হলো সিজোফ্রেনিয়ায় MMN ঘাটতি সংবেদনশীল অভিযোজনের ব্যর্থতা থেকে উদ্ভূত হয় নাকি সক্রিয় ভিন্নতা সনাক্তকরণের ব্যর্থতা থেকে। একটি আদর্শ ওডবল দৃষ্টান্তে, এই দুটি প্রক্রিয়া বিভ্রান্তিকর হয়ে ওঠে কারণ ভিন্নধর্মী টোনের প্রতি মস্তিষ্কের প্রতিক্রিয়া এটি কীভাবে পুনরাবৃত্ত আদর্শ শব্দের সাথে খাপ খাইয়ে নেয় এবং কীভাবে এটি নতুন পরিবর্তন সনাক্ত করে উভয়ের ওপরই নির্ভর করে।
এই প্রক্রিয়াগুলোকে আলাদা করতে, কোশিয়ামা এবং অন্যান্যরা একটি বহু-আদর্শ নিয়ন্ত্রণ দৃষ্টান্ত (many-standards control paradigm) ব্যবহার করেছিলেন। এই ডিজাইনে, বিভিন্ন কম্পাঙ্কের একাধিক টোন সমান সম্ভাবনার সাথে উপস্থাপন করা হয় যাতে কোনো একক টোন অভিযোজন ট্রিগার করার মতো যথেষ্ট পুনরাবৃত্তি না হয়। তারপরে ভিন্নধর্মী টোনটিকে এই বৈচিত্র্যময় পটভূমির সাথে তুলনা করা হয়, যা অভিযোজন প্রভাব থেকে ভিন্নতা সনাক্তকরণকে আলাদা করে।
যখন সিজোফ্রেনিয়া রোগীদের উভয় দৃষ্টান্ত ব্যবহার করে মূল্যায়ন করা হয়, তখন ফলাফলগুলো ভিন্নতা সনাক্তকরণে একটি নির্বাচনী দুর্বলতা প্রকাশ করে। যদিও বারবার আসা টোনের প্রতি তাদের নিউরাল অভিযোজন সম্পূর্ণ অক্ষত ছিল, তবে শাব্দিক পরিবর্তনগুলো সনাক্ত করার এবং একটি পরিবর্তিত পরিবেশের প্রতিক্রিয়া হিসেবে একটি ভবিষ্যদ্বাণী ত্রুটি তৈরি করার ক্ষমতা তাদের উল্লেখযোগ্যভাবে ব্যাহত হয়েছিল।
মিসম্যাচ নেগেটিভিটি তৈরির জন্য পদ্ধতিগত সর্বোত্তম অনুশীলন
একটি পরিষ্কার, ব্যাখ্যাযোগ্য MMN রেকর্ড করার মূল নীতি হলো একটি শ্রুতিমধুর নিয়মিততা (একটি পুনরাবৃত্ত আদর্শ শব্দ) উপস্থাপন করা এবং মাঝে মাঝে একটি বিরল ভিন্নধর্মী শব্দ দিয়ে সেই নিয়মিততা ভঙ্গ করা। এই লঙ্ঘন কীভাবে তৈরি করা হয় তা নির্ধারণ করে নিউরাল প্রক্রিয়াকরণের কোন দিকটি মূল্যায়ন করা যেতে পারে।
১. মূল নীতি: স্ট্যান্ডার্ড ওডবল প্যারাডাইম
স্ট্যান্ডার্ড ওডবল দৃষ্টান্তটি তিনটি মূল উদ্দীপক প্যারামিটারের ওপর নির্ভর করে যা পদ্ধতিগতভাবে ফলস্বরূপ MMN প্রতিক্রিয়াকে রূপ দেয়:
ভিন্নধর্মী প্রকার (Deviant Type): ভিন্নধর্মী শব্দগুলো বিভিন্ন শাব্দিক মাত্রা যেমন কম্পাঙ্ক বা স্থায়িত্বের ক্ষেত্রে আদর্শ শব্দ থেকে আলাদা হতে পারে। ক্লিনিকাল গবেষণায় প্রায়শই কম্পাঙ্ক এবং স্থায়িত্ব উভয় ধরণের ভিন্নতা অন্তর্ভুক্ত করা প্রয়োজন কারণ তারা নিউরাল প্যাথলজি এবং রোগের অগ্রগতির বিভিন্ন মাত্রা প্রতিফলিত করে।
ভিন্নধর্মী সম্ভাবনা: কম সম্ভাবনার ভিন্নধর্মী শব্দগুলো বৃহত্তর MMN বিস্তার তৈরি করে কারণ তারা পরিবেশগত নিয়মিততার একটি বেশি অপ্রত্যাশিত বিরতি উপস্থাপন করে।
ভিন্নধর্মী মাত্রা: আদর্শ এবং ভিন্নধর্মী শব্দের মধ্যে বৃহত্তর শাব্দিক পার্থক্য বেশি MMN বিস্তার এবং স্বল্প প্রতিক্রিয়া বিলম্বতা তৈরি করে।
২. প্রক্রিয়ার পার্থক্য: ওডবল বনাম বহু-আদর্শ প্যারাডাইম
একটি একক-আদর্শ ওডবল দৃষ্টান্ত সহজাতভাবে দুটি পৃথক নিউরাল প্রক্রিয়াকে মিশ্রিত করে: পুনরাবৃত্ত আদর্শ শব্দের প্রতি নিষ্ক্রিয় অভিযোজন এবং ভিন্নধর্মী শব্দের সক্রিয় সনাক্তকরণ।
ভিন্নতা সনাক্তকরণকে আলাদা করতে, গবেষকরা বহু-আদর্শ দৃষ্টান্ত (many-standards paradigm) ব্যবহার করেন। সমান সম্ভাবনায় টোন কম্পাঙ্কের বিস্তৃত বৈচিত্র্য উপস্থাপন করার মাধ্যমে, উদ্দীপক সেটের ওপর অভিযোজন সমানভাবে বিতরণ করা হয়।
একই পরীক্ষার মধ্যে ওডবল এবং বহু-আদর্শ দৃষ্টান্তের তুলনা করা গবেষকদের এটি নির্ধারণ করতে সাহায্য করে যে একটি MMN অসঙ্গতি দুর্বল অভিযোজন, দুর্বল ভিন্নতা সনাক্তকরণ নাকি উভয়ের সংমিশ্রণ থেকে উদ্ভূত হয়েছে।
৩. সক্রিয় ভবিষ্যদ্বাণী পরীক্ষা: স্ট্যান্ডার্ড ওডবলের বাইরে
প্রেডিক্টিভ কোডিং অ্যাকাউন্টের মূল্যায়নের জন্য এমন ডিজাইনের প্রয়োজন যা সাধারণ শারীরিক বৈশিষ্ট্য পরিবর্তনের বাইরে যায়:
প্যাটার্ন লঙ্ঘন: পুনরাবৃত্তিমূলক প্যাটার্ন (যেমন, ABABAB) উপস্থাপন করা পর্যায়ক্রমিকতার একটি ভবিষ্যদ্বাণী স্থাপন করে। একটি অপ্রত্যাশিত পুনরাবৃত্তি (যেমন, ABABAA) একটি MMN ট্রিগার করে, যা জটিল কাঠামোগত নিয়মের সনাক্তকরণ প্রদর্শন করে।
বাদ পড়ার প্যারাডাইম (Omission Paradigms): যখন একটি ছন্দবদ্ধ অনুক্রমের একটি অনুমানযোগ্য শব্দ সম্পূর্ণভাবে বাদ দেওয়া হয়, তখনও মস্তিষ্ক একটি ভবিষ্যদ্বাণী ত্রুটি সংকেত তৈরি করে, যা প্রমাণ করে যে MMN কেবল সংবেদনশীল অভ্যাসের পরিবর্তে সক্রিয় প্রত্যাশাকে প্রতিফলিত করে।
৪. উৎস অবস্থান নির্ধারণ: EEG বনাম MEG
যদিও স্ট্যান্ডার্ড EEG শক্তিশালী সারফেস রেকর্ডিং প্রদান করে, MMN-এর নির্দিষ্ট নিউরাল জেনারেটরগুলোকে চিহ্নিত করার জন্য প্রায়শই MEG-এর প্রয়োজন হয়। MEG এর চৌম্বকীয় প্রতিরূপ (MMNm) রেকর্ড করে এবং টেম্পোরাল লোব জেনারেটর (সংবেদনশীল বৈষম্য) এবং ফ্রন্টাল লোব জেনারেটর (মনোযোগ পরিবর্তন)-এর অবদানগুলোকে আলাদা করতে উন্নত স্থানিক রেজোলিউশন প্রদান করে।
উপসংহার
মিসম্যাচ নেগেটিভিটি হলো শ্রবণ পরিবর্তনের প্রতি একটি স্বয়ংক্রিয়, প্রাক-মনোযোগ ভিত্তিক মস্তিষ্কের প্রতিক্রিয়া। এটি তখনই উদ্ভূত হয় যখন একটি শব্দ পূর্ববর্তী উদ্দীপনা দ্বারা প্রতিষ্ঠিত একটি নিয়মিততা লঙ্ঘন করে, যা মস্তিষ্কের সংবেদনশীল স্মৃতি এবং ধারণাগত নির্ভুলতার ক্ষমতার সূচক হিসেবে কাজ করে। কয়েক দশকের গবেষণা এটিকে সুপ্রতিষ্ঠিত বৈশিষ্ট্যযুক্ত একটি নির্ভরযোগ্য ইলেকট্রোফিজিওলজিক্যাল ঘটনা হিসেবে প্রতিষ্ঠা করেছে।
MMN-এর অন্তর্নিহিত নিউরাল প্রক্রিয়াগুলো ব্যাখ্যা করার জন্য দুটি প্রধান হাইপোথিসিস প্রতিযোগিতা করেছে। অভিযোজন হাইপোথিসিস এটিকে ভিন্নধর্মী নিউরাল ক্লান্তির কারণ হিসেবে গণ্য করে, যখন মডেল সমন্বয় হাইপোথিসিস অভ্যন্তরীণ উপস্থাপনাগুলোর সক্রিয় আপডেটিংয়ের প্রস্তাব দেয়। প্রেডিক্টিভ কোডিং একটি ঐক্যবদ্ধ কাঠামো হিসেবে আবির্ভূত হয়েছে যা অভিজ্ঞতামূলক বৈশিষ্ট্যগুলোর একটি বিস্তৃত পরিসরের ব্যাখ্যা দেয়। প্রেডিক্টিভ কোডিং নীতির ওপর ভিত্তি করে তৈরি বিশদ কম্পিউটেশনাল মডেলগুলো ভিন্নধর্মী সম্ভাবনা, ভিন্নধর্মী মাত্রা, অপ্রত্যাশিত পুনরাবৃত্তি, শব্দ বাদ পড়া এবং NMDA রিসেপ্টর বিরোধীদের প্রতি MMN-এর সংবেদনশীলতা পুনরুৎপাদন করে। MEG পরীক্ষাগুলোও এই মূল দাবিকে সমর্থন করে যে MMN নিষ্ক্রিয় অভ্যাসের পরিবর্তে সক্রিয় কর্টিক্যাল ভবিষ্যদ্বাণীকে প্রতিফলিত করে।
সিজোফ্রেনিয়ায়, হ্রাসপ্রাপ্ত MMN বিস্তার একটি সুনির্দিষ্ট এবং পদ্ধতিগত অনুসন্ধান। কম্পাঙ্ক-ভিন্নধর্মী MMN রোগের অগ্রগতি এবং জ্ঞানীয় পতনকে ট্র্যাক করে, যেখানে সময়কাল-ভিন্নধর্মী MMN জেনেটিক দুর্বলতার সূচক হতে পারে। এই ঘাটতিটি ভিন্নতা সনাক্তকরণের ক্ষেত্রে নির্দিষ্ট বলে মনে হয়, যেখানে নিউরোনাল অভিযোজন অক্ষত থাকে। এই নির্দিষ্টতার লক্ষ্য হলো চিকিত্সার উন্নয়নের জন্য একটি স্পষ্ট লক্ষ্য চিহ্নিত করা এবং MMN-এর ক্রস-স্পিসিজ অনুবাদযোগ্যতার লক্ষ্য হলো এটিকে প্রাক-ক্লিনিকাল ড্রাগ পরীক্ষার জন্য একটি ব্যবহারিক বায়োমার্কার করে তোলা।
অর্থপূর্ণ MMN ডেটা রেকর্ড করার জন্য সতর্ক পদ্ধতির প্রয়োজন। প্রতিক্রিয়া নিয়ন্ত্রণকারী কম্পিউটেশনাল নীতিগুলোর সুনির্দিষ্ট রেফারেন্সের সাথে ভিন্নধর্মী প্রকার, সম্ভাবনা এবং মাত্রা সতর্কতার সাথে নির্বাচন করতে হবে। অভিযোজন থেকে ভিন্নতা সনাক্তকরণ আলাদা করার প্রয়োজন হলে ঐতিহ্যবাহী ওডবলের সাথে বহু-আদর্শ দৃষ্টান্ত ব্যবহার করা উচিত। অপ্রত্যাশিত পুনরাবৃত্তি বা শব্দ বাদ পড়া ব্যবহার করে অপ্রচলিত ডিজাইনগুলো প্রেডিক্টিভ কোডিং ফ্রেমওয়ার্কের নির্দিষ্ট ভবিষ্যদ্বাণীগুলো পরীক্ষা করতে পারে। যখন উৎসের অবস্থান নির্ধারণ গুরুত্বপূর্ণ হয়, তখন MMNm-এর MEG রেকর্ডিং EEG-কে পরিপূরক করে। এই পদ্ধতিগত বিবেচনাগুলো নিশ্চিত করে যে MMN মৌলিক নিউরোসায়েন্স এবং ক্লিনিকাল অনুবাদ উভয়ের জন্যই একটি সুনির্দিষ্ট হাতিয়ার হিসেবে কাজ করে চলেছে।
তথ্যসূত্র
Garrido, M. I., Kilner, J. M., Stephan, K. E., & Friston, K. J. (2009). The mismatch negativity: a review of underlying mechanisms. Clinical neurophysiology, 120(3), 453-463. https://doi.org/10.1016/j.clinph.2008.11.029
Wacongne, C., Changeux, J. P., & Dehaene, S. (2012). A neuronal model of predictive coding accounting for the mismatch negativity. The Journal of neuroscience, 32(11), 3665-3678. https://doi.org/10.1523/JNEUROSCI.5003-11.2012
Lieder, F., Stephan, K. E., Daunizeau, J., Garrido, M. I., & Friston, K. J. (2013). A neurocomputational model of the mismatch negativity. PLoS computational biology, 9(11), e1003288. https://doi.org/10.1371/journal.pcbi.1003288
Näätänen, R., & Kähkönen, S. (2009). Central auditory dysfunction in schizophrenia as revealed by the mismatch negativity (MMN) and its magnetic equivalent MMNm: a review. International Journal of Neuropsychopharmacology, 12(1), 125-135. https://doi.org/10.1017/S1461145708009322
Koshiyama, D., Kirihara, K., Tada, M., Nagai, T., Fujioka, M., Usui, K., ... & Kasai, K. (2020). Reduced auditory mismatch negativity reflects impaired deviance detection in schizophrenia. Schizophrenia bulletin, 46(4), 937-946. https://doi.org/10.1093/schbul/sbaa006
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
মিসম্যাচ নেগেটিভিটি (MMN) কী?
মিসম্যাচ নেগেটিভিটি বা MMN হলো EEG-এর মাধ্যমে রেকর্ড করা একটি বৈদ্যুতিক মস্তিষ্কের সংকেত যা ঘটে যখন একটি বিরল "ভিন্নধর্মী" শব্দ বারবার আসা "আদর্শ" শব্দের একটি প্যাটার্ন ভেঙে দেয়। এটি মস্তিষ্কের পরিবর্তন সনাক্ত করার স্বয়ংক্রিয় ক্ষমতাকে প্রতিফলিত করে এবং এটি তৈরি হয় তখনও যখন একজন ব্যক্তি শব্দগুলোর প্রতি মনোযোগ দিচ্ছেন না।
কেন MMN-কে স্বয়ংক্রিয় এবং প্রাক-মনোযোগ ভিত্তিক বিবেচনা করা হয়?
MMN স্বয়ংক্রিয় কারণ এটি একজন ব্যক্তি পড়াশোনা করার সময়, কোনো চলচ্চিত্র দেখার সময় বা শব্দগুলোকে সক্রিয়ভাবে উপেক্ষা করার সময়ও প্রদর্শিত হয়। এটি প্রাক-মনোযোগ ভিত্তিক কারণ সচেতন মনোযোগ যুক্ত হওয়ার আগেই মস্তিষ্ক ভিন্নধর্মী শব্দের সাথে আদর্শ শব্দের স্মৃতিচিহ্নের তুলনা করে।
মস্তিষ্ক কীভাবে MMN তৈরি করে সে সম্পর্কে দুটি প্রধান হাইপোথিসিস কী কী?
অভিযোজন হাইপোথিসিস প্রস্তাব করে যে পুনরাবৃত্ত আদর্শ শব্দগুলো নিউরনের ফায়ারিং রেট হ্রাস করে, তাই একটি বিরল ভিন্নধর্মী শব্দ "নতুন" নিউরনগুলোকে সক্রিয় করে যা একটি বৃহত্তর প্রতিক্রিয়া তৈরি করে। মডেল সমন্বয় হাইপোথিসিস প্রস্তাব করে যে মস্তিষ্ক সক্রিয়ভাবে শ্রবণ পরিবেশের একটি অভ্যন্তরীণ মডেল তৈরি করে এবং MMN সেই মডেলটিকে আপডেট করার প্রক্রিয়াটিকে প্রতিফলিত করে যখন কোনো ভিন্নধর্মী শব্দ প্রত্যাশা লঙ্ঘন করে।
প্রেডিক্টিভ কোডিং কীভাবে MMN-কে ব্যাখ্যা করে?
প্রেডিক্টিভ কোডিং হলো একটি ঐক্যবদ্ধ রূপরেখা যা মস্তিষ্ককে পূর্ববর্তী অভিজ্ঞতার ভিত্তিতে আসন্ন শব্দগুলোর সক্রিয় ভবিষ্যদ্বাণীকারী হিসেবে দেখে। যখন প্রকৃত ইনপুট ভবিষ্যদ্বাণী থেকে বিচ্যুত হয়, তখন একটি ভবিষ্যদ্বাণী ত্রুটি সংকেত তৈরি হয় এবং MMN-কে সেই ভবিষ্যদ্বাণী ত্রুটির ইলেকট্রোফিজিওলজিক্যাল প্রকাশ হিসেবে বোঝা যায়।
বহু-আদর্শ দৃষ্টান্ত (many-standards paradigm) কী এবং এটি কেন ব্যবহৃত হয়?
বহু-আদর্শ দৃষ্টান্তটি সমান সম্ভাবনায় বিভিন্ন টোন উপস্থাপন করে যাতে কোনো একক টোন নিউরাল অভিযোজন ঘটানোর মতো যথেষ্ট পুনরাবৃত্তি না হয়। এটি গবেষকদের অভিযোজন প্রভাব থেকে ভিন্নতা সনাক্তকরণকে আলাদা করতে সাহায্য করে, যা একটি প্রথাগত ওডবল দৃষ্টান্তে মিশ্রিত থাকে।
MMNm কী এবং এটি কীভাবে MMN থেকে আলাদা?
MMNm হলো MMN-এর চৌম্বকীয় প্রতিরূপ, যা EEG-এর পরিবর্তে ম্যাগনেটোএনসেফালোগ্রাফি (MEG) দিয়ে রেকর্ড করা হয়। এটি টেম্পোরাল লোব এবং ফ্রন্টাল লোব জেনারেটরের মতো মস্তিষ্কের বিভিন্ন অঞ্চলের অবদানগুলোকে আলাদা করার জন্য আরও ভালো স্থানিক রেজোলিউশন প্রদান করে।
একটি MMN পরীক্ষার ডিজাইন করার সময় কোন বিষয়গুলো বিবেচনা করা উচিত?
গবেষকদের অবশ্যই ভিন্নধর্মী প্রকার, সম্ভাবনা এবং মাত্রা সতর্কতার সাথে নির্বাচন করতে হবে কারণ এই প্যারামিটারগুলো পদ্ধতিগতভাবে MMN প্রতিক্রিয়া তৈরি করে। নিম্ন সম্ভাবনা এবং বৃহত্তর মাত্রার ভিন্নতা বৃহত্তর বিস্তার তৈরি করে এবং ক্লিনিকাল অধ্যয়নের জন্য কম্পাঙ্ক ও স্থায়িত্ব উভয় ধরণের ভিন্নতা ব্যবহার করা অপরিহার্য। অভিযোজন থেকে ভিন্নতা সনাক্তকরণ আলাদা করার প্রয়োজন হলে ঐতিহ্যবাহী ওডবলের সাথে বহু-আদর্শ দৃষ্টান্ত ব্যবহার করা উচিত।
Emotiv একটি নিউরোটেকনোলজি শীর্ষস্থানীয় প্রতিষ্ঠান, যা সহজলভ্য EEG এবং ব্রেন ডেটা টুলের মাধ্যমে স্নায়ুবিজ্ঞান গবেষণার অগ্রগতিতে সহায়তা করে।
চিকিৎসা সংক্রান্ত দাবিত্যাগ: এই ওয়েবসাইটে দেওয়া তথ্য শুধুমাত্র শিক্ষামূলক এবং তথ্যগত উদ্দেশ্যে এবং এটি চিকিৎসা বা স্বাস্থ্য সংক্রান্ত পরামর্শ হিসেবে উদ্দেশ্য নয়। এই বিষয়বস্তুতে ভুল থাকতে পারে এবং জীবন পরিবর্তনকারী স্বাস্থ্য, চিকিৎসা বা জীবনযাত্রার পছন্দগুলি করার জন্য এর ওপর নির্ভর করা উচিত নয়। কোনো চিকিৎসাগত অবস্থা বা চিকিৎসার বিষয়ে আপনার যেকোনো প্রশ্ন থাকলে সর্বদা আপনার চিকিৎসক বা অন্য কোনো যোগ্য স্বাস্থ্যসেবা প্রদানকারীর পরামর্শ নিন।
ক্রিশ্চিয়ান বার্গোস
