मिसमैच नेगेटिविटी, जिसे संक्षिप्त में MMN कहा जाता है, इलेक्ट्रोएन्सेफलोग्राम (EEG) रिकॉर्डिंग से प्राप्त एक घटना-संबंधित विभव (event-related potential) घटक है। कई उत्तेजित विभवों (evoked potentials) के विपरीत, जिनके लिए सक्रिय ध्यान की आवश्यकता होती है, MMN स्वतः ही तब उभरता है जब कोई असामान्य "विचलित" (deviant) ध्वनि, बार-बार दोहराई जाने वाली "मानक" (standard) ध्वनियों के अनुक्रम को बाधित करती है। यह स्वतः होने वाला गुण इसे एक नैदानिक और अनुसंधान उपकरण के रूप में विशेष रूप से मूल्यवान बनाता है, क्योंकि यह इस उलझाने वाले चर को हटा देता है कि परीक्षण के दौरान रोगी सहयोग कर रहा है या अपना ध्यान केंद्रित रख पा रहा है।
मिसमैच नेगेटिविटी (MMN) क्या है?
मिसमैच नेगेटिविटी (MMN) एक इवेंट-रिलेटेड पोटेंशियल (घटना-संबंधित क्षमता) घटक है जिसे इलेक्ट्रोएन्सेफलोग्राम (EEG) के माध्यम से रिकॉर्ड किया जाता है जो मस्तिष्क द्वारा श्रवण परिवर्तनों की स्वचालित, ध्यान-पूर्व पहचान को दर्शाता है। यह स्वचालित प्रतिक्रिया आमतौर पर समान मानक ध्वनियों के अनुक्रम को प्रस्तुत करके उत्पन्न की जाती है, जिसके बाद एक दुर्लभ 'विचलित' (डेविअंट) ध्वनि आती है जो आवृत्ति, अवधि या अन्य ध्वनिक विशेषताओं में भिन्न होती है।
मस्तिष्क इस विचलन का पता लगाता है, जिससे एक नकारात्मक-दिशात्मक वोल्टेज झुकाव उत्पन्न होता है जो परिवर्तन के लगभग 100 से 200 मिलीसेकंड बाद चरम पर पहुंचता है। ललाट (फ्रंटल) और मध्य खोपड़ी (सेंट्रल स्कैल्प) के इलेक्ट्रोड पर सबसे प्रमुख रूप से रिकॉर्ड की जाने वाली यह विशिष्ट तरंग रूप मिसमैच नेगेटिविटी के प्राथमिक संकेतक के रूप में कार्य करती है।
दो गुण MMN को मस्तिष्क की अन्य प्रतिक्रियाओं से अलग करते हैं:
पहला, यह स्वचालित है। कोई व्यक्ति किताब पढ़ रहा हो, मूक फिल्म देख रहा हो, या ध्वनियों को पूरी तरह से नजरअंदाज कर रहा हो, फिर भी MMN दिखाई देगा।
दूसरा, यह ध्यान-पूर्व (प्री-अटेंटिव) है। ध्यान आकर्षित होने से पहले ही मस्तिष्क विचलित ध्वनि और मानक ध्वनियों के स्मृति चिह्न (मेमोरी ट्रेस) के बीच तुलना कर लेता है।
ये विशेषताएं MMN को परिवर्तन का पता लगाने की मस्तिष्क की मौलिक क्षमता का एक सूचकांक बनाती हैं, जो उच्च संज्ञानात्मक प्रक्रियाओं से स्वतंत्र होती हैं जो व्यक्तियों में कमजोर या परिवर्तनशील हो सकती हैं।
मैग्नेटोएन्सेफलोग्राफी के साथ रिकॉर्ड किया गया MMN का चुंबकीय प्रतिरूप, जिसे संक्षेप में MMNm कहा जाता है, उसी अंतर्निहित श्रवण परिवर्तन-पहचान प्रक्रिया को दर्शाता है। चूंकि MEG, EEG की तुलना में भिन्न स्थानिक संवेदनशीलता प्रदान करता है, इसलिए दोनों रिकॉर्डिंग तौर-तरीकों को मिलाने से शोधकर्ताओं को मस्तिष्क के विभिन्न क्षेत्रों के योगदान को अलग करने में मदद मिलती है। MMNm श्रवण प्रांतस्था (ऑडिटरी कॉर्टेक्स) और आसपास के टेम्पोरल लोब संरचनाओं में स्थानीयकृत होता है, जिससे यह पुष्टि होती है कि यह प्रतिक्रिया उच्च साहचर्य क्षेत्रों के बजाय संवेदी प्रसंस्करण क्षेत्रों में उत्पन्न होती है।
मस्तिष्क मिसमैच नेगेटिविटी कैसे उत्पन्न करता है
MMN जनरेशन ऑडिटरी कॉर्टेक्स में जटिल, गतिशील न्यूरोनल तंत्र द्वारा संचालित होता है, जिसे शोधकर्ता परिष्कृत न्यूरोकंप्यूटेशनल मॉडल के माध्यम से सक्रिय रूप से तलाश रहे हैं। हालांकि इस बात पर कोई एकल सेलुलर-स्तर की सहमति नहीं है कि जब कोई विचलित ध्वनि इस प्रतिक्रिया को ट्रिगर करती है तो वास्तव में क्या होता है, दो प्रमुख परिकल्पनाओं ने दशकों के वैज्ञानिक अनुसंधान को आकार दिया है: अनुकूलन (एडैप्टेशन) परिकल्पना और मॉडल समायोजन (मॉडल एडजस्टमेंट) परिकल्पना।
अनुकूलन परिकल्पना का सुझाव है कि ऑडिटरी कॉर्टेक्स में न्यूरॉन्स बार-बार आने वाली मानक ध्वनियों के प्रति अपनी फायरिंग दर को धीरे-धीरे कम करके प्रतिक्रिया करते हैं—एक प्रक्रिया जिसे उद्दीपन-विशिष्ट अनुकूलन (स्टिमुलस-स्पेसिफिक एडैप्टेशन) के रूप में जाना जाता है। जब एक दुर्लभ विचलित ध्वनि पेश की जाती है, तो यह गैर-अनुकूलित न्यूरॉन्स की एक अलग, नई आबादी को सक्रिय करती है। इस दृष्टिकोण के तहत, MMN अनिवार्य रूप से अनुकूलित और गैर-अनुकूलित तंत्रिका आबादी के बीच एक अंतर प्रतिक्रिया है।
इसके विपरीत, मॉडल समायोजन परिकल्पना निष्क्रिय तंत्रिका थकान के बजाय एक सक्रिय संज्ञानात्मक तंत्र का प्रस्ताव करती है। यह मानती है कि मस्तिष्क अपने श्रवण वातावरण का एक पूर्वानुमानित आंतरिक मॉडल लगातार बनाता रहता है। जब मानक ध्वनियाँ दोहराई जाती हैं, तो वे इस उम्मीद को सुदृढ़ करती हैं; जब कोई विचलित ध्वनि उत्पन्न होती है, तो यह उम्मीद का उल्लंघन करती है और मस्तिष्क को अपने आंतरिक प्रतिनिधित्व को अपडेट करने के लिए मजबूर करती है। इसलिए, MMN तरंग रूप इस सक्रिय मॉडल-अपडेटिंग प्रक्रिया को दर्शाता है।
प्रेडिक्टिव कोडिंग फ्रेमवर्क और स्पाइकिंग-न्यूरॉन मॉडल
इन प्रतिस्पर्धी विवरणों में सामंजस्य स्थापित करने के लिए, शोधकर्ता तेजी से प्रेडिक्टिव कोडिंग को एक एकीकृत ढांचे के रूप में देख रहे हैं। प्रेडिक्टिव कोडिंग मस्तिष्क को एक सक्रिय पूर्वानुमान इंजन के रूप में देखती है जो सूचना को अधिक कुशलता से संसाधित करने के लिए संवेदी इनपुट का अनुमान लगाता है।
ऑडिटरी कॉर्टेक्स भविष्यवाणियां उत्पन्न करने के लिए पूर्ववर्ती ध्वनियों से सांख्यिकीय नियमितताएं सीखता है। जब आने वाले उद्दीपन इन अपेक्षाओं से मेल खाते हैं, तो प्रसंस्करण सुचारू रूप से आगे बढ़ता है; जब कोई ध्वनि विचलित होती है, तो कॉर्टिकल पदानुक्रम के माध्यम से एक भविष्यवाणी त्रुटि (प्रेडिक्शन एरर) फैलती है। परिणामस्वरूप, MMN एक भविष्यवाणी त्रुटि संकेत का इलेक्ट्रोफिजियोलॉजिकल हस्ताक्षर है।
ऑडिटरी कॉर्टेक्स का एक विस्तृत, जैविक रूप से प्रशंसनीय स्पाइकिंग-न्यूरॉन मॉडल इस ढांचे का समर्थन करता है। यह मॉडल उत्तेजक और निरोधात्मक न्यूरॉन्स को एक स्तरित कॉर्टिकल संरचना में व्यवस्थित करता है जिसमें अलग-अलग कार्यात्मक प्रसंस्करण इकाइयां होती हैं:
इनपुट इकाइयाँ जो कच्चा संवेदी डेटा प्राप्त करती हैं।
भविष्यवाणी इकाइयाँ जो सीखी गई पर्यावरणीय अपेक्षाओं का प्रतिनिधित्व करती हैं।
भविष्यवाणी-त्रुटि इकाइयाँ जो इनपुट और भविष्यवाणियों के बीच टकराव होने पर बेमेल होने का संकेत देती हैं।
NMDA रिसेप्टर ट्रांसमिशन पर निर्भर एक सिनैप्टिक लर्निंग रूल को शामिल करके, यह नेटवर्क हाल की ध्वनियों के संक्रमण आंकड़ों के आधार पर अपनी भविष्यवाणियों को गतिशील रूप से समायोजित करता है।
यह कम्प्यूटेशनल मॉडल कई प्रमुख, अनुभवजन्य रूप से देखे गए MMN लक्षणों को सफलतापूर्वक स्पष्ट करता है:
आवृत्ति-निर्भर स्केलिंग (फ्रीक्वेंसी-डिपेंडेंट स्केलिंग): MMN आयाम आनुपातिक रूप से बढ़ता है कि विचलित ध्वनि मानक टोन से कितनी भिन्न है।
स्थानीय पैटर्न के प्रति संवेदनशीलता: मॉडल वैकल्पिक अनुक्रमों में अप्रत्याशित दोहराव के प्रति प्रतिक्रियाओं को पुनरुत्पादित करता है (उदाहरण के लिए, जब एक वैकल्पिक ABABAB अनुक्रम अचानक ABABAA में बदल जाता है तो भविष्यवाणी त्रुटि दर्ज करना), जो वैश्विक सांख्यिकीय नियमों के बजाय स्थानीय संक्रमण संभावनाओं पर निर्भरता को दर्शाता है।
चूक प्रतिक्रियाएं (ओमिशन रिस्पॉन्स): यह मॉडल तब भी भविष्यवाणी त्रुटि उत्पन्न करता है जब किसी अपेक्षित ध्वनि को पूरी तरह से छोड़ दिया जाता है।
फार्माकोलॉजिकल संवेदनशीलता: यह मॉडल NMDA रिसेप्टर प्रतिपक्षी (एंटागोनिस्ट) के प्रति अत्यधिक संवेदनशील है, जो नैदानिक अध्ययनों के अनुरूप है जो दिखाते हैं कि इन रिसेप्टर्स को अवरुद्ध करने से MMN आयाम कम या समाप्त हो जाता है।
इसके अलावा, एक पूरक मैग्नेटोएन्सेफलोग्राफी (MEG) प्रयोग ने इन मॉडल दावों को मान्य किया, जिससे पता चला कि MMN प्रतिक्रियाएं साधारण सिनैप्टिक आदत के बजाय सक्रिय कॉर्टिकल भविष्यवाणियों से उत्पन्न होती हैं, जो प्रेडिक्टिव कोडिंग विवरण के लिए मजबूत अनुभवजन्य समर्थन प्रदान करती हैं।
श्रवण प्रसंस्करण में जनरेटिव मॉडल और बायेसियन अनुमान
एक अन्य प्रमुख न्यूरोकंप्यूटेशनल मॉडल बायेसियन अनुमान के परिप्रेक्ष्य से ऑडिटरी कॉर्टेक्स का विश्लेषण करता है। यह न्यूरोसाइंटिफिक ढांचा मस्तिष्क को सामान्यीकृत बायेसियन फ़िल्टरिंग का उपयोग करके संवेदी दुनिया के एक संभाव्य जनरेटिव प्रतिनिधित्व को लगातार अपडेट करने के रूप में मॉडल करता है।
इस प्रणाली में, MMN भविष्यवाणी-त्रुटि न्यूरॉन्स द्वारा उत्पन्न सामूहिक विद्युत गतिविधि का प्रतिनिधित्व करता है क्योंकि वे पदानुक्रमित गतिकी की छिपी हुई स्थितियों पर अनुमान लगाते हैं। यह बायेसियन दृष्टिकोण अत्यधिक यथार्थवादी MMN तरंग रूपों का उत्पादन करता है जो अनुभवजन्य डेटा को दर्शाते हैं, यह सटीक रूप से कैप्चर करते हैं कि विचलित संभावना और परिमाण प्रतिक्रिया को कैसे आकार देते हैं:
जैसे-जैसे किसी विचलित ध्वनि की संभावना अधिक होती जाती है, अपेक्षा उल्लंघन कम होता जाता है, जिससे MMN आयाम कम हो जाता है।
जैसे-जैसे विचलित ध्वनि मानकों से ध्वनिक रूप से कम भिन्न होती जाती है, MMN प्रतिक्रिया की विलंबता (लेटेंसी) बढ़ जाती है जबकि इसका आयाम घट जाता है।
सामूहिक रूप से, प्रेडिक्टिव कोडिंग और बायेसियन मॉडल दोनों एक ही मौलिक सत्य पर सहमत होते हैं: MMN एक ऐसे मस्तिष्क का विद्युत हस्ताक्षर है जो अपने श्रवण वातावरण का सक्रिय रूप से पूर्वानुमान लगा रहा है और संवेदी वास्तविकता के आंतरिक अपेक्षाओं के साथ टकराने पर संकेत दे रहा है।
परिकल्पना | तंत्र | मूल विचार |
|---|---|---|
अनुकूलन (एडैप्टेशन) | बार-बार आने वाली ध्वनियों से न्यूरॉन्स थक जाते हैं | अनुकूलित आबादी के बीच अंतर प्रतिक्रिया |
मॉडल समायोजन | मस्तिष्क सक्रिय रूप से आंतरिक मॉडल को अपडेट करता है | MMN अपेक्षा उल्लंघन को दर्शाता है |
प्रेडिक्टिव कोडिंग | मस्तिष्क आने वाले संवेदी इनपुट की भविष्यवाणी करता है | MMN भविष्यवाणी त्रुटि का संकेत देता है |
सिजोफ्रेनिया में बायोमार्कर के रूप में MMN
1990 के दशक की शुरुआत से, अध्ययनों ने स्वस्थ व्यक्तियों की तुलना में सिजोफ्रेनिया के रोगियों में कम MMN आयाम को दर्ज किया है। यह कमी मजबूत और व्यवस्थित प्रतीत होती है, जो विभिन्न प्रयोगशालाओं, रिकॉर्डिंग प्रोटोकॉल और रोगी आबादी में दिखाई देती है।
एक पारंपरिक ऑडिटरी ऑडबॉल प्रतिमान सिजोफ्रेनिया के रोगियों में अवधि-विचलित (ड्यूरेशन-डेविअंट) और आवृत्ति-विचलित (फ्रीक्वेंसी-डेविअंट) दोनों MMN में महत्वपूर्ण कमियों को प्रकट करता है। यह हानि इतनी विश्वसनीय है कि MMN को व्यापक रूप से नैदानिक बायोमार्कर के रूप में प्रस्तावित किया गया है—एक वस्तुनिष्ठ, शारीरिक माप जो रोग के बढ़ने को अनुक्रमित करने और चिकित्सीय प्रभावकारिता का परीक्षण करने में सक्षम है।
विभिन्न ध्वनिक विचलन पैथोलॉजी के विभिन्न आयामों को ट्रैक करते हैं:
आवृत्ति-विचलित MMN: जैसे-जैसे बीमारी बढ़ती है, आयाम में कमी बदतर होती जाती है, जो बीमारी की अवधि और संज्ञानात्मक तथा कार्यात्मक गिरावट के साथ निकटता से जुड़ी होती है। यह आवृत्ति-विचलित MMN को रोग बढ़ने का एक मूल्यवान संकेतक बनाता है।
अवधि-विचलित MMN: इस क्षेत्र में कमियां एक अलग प्रक्षेपवक्र का अनुसरण करती हैं और आनुवंशिक संवेदनशीलता से अधिक मजबूती से जुड़ी होती हैं, जो एक विशेषता मार्कर के रूप में कार्य करती हैं जो समय के साथ अपेक्षाकृत स्थिर रहती हैं।
इसके अतिरिक्त, MMN में योगदान देने वाले अलग तंत्रिका जनरेटर सिजोफ्रेनिया में अलग-अलग रूप से प्रभावित होते हैं:
टेम्पोरल लोब जनरेटर: यहाँ की कमियां बुनियादी श्रवण धारणा और भेदभाव में कमियों से जुड़ी हैं, जो श्रवण मतिभ्रम (ऑडिटरी हैलुसिनेशन) जैसे सकारात्मक लक्षणों में योगदान कर सकती हैं।
फ्रंटल लोब जनरेटर: फ्रंटल कॉर्टेक्स में कम गतिविधि ध्यान-परिवर्तन (अटेंशन-स्विचिंग) में असमर्थता से जुड़ी है, जो सामाजिक अलगाव और उदासीनता जैसे नकारात्मक लक्षणों से संबंधित है।
सिजोफ्रेनिया में न्यूरोनल अनुकूलन बनाम विचलन का पता लगाना (डेविअंस डिटेक्शन)
एक महत्वपूर्ण सवाल यह है कि क्या सिजोफ्रेनिया में MMN की कमी संवेदी अनुकूलन की विफलता से उत्पन्न होती है या सक्रिय विचलन का पता लगाने की विफलता से। एक मानक ऑडबॉल प्रतिमान में, ये दोनों प्रक्रियाएं भ्रमित हो जाती हैं क्योंकि विचलित टोन के प्रति मस्तिष्क की प्रतिक्रिया इस बात पर निर्भर करती है कि वह दोहराए जाने वाले मानक के प्रति कैसे अनुकूलित होता है और वह नए परिवर्तन का पता कैसे लगाता है।
इन तंत्रों को अलग करने के लिए, कोशियामा आदि ने 'मेनी-स्टैंडर्ड्स' नियंत्रण प्रतिमान का उपयोग किया। इस डिजाइन में, विभिन्न आवृत्तियों के कई टोन समान संभावना के साथ प्रस्तुत किए जाते हैं ताकि कोई भी एकल टोन अनुकूलन को ट्रिगर करने के लिए पर्याप्त रूप से न दोहराए। फिर विचलित टोन की तुलना इस विविध पृष्ठभूमि से की जाती है, जिससे अनुकूलन प्रभावों से विचलन का पता लगाने की प्रक्रिया अलग हो जाती है।
जब सिजोफ्रेनिया के रोगियों का मूल्यांकन दोनों प्रतिमानों का उपयोग करके किया गया, तो परिणामों ने विचलन का पता लगाने में एक चयनात्मक हानि का खुलासा किया। जबकि बार-बार आने वाली आवाजों के प्रति उनका तंत्रिका अनुकूलन पूरी तरह से बरकरार रहा, परिवर्तित वातावरण के जवाब में ध्वनिक परिवर्तनों का पता लगाने और भविष्यवाणी त्रुटि उत्पन्न करने की उनकी क्षमता महत्वपूर्ण रूप से प्रभावित हुई थी।
मिसमैच नेगेटिविटी उत्पन्न करने के लिए कार्यप्रणाली के सर्वोत्तम तरीके
एक स्पष्ट, व्याख्या योग्य MMN रिकॉर्ड करने का मूल सिद्धांत एक श्रवण नियमितता (एक दोहराई जाने वाली मानक ध्वनि) प्रस्तुत करना और कभी-कभी एक दुर्लभ विचलित ध्वनि के साथ उस नियमितता का उल्लंघन करना है। यह उल्लंघन कैसे बनाया जाता है, यह तय करता है कि तंत्रिका प्रसंस्करण के किस पहलू का मूल्यांकन किया जा सकता है।
1. मूल सिद्धांत: मानक ऑडबॉल प्रतिमान (स्टैंडर्ड ऑडबॉल पैराडाइम)
मानक ऑडबॉल प्रतिमान तीन प्रमुख उद्दीपन मापदंडों पर निर्भर करता है जो व्यवस्थित रूप से परिणामी MMN प्रतिक्रिया को आकार देते हैं:
विचलित प्रकार (डेविअंट टाइप): विचलित ध्वनि विभिन्न ध्वनिक आयामों, जैसे आवृत्ति या अवधि में मानकों से भिन्न हो सकती है। नैदानिक अनुसंधान में आवृत्ति और अवधि दोनों विचलनों को शामिल करना अक्सर आवश्यक होता है क्योंकि वे तंत्रिका पैथोलॉजी और रोग बढ़ने के विभिन्न आयामों को दर्शाते हैं।
विचलित संभावना (डेविअंट प्रोबेबिलिटी): कम संभावना वाले विचलित आयाम बड़े MMN आयाम उत्पन्न करते हैं क्योंकि वे पर्यावरणीय नियमितता में अधिक अप्रत्याशित विराम का प्रतिनिधित्व करते हैं।
विचलित परिमाण (डेविअंट मैग्नीट्यूड): मानक और विचलित ध्वनियों के बीच बड़े ध्वनिक अंतर अधिक MMN आयाम और कम प्रतिक्रिया विलंबता को जन्म देते हैं।
2. प्रक्रियाओं में अंतर करना: ऑडबॉल बनाम मेनी-स्टैंडर्ड्स प्रतिमान
एक एकल-मानक ऑडबॉल प्रतिमान स्वाभाविक रूप से दो अलग-अलग तंत्रिका प्रक्रियाओं को भ्रमित करता है: दोहराए जाने वाले मानक के प्रति निष्क्रिय अनुकूलन और विचलित ध्वनि का सक्रिय पता लगाना।
विचलन का पता लगाने की प्रक्रिया को अलग करने के लिए, शोधकर्ता 'मेनी-स्टैंडर्ड्स' प्रतिमान का उपयोग करते हैं। समान संभावनाओं पर टोन आवृत्तियों की एक विस्तृत विविधता प्रस्तुत करके, अनुकूलन को उद्दीपन सेट में समान रूप से वितरित किया जाता है।
एक ही प्रयोग के भीतर ऑडबॉल और मेनी-स्टैंडर्ड्स प्रतिमानों की तुलना करने से शोधकर्ताओं को यह निर्धारित करने में मदद मिलती है कि MMN असामान्यता कमजोर अनुकूलन, कमजोर विचलन का पता लगाने, या दोनों के संयोजन से उत्पन्न होती है।
3. सक्रिय भविष्यवाणी का परीक्षण: मानक ऑडबॉल से परे
प्रेडिक्टिव कोडिंग विवरणों का मूल्यांकन करने के लिए ऐसे डिजाइनों की आवश्यकता होती है जो सरल भौतिक विशेषता परिवर्तनों से परे जाते हैं:
पैटर्न उल्लंघन (पैटर्न वायोलेशन): दोहराए जाने वाले पैटर्न (जैसे, ABABAB) को प्रस्तुत करना बारी-बारी से आने वाले बदलावों की भविष्यवाणी स्थापित करता है। एक अप्रत्याशित दोहराव (जैसे, ABABAA) एक MMN को ट्रिगर करता है, जो जटिल संरचनात्मक नियमों का पता लगाने को प्रदर्शित करता है।
चूक प्रतिमान (ओमिशन पैराडाइम): जब एक लयबद्ध अनुक्रम में एक अनुमानित ध्वनि को पूरी तरह से छोड़ दिया जाता है, तब भी मस्तिष्क एक भविष्यवाणी त्रुटि संकेत उत्पन्न करता है, जिससे साबित होता है कि MMN केवल संवेदी आदत के बजाय सक्रिय अपेक्षा को दर्शाता है।
निष्कर्ष
मिसमैच नेगेटिविटी श्रवण परिवर्तन के प्रति एक स्वचालित, ध्यान-पूर्व मस्तिष्क प्रतिक्रिया है। यह तब उभरती है जब कोई ध्वनि पूर्ववर्ती उद्दीपनों द्वारा स्थापित नियमितता का उल्लंघन करती है, जो संवेदी स्मृति और प्रत्यक्ष ज्ञान की सटीकता के लिए मस्तिष्क की क्षमता को दर्शाती है। दशकों के शोध ने इसे अच्छी तरह से परिभाषित गुणों के साथ एक विश्वसनीय इलेक्ट्रोफिज़ियोलॉजिकल घटना के रूप में स्थापित किया है।
MMN के पीछे के तंत्रिका तंत्र को समझाने के लिए दो प्रमुख परिकल्पनाओं ने प्रतिस्पर्धा की है। अनुकूलन परिकल्पना इसे विभेदक तंत्रिका थकान के कारण मानती है, जबकि मॉडल समायोजन परिकल्पना आंतरिक प्रतिनिधित्व के सक्रिय अद्यतन का प्रस्ताव करती है। प्रेडिक्टिव कोडिंग एक एकीकृत ढांचे के रूप में उभरी है जो अनुभवजन्य विशेषताओं की एक विस्तृत श्रृंखला की व्याख्या करती है। प्रेडिक्टिव कोडिंग सिद्धांतों पर बने विस्तृत कम्प्यूटेशनल मॉडल विचलित संभावना, विचलित परिमाण, अप्रत्याशित दोहराव, ध्वनि लोप और NMDA रिसेप्टर प्रतिपक्षी के प्रति MMN की संवेदनशीलता को पुनरुत्पादित करते हैं। MEG प्रयोग भी इस मूल दावे का समर्थन करते हैं कि MMN निष्क्रिय आदत के बजाय सक्रिय कॉर्टिकल भविष्यवाणी को दर्शाता है।
सिजोफ्रेनिया में, कम MMN आयाम एक मजबूत और व्यवस्थित खोज है। आवृत्ति-विचलित MMN बीमारी के बढ़ने और संज्ञानात्मक गिरावट को ट्रैक करता है, जबकि अवधि-विचलित MMN आनुवंशिक संवेदनशीलता का सूचकांक हो सकता है। यह कमी विचलन का पता लगाने के लिए विशिष्ट प्रतीत होती है, जबकि न्यूरोनल अनुकूलन बरकरार रहता है। इस विशिष्टता का उद्देश्य उपचार के विकास के लिए एक स्पष्ट लक्ष्य की पहचान करना है, और MMN की क्रॉस-प्रजाति अनुवाद क्षमता का उद्देश्य इसे प्रीक्लिनिकल दवा परीक्षण के लिए एक व्यावहारिक बायोमार्कर बनाना है।
सार्थक MMN डेटा रिकॉर्ड करने के लिए सावधानीपूर्वक कार्यप्रणाली की आवश्यकता होती है। प्रतिक्रिया को नियंत्रित करने वाले कम्प्यूटेशनल सिद्धांतों के जानबूझकर संदर्भ के साथ विचलित प्रकार, संभावना और परिमाण का चयन किया जाना चाहिए। जब अनुकूलन को विचलन का पता लगाने से अलग करना आवश्यक हो, तो पारंपरिक ऑडबॉल के साथ मेनी-स्टैंडर्ड्स प्रतिमान का उपयोग किया जाना चाहिए। अप्रत्याशित दोहराव या ध्वनि लोप का उपयोग करने वाले अपरंपरागत डिजाइन प्रेडिक्टिव कोडिंग ढांचे की विशिष्ट भविष्यवाणियों का परीक्षण कर सकते हैं। जब स्रोत स्थानीयकरण (सोर्स लोकलाइजेशन) मायने रखता है, तो MMNm की MEG रिकॉर्डिंग EEG का पूरक बनती है। ये पद्धतिगत विचार सुनिश्चित करते हैं कि MMN बुनियादी तंत्रिका विज्ञान और नैदानिक अनुवाद दोनों के लिए एक सटीक उपकरण के रूप में काम करना जारी रखे।
संदर्भ
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
अक्सर पूछे जाने वाले प्रश्न
मिसमैच नेगेटिविटी (MMN) क्या है?
मिसमैच नेगेटिविटी, या MMN, EEG के साथ रिकॉर्ड किया जाने वाला एक मस्तिष्क विद्युत संकेत है जो तब होता है जब एक दुर्लभ "विचलित" ध्वनि बार-बार आने वाली "मानक" ध्वनियों के पैटर्न को तोड़ती है। यह परिवर्तन का पता लगाने की मस्तिष्क की स्वचालित क्षमता को दर्शाता है और तब भी उत्पन्न होता है जब कोई व्यक्ति ध्वनियों पर ध्यान नहीं दे रहा होता है।
MMN को स्वचालित और ध्यान-पूर्व क्यों माना जाता है?
MMN स्वचालित है क्योंकि यह तब भी दिखाई देता है जब कोई व्यक्ति पढ़ रहा हो, फिल्म देख रहा हो, या ध्वनियों की सक्रिय रूप से उपेक्षा कर रहा हो। यह ध्यान-पूर्व है क्योंकि सचेत ध्यान आकर्षित होने से पहले ही मस्तिष्क विचलित ध्वनि की तुलना मानक ध्वनियों के स्मृति चिह्न से कर लेता है।
मस्तिष्क MMN कैसे उत्पन्न करता है, इसके लिए दो मुख्य परिकल्पनाएँ क्या हैं?
अनुकूलन परिकल्पना का प्रस्ताव है कि बार-बार आने वाली मानक ध्वनियाँ न्यूरॉन्स को उनकी फायरिंग दरों को कम करने का कारण बनती हैं, इसलिए एक दुर्लभ विचलित ध्वनि "ताज़ा" न्यूरॉन्स को सक्रिय करती है जो एक बड़ी प्रतिक्रिया उत्पन्न करते हैं। मॉडल समायोजन परिकल्पना का प्रस्ताव है कि मस्तिष्क सक्रिय रूप से श्रवण वातावरण का एक आंतरिक मॉडल बनाता है, और MMN उस मॉडल को अपडेट करने की प्रक्रिया को दर्शाता है जब कोई विचलित ध्वनि अपेक्षाओं का उल्लंघन करती है।
प्रेडिक्टिव कोडिंग MMN को कैसे समझाती है?
प्रेडिक्टिव कोडिंग एक एकीकृत ढांचा है जो मस्तिष्क को सीखे गए नियमों के आधार पर आने वाली ध्वनियों की सक्रिय रूप से भविष्यवाणी करने के रूप में देखता है। जब वास्तविक इनपुट भविष्यवाणी से विचलित होता है, तो एक भविष्यवाणी त्रुटि संकेत उत्पन्न होता है, और MMN को उस भविष्यवाणी त्रुटि की इलेक्ट्रोफिज़ियोलॉजिकल अभिव्यक्ति के रूप में समझा जाता है।
मेनी-स्टैंडर्ड्स प्रतिमान क्या है और इसका उपयोग क्यों किया जाता है?
मेनी-स्टैंडर्ड्स प्रतिमान समान संभावना पर कई अलग-अलग टोन प्रस्तुत करता है ताकि कोई भी एकल टोन तंत्रिका अनुकूलन का कारण बनने के लिए पर्याप्त रूप से न दोहराए। यह शोधकर्ताओं को अनुकूलन प्रभावों से विचलन का पता लगाने की प्रक्रिया को अलग करने की अनुमति देता है, जो एक पारंपरिक ऑडबॉल प्रतिमान में भ्रमित होते हैं।
MMNm क्या है और यह MMN से कैसे भिन्न है?
MMNm, MMN का चुंबकीय प्रतिरूप है, जिसे EEG के बजाय मैग्नेटोएन्सेफलोग्राफी (MEG) से रिकॉर्ड किया जाता है। यह मस्तिष्क के विभिन्न क्षेत्रों, जैसे टेम्पोरल लोब और फ्रंटल लोब जनरेटर से योगदान को अलग करने के लिए बेहतर स्थानिक रिज़ॉल्यूशन प्रदान करता है।
MMN प्रयोग को डिजाइन करते समय किन कारकों पर विचार किया जाना चाहिए?
शोधकर्ताओं को जानबूझकर विचलित प्रकार, संभावना और परिमाण का चयन करना चाहिए क्योंकि ये पैरामीटर व्यवस्थित रूप से MMN प्रतिक्रिया को आकार देते हैं। कम संभावना और बड़े परिमाण वाले विचलन बड़े आयाम उत्पन्न करते हैं, और नैदानिक अध्ययनों के लिए आवृत्ति और अवधि दोनों विचलनों का उपयोग करना आवश्यक है। जब अनुकूलन को विचलन का पता लगाने से अलग करना आवश्यक हो, तो पारंपरिक ऑडबॉल के साथ मेनी-स्टैंडर्ड्स प्रतिमान का उपयोग किया जाना चाहिए।
Emotiv एक न्यूरोटेक्नोलॉजी लीडर है जो सुलभ ईईजी (EEG) और मस्तिष्क डेटा उपकरणों के माध्यम से तंत्रिका विज्ञान (न्यूरोसाइंस) अनुसंधान को आगे बढ़ाने में मदद कर रहा है।
चिकित्सा संबंधी अस्वीकरण (Medical Disclaimer): इस वेबसाइट पर प्रदान की गई जानकारी केवल शैक्षिक और सूचनात्मक उद्देश्यों के लिए है और इसे चिकित्सा या स्वास्थ्य सलाह के रूप में नहीं माना जाना चाहिए। इस सामग्री में त्रुटियां हो सकती हैं और जीवन को प्रभावित करने वाले स्वास्थ्य, चिकित्सा या जीवन शैली के विकल्प चुनने के लिए इस पर भरोसा नहीं किया जाना चाहिए। किसी चिकित्सीय स्थिति या उपचार के संबंध में आपके किसी भी प्रश्न के लिए हमेशा अपने चिकित्सक या अन्य योग्य स्वास्थ्य प्रदाता की सलाह लें।
क्रिश्चियन बर्गोस
