De mismatch negativity, afgekort als MMN, is een component van de event-related potential die wordt afgeleid uit elektro-encefalogram (EEG) registraties. In tegenstelling tot veel geëvoqueerde potentialen die actieve aandacht vereisen, ontstaat de MMN automatisch wanneer een onregelmatig "afwijkend" geluid een opeenvolging van herhaalde "standaard" geluiden doorbreekt. Deze automatische eigenschap maakt het bijzonder waardevol als klinisch en onderzoeksinstrument, omdat het de verstorende variabele wegneemt of een patiënt wel meewerkt of de focus vasthoudt tijdens het testen.
Wat is de Mismatch Negativity?
Mismatch negativity (MMN) is een event-related potential-component die wordt geregistreerd via een elektro-encefalogram (EEG) en die de automatische, pre-attentieve detectie van auditieve veranderingen door de hersenen weerspiegelt. Deze automatische reactie wordt doorgaans opgewekt door een reeks identieke standaardtonen te presenteren, gevolgd door een zeldzame 'afwijkende' toon die verschilt in frequentie, duur of andere akoestische kenmerken.
De hersenen detecteren deze afwijking en genereren een negatieve spanningsafbuiging die ongeveer 100 tot 200 milliseconden na de verandering een piek bereikt. Deze karakteristieke golfvorm, die het meest prominent wordt geregistreerd over frontale en centrale hoofdhuid-elektroden, dient als de primaire indicator van de mismatch negativity.
Twee eigenschappen onderscheiden de MMN van andere hersenreacties:
Ten eerste is het automatisch. Een persoon kan een boek lezen, een stomme film kijken of de geluiden volledig negeren, en de MMN zal nog steeds verschijnen.
Ten tweede is het pre-attentief. De hersenen voeren de vergelijking tussen het afwijkende geluid en het geheugenspoor van de standaardgeluiden uit nog voordat de aandacht erbij betrokken raakt.
Deze kenmerken maken de MMN tot een graadmeter voor het fundamentele vermogen van de hersenen om veranderingen te detecteren, onafhankelijk van hogere cognitieve processen die per individu aangetast of variabel kunnen zijn.
De magnetische tegenhanger van de MMN, geregistreerd met magneto-encefalografie en afgekort als MMNm, vertegenwoordigt hetzelfde onderliggende auditieve veranderingsdetectieproces. Omdat MEG een andere ruimtelijke gevoeligheid biedt dan EEG, helpt het combineren van beide registratiemethoden onderzoekers om bijdragen van verschillende hersengebieden van elkaar te scheiden. De MMNm lokaliseert zich in de auditieve cortex en omliggende temporale kwabstructuren, wat bevestigt dat de reactie ontstaat in sensorische verwerkingsgebieden in plaats van hogere associatieve gebieden.
Hoe de hersenen de Mismatch Negativity genereren
De generatie van MMN wordt aangedreven door complexe, dynamische neuronale mechanismen in de auditieve cortex, die onderzoekers actief verkennen via geavanceerde neurocomputationele modellen. Hoewel er op cellulair niveau geen eenduidige consensus bestaat over wat er precies gebeurt wanneer een afwijkend geluid deze reactie uitlokt, hebben twee belangrijke hypothesen decennia van wetenschappelijk onderzoek gevormd: de adaptatiehypothese en de modelaanpassingshypothese.
De adaptatiehypothese suggereert dat neuronen in de auditieve cortex reageren op herhaalde standaardgeluiden door geleidelijk hun vuursnelheid te verlagen — een proces dat bekendstaat als stimulus-specifieke adaptatie. Wanneer een zeldzaam afwijkend geluid wordt geïntroduceerd, activeert dit een afzonderlijke, frisse populatie van niet-geadapteerde neuronen. Vanuit dit perspectief is de MMN in wezen een differentiële reactie tussen geadapteerde en niet-geadapteerde neurale populaties.
Omgekeerd stelt de modelaanpassingshypothese een actief cognitief mechanisme voor in plaats van passieve neurale vermoeidheid. Deze stelt dat de hersenen continu een voorspellend intern model van hun auditieve omgeving opbouwen. Wanneer standaardgeluiden zich herhalen, versterken ze deze verwachting; wanneer er een afwijkend geluid klinkt, schendt dit de verwachting en dwingt het de hersenen om hun interne representatie bij te werken. De MMN-golfvorm weerspiegelt daarom dit actieve proces van modelaanpassing.
Het Predictive Coding-framework en Spiking-Neuron-modellen
Om deze strijdige verklaringen met elkaar te verzoenen, kijken onderzoekers steeds vaker naar predictive coding als een verbindend kader. Predictive coding beschouwt de hersenen als een actieve voorspellingsmachine die anticipeert op sensorische input om informatie efficiënter te verwerken.
De auditieve cortex leert statistische regelmatigheden van voorafgaande geluiden om voorspellingen te genereren. Wanneer binnenkomende stimuli overeenkomen met deze verwachtingen, verloopt de verwerking soepel; wanneer een geluid afwijkt, plant een voorspellingsfout zich voort door de corticale hiërarchie. Als gevolg hiervan is de MMN de elektrofysiologische handtekening van een voorspellingsfoutsignaal.
Een gedetailleerd, biologisch plausibel spiking-neuron-model van de auditieve cortex ondersteunt dit kader. Dit model structureert exciterende en inhiberende neuronen in een gelaagde corticale architectuur die verschillende functionele verwerkingseenheden bevat:
Input-eenheden die ruwe sensorische gegevens ontvangen.
Voorspellingseenheden die geleerde omgevingsverwachtingen vertegenwoordigen.
Voorspellingsfouteenheden die mismatch-signalen afgeven wanneer input en voorspelling met elkaar in strijd zijn.
Door een synaptische leersnelheid te integreren die afhankelijk is van NMDA-receptortransmissie, past dit netwerk zijn voorspellingen dynamisch aan op basis van de overgangsstatistieken van recente geluiden.
Dit computationele model verklaart met succes verschillende belangrijke, empirisch waargenomen MMN-kenmerken:
Frequentieafhankelijke schaling: De MMN-amplitude neemt proportioneel toe naarmate het afwijkende geluid meer verschilt van de standaardtoon.
Gevoeligheid voor lokale patronen: Het model reproduceert reacties op onverwachte herhalingen in alternerende reeksen (bijvoorbeeld het registreren van een voorspellingsfout wanneer een alternerende ABABAB-reeks plotseling verandert in ABABAA), wat wijst op een afhankelijkheid van lokale overgangskansen in plaats van globale statistische regels.
Omissiereacties: Het model genereert zelfs een voorspellingsfout wanneer een verwacht geluid volledig wordt weggelaten.
Farmacologische gevoeligheid: Het model is zeer gevoelig voor NMDA-receptorantagonisten, wat overeenkomt met klinische studies die aantonen dat het blokkeren van deze receptoren de MMN-amplitude vermindert of elimineert.
Bovendien valideerde een aanvullend magneto-encefalografie-experiment (MEG) deze modelclaims. Dit toonde aan dat MMN-reacties voortkomen uit actieve corticale voorspellingen in plaats van eenvoudige synaptische gewenning, wat sterke empirische ondersteuning biedt voor de predictive coding-verklaring.
Generatieve modellen en Bayesiaanse inferentie in auditieve verwerking
Een ander prominent neurocomputationeel model benadert de auditieve cortex vanuit het oogpunt van Bayesiaanse inferentie. Dit neurowetenschappelijke kader modelleert de hersenen alsof ze voortdurend een probabilistische generatieve representatie van de sensorische wereld bijwerken met behulp van gegeneraliseerde Bayesiaanse filtering.
In dit systeem vertegenwoordigt de MMN de collectieve elektrische activiteit die wordt gegenereerd door voorspellingsfoutneuronen terwijl ze inferentie uitvoeren op de verborgen toestanden van hiërarchische dynamiek. Deze Bayesiaanse benadering produceert zeer realistische MMN-golfvormen die empirische gegevens weerspiegelen, en legt nauwkeurig vast hoe de kans op een afwijking en de omvang ervan de reactie vormen:
Naarmate een afwijkend geluid waarschijnlijker wordt, neemt de schending van de verwachting af, waardoor de MMN-amplitude kleiner wordt.
Naarmate de afwijking akoestisch minder te onderscheiden is van de standaarden, neemt de latentie van de MMN-reactie toe, terwijl de amplitude daalt.
Zowel predictive coding als Bayesiaanse modellen komen samen op dezelfde fundamentele waarheid: de MMN is de elektrische handtekening van hersenen die actief hun auditieve omgeving voorspellen en signaleren wanneer de sensorische realiteit botst met interne verwachtingen.
Hypothese | Mechanisme | Kernidee |
|---|---|---|
Adaptatie | Neuronen raken vermoeid door herhaalde geluiden | Differentiële reactie tussen geadapteerde populaties |
Modellaanpassing | Hersenen werken actief hun interne model bij | MMN weerspiegelt schending van verwachting |
Predictive coding | Hersenen voorspellen binnenkomende sensorische input | MMN signaleert voorspellingsfout |
MMN as a Biomarker in Schizophrenia
Sinds het begin van de jaren 90 hebben onderzoeken een verminderde MMN-amplitude bij patiënten met schizofrenie gedocumenteerd in vergelijking met gezonde individuen. Deze demping lijkt robuust en systematisch te zijn en komt voor in verschillende laboratoria, registratieprotocollen en patiëntenpopulaties.
Een conventioneel auditief oddball-paradigma onthult significante tekortkomingen in zowel duur-afwijkende als frequentie-afwijkende MMN bij schizofreniepatiënten. Dit defect is zo betrouwbaar dat MMN op grote schaal wordt voorgesteld als een klinische biomarker — een objectieve, fysiologische maatstaf die in staat is om de ziekteprogressie te indexeren en de therapeutische werkzaamheid te testen.
Verschillende akoestische afwijkingen volgen verschillende dimensies van de pathologie:
Frequentie-afwijkende MMN: De afname van de amplitude verergert naarmate de ziekte vordert, wat nauw samenhangt met de duur van de ziekte en cognitieve en functionele achteruitgang. Dit maakt frequentie-afwijkende MMN een waardevolle marker voor ziekteprogressie.
Duur-afwijkende MMN: Tekorten op dit gebied volgen een ander traject en zijn sterker gekoppeld aan genetische kwetsbaarheid, waardoor ze dienen als een eigenschap-marker die in de loop van de tijd relatief stabiel blijft.
Daarnaast worden de verschillende neurale generatoren die bijdragen aan MMN op verschillende manieren beïnvloed bij schizofrenie:
Temporale kwabgeneratoren: Beperkingen hier zijn gekoppeld aan tekorten in basis auditieve waarneming en discriminatie, wat kan bijdragen aan positieve symptomen zoals auditieve hallucinaties.
Frontale kwabgeneratoren: Verminderde activiteit in de frontale cortex is gekoppeld aan een verstoorde aandachtsverschuiving, wat correleert met negatieve symptomen zoals sociale terugtrekking en een vlak affect.
Neuronale adaptatie versus afwijkingsdetectie bij schizofrenie
Een cruciale vraag is of het MMN-tekort bij schizofrenie voortkomt uit een falen van sensorische adaptatie of een falen van actieve afwijkingsdetectie. In een standaard oddball-paradigma zijn deze twee processen met elkaar verstrengeld, omdat de reactie van de hersenen op de afwijkende toon afhangt van zowel hoe deze zich aanpast aan de herhalende standaard als hoe deze de nieuwe verandering detecteert.
Om deze mechanismen te isoleren, maakten Koshiyama et al. gebruik van een controle-paradigma met veel standaarden (many-standards control paradigm). In dit opzet worden meerdere tonen van verschillende frequenties met een gelijke waarschijnlijkheid gepresenteerd, zodat geen enkele toon voldoende herhaalt om adaptatie in gang te zetten. De afwijkende toon wordt vervolgens vergeleken met deze gevarieerde achtergrond, waardoor afwijkingsdetectie wordt geïsoleerd van adaptatie-effecten.
Toen patiënten met schizofrenie met beide paradigma's werden geëvalueerd, lieten de resultaten een selectieve stoornis in de afwijkingsdetectie zien. Terwijl hun neurale adaptatie aan herhaalde tonen volledig intact bleef, was hun vermogen om akoestische veranderingen te detecteren en een voorspellingsfout te genereren in reactie op een veranderde omgeving aanzienlijk aangetast.
Methodologische best practices voor het uitlokken van Mismatch Negativity
Het kernprincipe van het registreren van een zuivere, interpreteerbare MMN is het presenteren van een auditieve regelmaat (een herhalend standaardgeluid) en het incidenteel schenden van die regelmaat met een zeldzaam afwijkend geluid. Hoe deze schending is opgebouwd, bepaalt welk aspect van de neurale verwerking kan worden geëvalueerd.
1. Kernprincipes: Standaard oddball-paradigma
Het standaard oddball-paradigma steunt op drie belangrijke stimulusparameters die de resulterende MMN-reactie systematisch vormgeven:
Type afwijking: Afwijkingen kunnen verschillen van standaarden over diverse akoestische dimensies, zoals frequentie of duur. Het opnemen van zowel frequentie- als duurafwijkingen is vaak nodig in klinisch onderzoek omdat ze verschillende dimensies van neurale pathologie en ziekteprogressie weerspiegelen.
Kans op afwijking: Afwijkingen met een lagere waarschijnlijkheid genereren grotere MMN-amplitudes omdat ze een meer onverwachte onderbreking van de omgevingsregelmaat vertegenwoordigen.
Omvang van de afwijking: Grotere akoestische verschillen tussen standaard- en afwijkende geluiden ontlokken grotere MMN-amplitudes en kortere reactielatenties.
2. Processen onderscheiden: Oddball- versus many-standards-paradigma
Een oddball-paradigma met één enkele standaard verstrengelt inherent twee afzonderlijke neurale processen: passieve adaptatie aan de herhalende standaard en actieve detectie van de afwijking.
Om afwijkingsdetectie te isoleren, gebruiken onderzoekers het many-standards-paradigma. Door een grote verscheidenheid aan toonfrequenties met gelijke waarschijnlijkheid te presenteren, wordt adaptatie gelijkmatig verdeeld over de stimulusset.
Het vergelijken van oddball- en many-standards-paradigma's binnen hetzelfde experiment helpt onderzoekers om te bepalen of een MMN-afwijking voortkomt uit een verminderde adaptatie, een verminderde afwijkingsdetectie, of een combinatie van beide.
3. Actieve voorspelling testen: Verder dan de standaard oddball
Het evalueren van predictive coding-verklaringen vereist ontwerpen die verder gaan dan eenvoudige fysieke kenmerkveranderingen:
Patroonschendingen: Het presenteren van herhalende patronen (bijv. ABABAB) vestigt een voorspelling van afwisseling. Een onverwachte herhaling (bijv. ABABAA) triggert een MMN, wat de detectie van complexe structurele regels aantoont.
Omissie-paradigma's: Wanneer een voorspelbaar geluid in een ritmische reeks volledig wordt weggelaten, genereren de hersenen nog steeds een voorspellingsfoutsignaal, wat bewijst dat MMN actieve verwachting weerspiegelt in plaats van louter sensorische gewenning.
4. Bronlokalisatie: EEG versus MEG
Hoewel standaard EEG robuuste oppervlakte-registraties biedt, vereist het nauwkeurig aanwijzen van de specifieke neurale generatoren van de MMN vaak MEG. MEG registreert de magnetische tegenhanger (MMNm) and biedt een superieure ruimtelijke resolutie om de bijdragen van temporale kwabgeneratoren (sensorische discriminatie) en frontale kwabgeneratoren (aandachtsverschuiving) te ontwarren.
Conclusie
De mismatch negativity is een automatische, pre-attentieve reactie van de hersenen op auditieve verandering. Deze ontstaat wanneer een geluid een regelmaat schendt die door voorafgaande stimuli is opgebouwd, en meet het vermogen van de hersenen voor sensorisch geheugen en perceptuele nauwkeurigheid. Decennia van onderzoek hebben dit vastgesteld als een betrouwbaar elektrofysiologisch fenomeen met goed gedefinieerde eigenschappen.
Twee belangrijke hypothesen hebben met elkaar gestreden om de neurale mechanismen achter de MMN te verklaren. De adaptatiehypothese schrijft het toe aan differentiële neurale vermoeidheid, terwijl de modelaanpassingshypothese uitgaat van het actief bijwerken van interne representaties. Predictive coding is naar voren gekomen als een verbindend kader dat een breed scala aan empirische kenmerken verklaart. Gedetailleerde computationele modellen die zijn gebaseerd op predictive coding-principes reproduceren de gevoeligheid van de MMN voor de kans op een afwijking, de omvang van de afwijking, onverwachte herhalingen, weglating van geluid en NMDA-receptorantagonisten. MEG-experimenten ondersteunen ook de belangrijkste stelling dat de MMN actieve corticale voorspelling weerspiegelt in plaats van passieve gewenning.
Bij schizofrenie is een verminderde MMN-amplitude een robuuste en systematische bevinding. Frequentie-afwijkende MMN volgt het verloop van de ziekte en cognitieve achteruitgang, terwijl duur-afwijkende MMN een graadmeter kan zijn voor genetische kwetsbaarheid. Het tekort lijkt specifiek te zijn voor afwijkingsdetectie, terwijl de neuronale adaptatie intact blijft. Deze specificiteit is erop gericht om een duidelijk doelwit te identificeren voor de ontwikkeling van behandelingen, en de translatie tussen diersoorten van de MMN is bedoeld om het een praktische biomarker te maken voor preklinische drugstests.
Het registreren van betekenisvolle MMN-gegevens vereist een zorgvuldige methodologie. Het type afwijking, de waarschijnlijkheid en de omvang moeten bewust worden gekozen met verwijzing naar de computationele principes die de reactie bepalen. Het many-standards-paradigma moet de conventionele oddball vergezellen wanneer het scheiden van adaptatie en afwijkingsdetectie noodzakelijk is. Onconventionele ontwerpen die gebruikmaken van onverwachte herhalingen of weglatingen van geluid kunnen specifieke voorspellingen van het predictive coding-framework testen. Wanneer bronlokalisatie belangrijk is, vult MEG-registratie van de MMNm de EEG aan. Deze methodologische overwegingen zorgen ervoor dat de MMN blijft dienen als een nauwkeurig instrument voor zowel fundamentele neurowetenschappen als klinische translatie.
Referenties
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
Veelgestelde vragen
Wat is de mismatch negativity (MMN)?
De mismatch negativity, of MMN, is een elektrisch hersensignaal dat met EEG wordt geregistreerd en dat optreedt wanneer een zeldzaam "afwijkend" geluid een patroon van herhaalde "standaard" geluiden doorbreekt. Het weerspiegelt het automatische vermogen van de hersenen om veranderingen te detecteren en wordt zelfs gegenereerd wanneer een persoon geen aandacht besteedt aan de geluiden.
Waarom wordt de MMN als automatisch en pre-attentief beschouwd?
De MMN is automatisch omdat deze zelfs verschijnt wanneer een persoon leest, een film kijkt of de geluiden actief negeert. Het is pre-attentief omdat de hersenen het afwijkende geluid vergelijken met het geheugenspoor van standaardgeluiden nog voordat de bewuste aandacht erbij betrokken raakt.
Wat zijn de twee belangrijkste hypothesen over hoe de hersenen de MMN genereren?
De adaptatiehypothese stelt dat herhaalde standaardgeluiden ervoor zorgen dat neuronen hun vuursnelheid verlagen, zodat een zeldzaam afwijkend geluid "frisse" neuronen activeert die een grotere reactie produceren. De modelaanpassingshypothese stelt dat de hersenen actief een intern model van de auditieve omgeving opbouwen, en de MMN weerspiegelt het proces van het bijwerken van dat model wanneer een afwijking de verwachtingen schendt.
Hoe verklaart predictive coding de MMN?
Predictive coding is een verbindend kader dat de hersenen beschouwt als een orgaan dat actief aankomende geluiden voorspelt op basis van geleerde regelmatigheden. Wanneer de werkelijke input afwijkt van de voorspelling, wordt er een voorspellingsfoutsignaal gegenereerd, en de MMN wordt begrepen als de elektrofysiologische uiting van die voorspellingsfout.
Wat is het many-standards-paradigma en waarom wordt het gebruikt?
Het many-standards-paradigma presenteert veel verschillende tonen met een gelijke waarschijnlijkheid, zodat geen enkele toon voldoende herhaalt om neurale adaptatie te veroorzaken. Dit stelt onderzoekers in staat om afwijkingsdetectie te isoleren van adaptatie-effecten, die in een conventioneel oddball-paradigma met elkaar verstrengeld zijn.
Wat is de MMNm en hoe verschilt deze van de MMN?
De MMNm is de magnetische tegenhanger van de MMN, geregistreerd met magneto-encefalografie (MEG) in plaats van EEG. Het biedt een betere ruimtelijke resolutie voor het scheiden van bijdragen uit verschillende hersengebieden, zoals generatoren in de temporale kwab en de frontale kwab.
Met welke factoren moet rekening worden gehouden bij het ontwerpen van een MMN-experiment?
Onderzoekers moeten het type afwijking, de waarschijnlijkheid en de omvang bewust selecteren, omdat deze parameters de MMN-reactie systematisch vormgeven. Afwijkingen met een lagere waarschijnlijkheid en een grotere omvang produceren grotere amplitudes, en het gebruik van zowel frequentie- als duurafwijkingen is essentieel voor klinische studies. Het many-standards-paradigma moet de conventionele oddball vergezellen wanneer het scheiden van adaptatie en afwijkingsdetectie noodzakelijk is.
Emotiv is een leider in neurotechnologie die helpt om neurowetenschappelijk onderzoek vooruit te helpen met toegankelijke EEG- en hersendatatools.
Medische disclaimer: De informatie op deze website is uitsluitend bedoeld voor educatieve en informatieve doeleinden en is niet bedoeld als medisch of gezondheidsadvies. Deze inhoud kan fouten bevatten en er mag niet op worden vertrouwd om levensveranderende keuzes te maken op het gebied van gezondheid, medische zaken of levensstijl. Vraag altijd advies aan uw arts of een andere gekwalificeerde zorgverlener met eventuele vragen over een medische aandoening of behandeling.
Christian Burgos
