A negatividade de incompatibilidade, abreviada como MMN (do inglês mismatch negativity), é um componente de potencial relacionado a eventos derivado de registros de eletroencefalograma (EEG). Ao contrário de muitos potenciais evocados que exigem atenção ativa, a MMN surge automaticamente quando um som "desviante" infrequente viola uma sequência de sons "padrão" repetidos. Essa qualidade automática a torna particularmente valiosa como uma ferramenta clínica e de pesquisa, pois remove a variável de confusão sobre se o paciente está cooperando ou mantendo o foco durante o teste.
O que é a Negatividade de Desvio?
A negatividade de desvio (MMN, na sigla em inglês para Mismatch Negativity) é um componente de potencial relacionado a eventos gravado via eletroencefalograma (EEG) que reflete a detecção automática e pré-atencional do cérebro a alterações auditivas. Essa resposta automática é tipicamente evocada pela apresentação de uma sequência de tons padrão idênticos, seguida por um tom "desviante" infrequente que difere em frequência, duração ou outras características acústicas.
O cérebro detecta esse desvio, gerando uma deflexão de voltagem negativa que atinge o pico aproximadamente 100 a 200 milissegundos após a mudança. Registrada de forma mais proeminente nos eletrodos do escalpo frontal e central, essa forma de onda característica serve como o principal indicador da negatividade de desvio.
Duas propriedades distinguem a MMN de outras respostas cerebrais:
Primeiro, ela é automática. Uma pessoa pode estar lendo um livro, assistindo a um filme mudo ou ignorando ativamente os sons por completo, e a MMN ainda assim aparecerá.
Segundo, ela é pré-atencional. O cérebro realiza a comparação entre o som desviante e o traço de memória dos sons padrão antes mesmo que a atenção seja engajada.
Essas características tornam a MMN um índice da capacidade fundamental do cérebro de detectar mudanças, independentemente de processos cognitivos superiores que possam estar comprometidos ou variar entre os indivíduos.
A contrapartida magnética da MMN, registrada por meio de magnetoencefalografia e abreviada como MMNm, representa o mesmo processo subjacente de detecção de alteração auditiva. Como a MEG oferece uma sensibilidade espacial diferente da do EEG, a combinação de ambas as modalidades de registro ajuda os pesquisadores a separar as contribuições de diferentes regiões cerebrais. A MMNm localiza-se no córtex auditivo e nas estruturas circundantes do lobo temporal, confirmando que a resposta se origina em áreas de processamento sensorial e não em regiões associativas superiores.
Como o Cérebro Gera a Negatividade de Desvio
A geração da MMN é impulsionada por mecanismos neuronais complexos e dinâmicos no córtex auditivo, os quais os pesquisadores estão explorando ativamente por meio de modelos neurocomputacionais sofisticados. Embora não haja um consenso único em nível celular sobre o que ocorre exatamente quando um som desviante desencadeia essa resposta, duas hipóteses principais moldaram décadas de investigação científica: a hipótese da adaptação e a hipótese do ajuste de modelo.
A hipótese da adaptação sugere que os neurônios no córtex auditivo respondem a sons padrão repetidos reduzindo gradualmente suas taxas de disparo — um processo conhecido como adaptação específica ao estímulo. Quando um som desviante raro é introduzido, ele ativa uma população separada e nova de neurônios não adaptados. Sob essa perspectiva, a MMN é essencialmente uma resposta diferencial entre populações neurais adaptadas e não adaptadas.
Por outro lado, a hipótese do ajuste de modelo propõe um mecanismo cognitivo ativo em vez de fadiga neural passiva. Ela postula que o cérebro constrói continuamente um modelo interno preditivo de seu ambiente auditivo. Quando os sons padrão se repetem, eles reforçam essa expectativa; quando ocorre um som desviante, ele viola a expectativa e força o cérebro a atualizar sua representação interna. A forma de onda da MMN, portanto, reflete esse processo ativo de atualização do modelo.
O Framework de Codificação Preditiva e Modelos de Neurônios de Disparo
Para conciliar essas explicações concorrentes, os pesquisadores recorrem cada vez mais à codificação preditiva como uma estrutura unificadora. A codificação preditiva vê o cérebro como um mecanismo de previsão ativo que antecipa as entradas sensoriais para processar informações de maneira mais eficiente.
O córtex auditivo aprende regularidades estatísticas a partir de sons anteriores para gerar previsões. Quando os estímulos recebidos coincidem com essas expectativas, o processamento prossegue sem sobressaltos; quando um som desvia, um erro de previsão propaga-se através da hierarquia cortical. Como resultado, a MMN é a assinatura eletrofisiológica de um sinal de erro de previsão.
Um modelo detalhado e biologicamente plausível de neurônios de disparo (spiking-neuron model) do córtex auditivo apoia essa estrutura. Este modelo estrutura neurônios excitatórios e inibitórios em uma arquitetura cortical em camadas que contém unidades de processamento funcional distintas:
Unidades de entrada que recebem dados sensoriais brutos.
Unidades de previsão que representam expectativas ambientais aprendidas.
Unidades de erro de previsão que sinalizam incompatibilidades quando as entradas e as previsões entram em conflito.
Ao incorporar uma regra de aprendizagem sináptica dependente da transmissão dos receptores NMDA, essa rede ajusta dinamicamente suas previsões com base nas estatísticas de transição de sons recentes.
Este modelo computacional explica com sucesso várias características importantes da MMN observadas empiricamente:
Escalonamento dependente da frequência: A amplitude da MMN aumenta proporcionalmente ao quanto o som desviante difere do tom padrão.
Sensibilidade a padrões locais: O modelo reproduz respostas a repetições inesperadas em sequências alternadas (por exemplo, registrando um erro de previsão quando uma sequência alternada ABABAB muda repentinamente para ABABAA), refletindo uma dependência de probabilidades de transição locais em vez de regras estatísticas globais.
Respostas de omissão: O modelo gera um erro de previsão mesmo quando um som esperado é completamente omitido.
Sensibilidade farmacológica: O modelo é altamente sensível a antagonistas dos receptores NMDA, alinhando-se com estudos clínicos que mostram que o bloqueio desses receptores reduz ou elimina a amplitude da MMN.
Além disso, um experimento complementar de magnetoencefalografia (MEG) validou essas alegações do modelo, mostrando que as respostas da MMN decorrem de previsões corticais ativas e não de uma simples habituação sináptica, fornecendo um forte suporte empírico para a teoria de codificação preditiva.
Modelos Generativos e Inferência Bayesiana no Processamento Auditivo
Outro modelo neurocomputacional proeminente aborda o córtex auditivo sob a perspectiva da inferência bayesiana. Esse framework neurocientífico modela o cérebro como atualizando continuamente uma representação generativa probabilística do mundo sensorial usando filtragem bayesiana generalizada.
Neste sistema, a MMN representa a atividade elétrica coletiva gerada por neurônios de erro de previsão enquanto realizam inferências sobre os estados ocultos da dinâmica hierárquica. Essa abordagem bayesiana produz formas de onda de MMN altamente realistas que refletem os dados empíricos, capturando com precisão como a probabilidade e a magnitude do desvio moldam a resposta:
À medida que um som desviante se torna mais provável, a violação da expectativa diminui, reduzindo a amplitude da MMN.
À medida que o desviante se torna menos distinto acusticamente dos padrões, a latência da resposta da MMN aumenta enquanto sua amplitude diminui.
Coletivamente, tanto a codificação preditiva quanto os modelos bayesianos convergem para a mesma verdade fundamental: a MMN é a assinatura elétrica de um cérebro que prevê ativamente seu ambiente auditivo e sinaliza quando a realidade sensorial entra em conflito com as expectativas internas.
Hipótese | Mecanismo | Ideia Central |
|---|---|---|
Adaptação | Os neurônios sofrem fadiga devido a sons repetidos | Resposta diferencial entre populações adaptadas |
Ajuste de modelo | O cérebro atualiza ativamente o modelo interno | A MMN reflete a violação da expectativa |
Codificação preditiva | O cérebro prevê a próxima entrada sensorial | A MMN sinaliza erro de previsão |
MMN como um Biomarcador na Esquizofrenia
Desde o início da década de 1990, estudos têm documentado uma redução da amplitude da MMN em pacientes com esquizofrenia em comparação com indivíduos saudáveis. Essa atenuação parece ser robusta e sistemática, surgindo em diferentes laboratórios, protocolos de registro e populações de pacientes.
Um paradigma clássico de oddball auditivo revela déficits significativos tanto na MMN de desvio de duração quanto na de desvio de frequência em pacientes com esquizofrenia. Esse comprometimento é tão confiável que a MMN é amplamente proposta como um biomarcador clínico — uma medida objetiva e fisiológica capaz de indexar a progressão da doença e testar a eficácia terapêutica.
Diferentes desviantes acústicos acompanham dimensões distintas da patologia:
MMN de Desvio de Frequência: A redução da amplitude piora à medida que a doença progride, correlacionando-se estreitamente com a duração da doença e o declínio cognitivo e funcional. Isso torna a MMN de desvio de frequência um marcador valioso da progressão da patologia.
MMN de Desvio de Duração: Os déficits nesta área seguem uma trajetória diferente e estão mais fortemente ligados à vulnerabilidade genética, servindo como um marcador de traço que permanece relativamente estável ao longo do tempo.
Além disso, os distintos geradores neurais que contribuem para a MMN são afetados de forma diferencial na esquizofrenia:
Geradores do Lobo Temporal: Os comprometimentos aqui estão associados a déficits na percepção e discriminação auditiva básica, o que pode contribuir para sintomas positivos, como alucinações auditivas.
Geradores do Lobo Frontal: A atividade reduzida no córtex frontal está ligada ao prejuízo na alternância de atenção, correlacionando-se com sintomas negativos, como o isolamento social e o afeto embotado.
Adaptação Neuronal vs. Detecção de Desvio na Esquizofrenia
Uma questão crítica é se o déficit de MMN na esquizofrenia decorre de uma falha na adaptação sensorial ou de uma falha na detecção ativa de desvios. Em um paradigma oddball padrão, esses dois processos são confundidos porque a resposta do cérebro ao tom desviante depende tanto de como ele se adapta ao padrão que se repete quanto de como detecta a nova mudança.
Para isolar esses mecanismos, Koshiyama et al. utilizaram um paradigma de controle de múltiplos padrões (many-standards control paradigm). Nesse desenho, múltiplos tons de frequências variadas são apresentados com igual probabilidade, de modo que nenhum tom único se repita o suficiente para desencadear a adaptação. O tom desviante é então comparado com esse fundo variado, isolando a detecção de desvio dos efeitos de adaptação.
Quando pacientes com esquizofrenia foram avaliados usando ambos os paradigmas, os resultados revelaram um prejuízo seletivo na detecção de desvios. Enquanto a adaptação neural a tons repetidos permaneceu totalmente intacta, sua capacidade de detectar alterações acústicas e gerar um erro de previsão em resposta a um ambiente alterado estava significativamente comprometida.
Melhores Práticas Metodológicas para Elisicitação da Negatividade de Desvio
O princípio fundamental para registrar uma MMN limpa e interpretável é apresentar uma regularidade auditiva (um som padrão repetido) e, ocasionalmente, violar essa regularidade com um som desviante infrequente. A forma como essa violação é construída dita qual aspecto do processamento neural pode ser avaliado.
1. Princípios Fundamentais: Paradigma Oddball Padrão
O paradigma oddball padrão baseia-se em três parâmetros principais de estímulo que moldam sistematicamente a resposta de MMN resultante:
Tipo de Desviante: Os desviantes podem diferir dos padrões em várias dimensões acústicas, como frequência ou duração. A inclusão de desviantes tanto de frequência quanto de duração é frequentemente necessária na pesquisa clínica porque eles refletem diferentes dimensões da patologia neural e da progressão da doença.
Probabilidade do Desviante: Desviantes com menor probabilidade geram maiores amplitudes de MMN porque representam uma quebra mais inesperada na regularidade ambiental.
Magnitude do Desviante: Diferenças acústicas maiores entre os sons padrão e desviante eliciam maiores amplitudes de MMN e latências de resposta mais curtas.
2. Distinguindo Processos: Paradigma Oddball vs. Paradigma de Múltiplos Padrões
Um paradigma oddball de padrão único confunde inerentemente dois processos neurais distintos: a adaptação passiva ao padrão repetido e a detecção ativa do desviante.
Para isolar a detecção de desvio, os pesquisadores usam o paradigma de múltiplos padrões (many-standards). Ao apresentar uma ampla variedade de frequências de tons em probabilidades iguais, a adaptação é distribuída uniformemente por todo o conjunto de estímulos.
A comparação dos paradigmas oddball e de múltiplos padrões dentro do mesmo experimento ajuda os pesquisadores a determinar se uma anormalidade na MMN decorre de uma adaptação comprometida, de uma detecção de desvio comprometida ou de uma combinação de ambas.
3. Testando a Previsão Ativa: Além do Oddball Padrão
A avaliação das teorias de codificação preditiva requer desenhos que vão além de simples alterações de características físicas:
Violações de Padrões: Apresentar padrões repetitivos (por exemplo, ABABAB) estabelece uma previsão de alternância. Uma repetição inesperada (por exemplo, ABABAA) desencadeia uma MMN, demonstrando a detecção de regras estruturais complexas.
Paradigmas de Omissão: Quando um som previsível em uma sequência rítmica é completamente omitido, o cérebro ainda gera um sinal de erro de previsão, provando que a MMN reflete uma expectativa ativa em vez de mera habituação sensorial.
4. Localização de Fontes: EEG vs. MEG
Embora o EEG padrão forneça registros de superfície robustos, a identificação exata dos geradores neurais específicos da MMN frequentemente requer MEG. A MEG registra a contrapartida magnética (MMNm) e oferece uma resolução espacial superior para distinguir as contribuições dos geradores do lobo temporal (discriminação sensorial) e do lobo frontal (alternância de atenção).
Conclusão
A negatividade de desvio é uma resposta cerebral automática e pré-atencional à alteração auditiva. Ela surge quando um som viola uma regularidade estabelecida por estímulos anteriores, indexando a capacidade do cérebro para a memória sensorial e a precisão perceptiva. Décadas de pesquisa a estabeleceram como um fenômeno eletrofisiológico confiável com propriedades bem caracterizadas.
Duas hipóteses principais competiram para explicar os mecanismos neurais subjacentes à MMN. A hipótese da adaptação a atribui à fadiga neural diferencial, enquanto a hipótese do ajuste de modelo postula a atualização ativa das representações internas. A codificação preditiva surgiu como uma estrutura unificadora que explica uma ampla gama de características empíricas. Modelos computacionais detalhados construídos com base nos princípios de codificação preditiva reproduzem a sensibilidade da MMN à probabilidade do desviante, à magnitude do desviante, a repetições inesperadas, à omissão de som e a antagonistas dos receptores NMDA. Experimentos com MEG também apoiam a afirmação central de que a MMN reflete a previsão cortical ativa em vez de uma habituação passiva.
Na esquizofrenia, a redução da amplitude da MMN é uma descoberta robusta e sistemática. A MMN de desvio de frequência acompanha a progressão da doença e o declínio cognitivo, enquanto a MMN de desvio de duração pode indexar a vulnerabilidade genética. O déficit parece ser específico para a detecção de desvios, com a adaptação neuronal permanecendo intacta. Essa especificidade visa identificar um alvo claro para o desenvolvimento de tratamentos, e a translatabilidade da MMN entre espécies visa torná-la um biomarcador prático para testes pré-clínicos de medicamentos.
O registro de dados significativos de MMN requer uma metodologia cuidadosa. O tipo, a probabilidade e a magnitude do desviante devem ser selecionados com referência deliberada aos princípios computacionais que governam a resposta. O paradigma de múltiplos padrões deve acompanhar o oddball convencional quando for necessário separar a adaptação da detecção de desvios. Desenhos não convencionais que utilizam repetições inesperadas ou omissões de som podem testar previsões específicas da estrutura de codificação preditiva. Quando a localização da fonte é importante, o registro em MEG da MMNm complementa o EEG. Essas considerações metodológicas garantem que a MMN continue a servir como uma ferramenta precisa tanto para a neurociência básica quanto para a tradução clínica.
Referências
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
Perguntas Frequentes
O que é a negatividade de desvio (MMN)?
A negatividade de desvio, ou MMN, é um sinal elétrico cerebral registrado com EEG que ocorre quando um som "desviante" infrequente quebra um padrão de sons "padrão" repetidos. Ela reflete a capacidade automática do cérebro de detectar mudanças e é gerada mesmo quando a pessoa não está prestando atenção aos sons.
Por que a MMN é considerada automática e pré-atencional?
A MMN é automática porque aparece mesmo quando a pessoa está lendo, assistindo a um filme ou ignorando ativamente os sons. Ela é pré-atencional porque o cérebro compara o som desviante com o traço de memória dos sons padrão antes mesmo que a atenção consciente seja engajada.
Quais são as duas principais hipóteses sobre como o cérebro gera a MMN?
A hipótese da adaptação propõe que sons padrão repetidos fazem com que os neurônios reduzam suas taxas de disparo, de modo que um som desviante raro ativa neurônios "novos" que produzem uma resposta maior. A hipótese do ajuste de modelo propõe que o cérebro constrói ativamente um modelo interno do ambiente auditivo, e a MMN reflete o processo de atualização desse modelo quando um desviante viola as expectativas.
Como a codificação preditiva explica a MMN?
A codificação preditiva é uma estrutura unificadora que vê o cérebro como prevendo ativamente os próximos sons com base em regularidades aprendidas. Quando a entrada real desvia da previsão, um sinal de erro de previsão é gerado, e a MMN é compreendida como a manifestação eletrofisiológica desse erro de previsão.
O que é o paradigma de múltiplos padrões e por que ele é usado?
O paradigma de múltiplos padrões (many-standards) apresenta muitos tons diferentes com igual probabilidade, de modo que nenhum tom se repita o suficiente para causar adaptação neural. Isso permite que os pesquisadores isolem a detecção de desvio dos efeitos de adaptação, os quais são confundidos em um paradigma oddball convencional.
O que é a MMNm e como ela difere da MMN?
A MMNm é a contrapartida magnética da MMN, registrada com magnetoencefalografia (MEG) em vez de EEG. Ela oferece melhor resolução espacial para separar as contribuições de diferentes regiões cerebrais, como os geradores do lobo temporal e do lobo frontal.
Quais fatores devem ser considerados ao projetar um experimento de MMN?
Os pesquisadores devem selecionar deliberadamente o tipo, a probabilidade e a magnitude do desviante, pois esses parâmetros moldam sistematicamente a resposta da MMN. Desviantes de menor probabilidade e maior magnitude produzem maiores amplitudes, e o uso de desviantes de frequência e de duração é essencial para estudos clínicos. O paradigma de múltiplos padrões deve acompanhar o oddball convencional quando for necessário separar a adaptação da detecção de desvios.
Emotiv é uma líder em neurotecnologia que ajuda a avançar a pesquisa em neurociência por meio de ferramentas acessíveis de EEG e dados cerebrais.
Aviso Médico: As informações fornecidas neste site são apenas para fins educacionais e informativos e não se destinam a servir como aconselhamento médico ou de saúde. Este conteúdo pode conter erros e não deve ser utilizado como base para tomar decisões de vida, saúde, médicas ou de estilo de vida que alterem a sua rotina. Sempre consulte um médico ou outro profissional de saúde qualificado para tirar qualquer dúvida que possa ter sobre uma condição médica ou tratamento.
Christian Burgos
