Điện thế lệch âm phát hiện sự không khớp, viết tắt là MMN, là một thành phần điện thế liên quan đến sự kiện được rút ra từ kết quả ghi điện não đồ (EEG). Không giống như nhiều điện thế gợi khác đòi hỏi sự chú ý tích cực, MMN tự động xuất hiện khi một âm thanh "lệch chuẩn" hiếm gặp vi phạm một chuỗi các âm thanh "chuẩn" được lặp đi lặp lại. Đặc tính tự động này làm cho nó trở nên đặc biệt có giá trị như một công cụ nghiên cứu và lâm sàng, bởi vì nó loại bỏ biến số gây nhiễu về việc liệu bệnh nhân có đang hợp tác hoặc duy trì sự tập trung trong quá trình thử nghiệm hay không.
Sóng lệch âm (Mismatch Negativity - MMN) là gì?
Sóng lệch âm (MMN) là một thành phần điện thế liên quan đến sự kiện được ghi lại thông qua điện não đồ (EEG), phản ánh quá trình não bộ tự động phát hiện các thay đổi về mặt thính giác trước khi có sự chú ý. Phản ứng tự động này thường được gợi ra bằng cách trình bày một chuỗi các âm thanh chuẩn giống hệt nhau, theo sau bởi một âm thanh "lệch chuẩn" hiếm gặp, khác biệt về tần số, thời lượng hoặc các đặc tính âm học khác.
Não bộ phát hiện sự lệch chuẩn này, tạo ra một sự lệch điện áp hướng âm đạt cực đại khoảng 100 đến 200 mili giây sau khi có sự thay đổi. Được ghi nhận rõ nhất ở các điện cực vùng trán và trung tâm da đầu, dạng sóng đặc trưng này đóng vai trò là chỉ báo chính của sóng lệch âm.
Hai đặc tính phân biệt MMN với các phản ứng khác của não bộ:
Thứ nhất, nó mang tính tự động. Một người có thể đang đọc sách, xem phim câm hoặc chủ động phớt lờ hoàn toàn các âm thanh, và MMN vẫn sẽ xuất hiện.
Thứ hai, nó mang tính tiền chú ý (trước khi chú ý). Não bộ thực hiện việc so sánh giữa âm thanh lệch chuẩn và vết trí nhớ của các âm thanh chuẩn trước khi sự chú ý kịp can thiệp.
Những đặc tính này khiến MMN trở thành một chỉ số đánh giá khả năng cơ bản của não bộ trong việc phát hiện sự thay đổi, độc lập với các quá trình nhận thức cao hơn vốn có thể bị suy giảm hoặc khác nhau giữa các cá nhân.
Bản sao từ trường của MMN, được ghi lại bằng phép ghi từ não (MEG) và viết tắt là MMNm, đại diện cho cùng một quá trình phát hiện thay đổi thính giác cơ bản. Vì MEG cung cấp độ nhạy không gian khác với EEG, việc kết hợp cả hai phương pháp ghi này giúp các nhà nghiên cứu phân tách sự đóng góp từ các vùng não khác nhau. MMNm định vị ở vỏ não thính giác và các cấu trúc thùy thái dương xung quanh, xác nhận rằng phản ứng bắt nguồn từ các vùng xử lý cảm giác chứ không phải các vùng liên hợp cao hơn.
Cách não bộ tạo ra sóng lệch âm
Quá trình tạo ra MMN được thúc đẩy bởi các cơ chế thần kinh động học, phức tạp trong vỏ não thính giác, điều mà các nhà nghiên cứu đang tích cực khám phá thông qua các mô hình điện toán thần kinh tinh vi. Mặc dù chưa có sự đồng thuận duy nhất ở cấp độ tế bào về chính xác những gì xảy ra khi một âm thanh lệch chuẩn kích hoạt phản ứng này, hai giả thuyết lớn đã định hình nhiều thập kỷ nghiên cứu khoa học: giả thuyết thích ứng và giả thuyết điều chỉnh mô hình.
Giả thuyết thích ứng cho rằng các tế bào thần kinh ở vỏ não thính giác phản ứng với các âm thanh chuẩn lặp đi lặp lại bằng cách giảm dần tốc độ hoạt động của chúng—một quá trình được gọi là sự thích ứng đặc hiệu với kích thích. Khi một âm thanh lệch chuẩn hiếm gặp xuất hiện, nó sẽ kích hoạt một nhóm tế bào thần kinh riêng biệt, chưa thích ứng. Theo quan điểm này, về bản chất MMN là một phản ứng chênh lệch giữa các quần thể thần kinh đã thích ứng và chưa thích ứng.
Ngược lại, giả thuyết điều chỉnh mô hình đề xuất một cơ chế nhận thức tích cực thay vì sự mệt mỏi thần kinh thụ động. Nó giả định rằng não bộ liên tục xây dựng một mô hình nội tại dự đoán về môi trường thính giác của nó. Khi các âm thanh chuẩn lặp lại, chúng củng cố kỳ vọng này; khi một âm thanh lệch chuẩn xảy ra, nó vi phạm kỳ vọng và buộc não bộ phải cập nhật biểu diễn nội tại của mình. Do đó, dạng sóng MMN phản ánh quá trình cập nhật mô hình tích cực này.
Khung mã hóa dự đoán và mô hình neuron xung (Spiking-Neuron)
Để dung hòa các quan điểm đối lập này, các nhà nghiên cứu ngày càng hướng tới mã hóa dự đoán như một khung lý thuyết thống nhất. Mã hóa dự đoán xem não bộ như một công cụ dự đoán tích cực, đón đầu các đầu vào cảm giác để xử lý thông tin hiệu quả hơn.
Vỏ não thính giác học hỏi các quy luật thống kê từ các âm thanh đi trước để đưa ra dự đoán. Khi các kích thích đi vào khớp với những kỳ vọng này, quá trình xử lý diễn ra suôn sẻ; khi một âm thanh bị lệch chuẩn, một lỗi dự đoán sẽ truyền qua hệ thống phân cấp vỏ não. Kết quả là, MMN là dấu hiệu điện sinh lý của một tín hiệu lỗi dự đoán.
Một mô hình neuron xung chi tiết, khả thi về mặt sinh học của vỏ não thính giác hỗ trợ cho khung lý thuyết này. Mô hình này cấu trúc các neuron hưng phấn và ức chế thành một kiến trúc vỏ não phân lớp chứa các đơn vị xử lý chức năng riêng biệt:
Các đơn vị đầu vào nhận dữ liệu cảm giác thô.
Các đơn vị dự đoán đại diện cho các kỳ vọng môi trường đã học được.
Các đơn vị lỗi dự đoán báo hiệu sự không khớp khi đầu vào và dự đoán xung đột.
Bằng cách tích hợp một quy tắc học tập khớp thần kinh phụ thuộc vào sự truyền dẫn của thụ thể NMDA, mạng lưới này điều chỉnh linh hoạt các dự đoán của nó dựa trên các thống kê chuyển tiếp của các âm thanh gần đây.
Mô hình điện toán này giải thích thành công một số đặc tính chính của MMN được quan sát bằng thực nghiệm:
Tỷ lệ phụ thuộc vào tần số: Biên độ MMN tăng tỷ lệ thuận với mức độ khác biệt giữa âm thanh lệch chuẩn và âm chuẩn.
Độ nhạy đối với các mô hình cục bộ: Mô hình tái tạo các phản ứng đối với các lần lặp lại ngoài dự kiến trong các chuỗi luân phiên (ví dụ: ghi nhận lỗi dự đoán khi một chuỗi luân phiên ABABAB đột ngột chuyển thành ABABAA), phản ánh sự phụ thuộc vào xác suất chuyển tiếp cục bộ thay vì các quy tắc thống kê toàn cục.
Phản ứng khi bị bỏ sót: Mô hình tạo ra lỗi dự đoán ngay cả khi một âm thanh đáng lẽ phải xuất hiện bị bỏ sót hoàn toàn.
Độ nhạy dược lý: Mô hình cực kỳ nhạy cảm với các chất đối kháng thụ thể NMDA, phù hợp với các nghiên cứu lâm sàng cho thấy việc ngăn chặn các thụ thể này làm giảm hoặc triệt tiêu biên độ MMN.
Hơn nữa, một thí nghiệm ghi từ não (MEG) bổ sung đã xác thực các tuyên bố của mô hình này, cho thấy các phản ứng MMN bắt nguồn từ các dự đoán vỏ não tích cực chứ không phải từ sự quen nhờn khớp thần kinh đơn giản, cung cấp bằng chứng thực nghiệm mạnh mẽ cho lý thuyết mã hóa dự đoán.
Các mô hình tạo sinh và suy luận Bayes trong xử lý thính giác
Một mô hình điện toán thần kinh nổi bật khác tiếp cận vỏ não thính giác thông qua lăng kính suy luận Bayes. Khung lý thuyết khoa học thần kinh này mô hình hóa não bộ như một hệ thống liên tục cập nhật biểu diễn tạo sinh xác suất của thế giới cảm giác bằng cách sử dụng bộ lọc Bayes tổng quát.
Trong hệ thống này, MMN đại diện cho hoạt động điện tập thể được tạo ra bởi các neuron lỗi dự đoán khi chúng thực hiện suy luận trên các trạng thái ẩn của động lực học phân cấp. Cách tiếp cận Bayes này tạo ra các dạng sóng MMN cực kỳ thực tế, phản ánh chính xác dữ liệu thực nghiệm về cách mà xác suất lệch chuẩn và mức độ lệch chuẩn định hình phản ứng:
Khi một âm thanh lệch chuẩn có xác suất xảy ra cao hơn, sự vi phạm kỳ vọng sẽ giảm đi, làm giảm biên độ MMN.
Khi âm thanh lệch chuẩn ít có sự khác biệt về mặt âm học so với các âm chuẩn, độ trễ của phản ứng MMN tăng lên trong khi biên độ của nó giảm xuống.
Nói chung, cả mô hình mã hóa dự đoán và mô hình Bayes đều hội tụ về cùng một sự thật cơ bản: MMN là dấu hiệu điện học của một bộ não đang tích cực dự báo môi trường thính giác của nó và báo hiệu khi thực tế cảm giác xung đột với các kỳ vọng nội tại.
Giả thuyết | Cơ chế | Ý tưởng cốt lõi |
|---|---|---|
Thích ứng | Các neuron bị mỏi do âm thanh lặp đi lặp lại | Phản ứng chênh lệch giữa các quần thể đã thích ứng |
Điều chỉnh mô hình | Não bộ tích cực cập nhật mô hình nội tại | MMN phản ánh sự vi phạm kỳ vọng |
Mã hóa dự đoán | Não bộ dự đoán đầu vào cảm giác sắp tới | MMN báo hiệu lỗi dự đoán |
MMN như một chất chỉ điểm sinh học trong bệnh tâm thần phân liệt
Từ đầu thập niên 1990, các nghiên cứu đã ghi nhận sự suy giảm biên độ MMN ở bệnh nhân tâm thần phân liệt so với những người khỏe mạnh. Sự suy giảm này có vẻ nhất quán và mang tính hệ thống, xuất hiện ở nhiều phòng thí nghiệm, quy trình ghi nhận và quần thể bệnh nhân khác nhau.
Một mô hình kích thích âm thanh lạ thông thường (oddball paradigm) cho thấy những khiếm khuyết đáng kể ở cả MMN lệch chuẩn về thời lượng và lệch chuẩn về tần số ở bệnh nhân tâm thần phân liệt. Sự suy giảm này đáng tin cậy đến mức MMN được đề xuất rộng rãi như một chất chỉ điểm sinh học lâm sàng—một thước đo sinh lý khách quan có khả năng chỉ thị tiến trình bệnh và thử nghiệm hiệu quả điều trị.
Các kích thích lệch chuẩn âm học khác nhau theo dõi các khía cạnh khác nhau của bệnh lý:
MMN lệch chuẩn về tần số: Sự suy giảm biên độ trở nên tồi tệ hơn khi bệnh tiến triển, tương quan chặt chẽ với thời gian mắc bệnh cũng như sự suy giảm nhận thức và chức năng. Điều này làm cho MMN lệch chuẩn về tần số trở thành một dấu hiệu có giá trị cho tiến trình bệnh.
MMN lệch chuẩn về thời lượng: Những khiếm khuyết trong khía cạnh này đi theo một lộ trình khác và liên kết mạnh mẽ hơn với tính dễ bị tổn thương do di truyền, đóng vai trò như một chỉ dấu đặc tính tương đối ổn định theo thời gian.
Ngoài ra, các nguồn tạo tín hiệu thần kinh riêng biệt đóng góp vào MMN bị ảnh hưởng khác nhau trong bệnh tâm thần phân liệt:
Nguồn tạo tín hiệu thùy thái dương: Sự suy giảm ở đây liên quan đến các khiếm khuyết trong nhận thức và phân biệt thính giác cơ bản, có thể góp phần gây ra các triệu chứng dương tính như ảo thanh.
Nguồn tạo tín hiệu thùy trán: Hoạt động giảm ở vỏ nảo thùy trán gắn liền với khả năng chuyển đổi sự chú ý bị suy giảm, tương quan với các triệu chứng âm tính như rút lui xã hội và cảm xúc phẳng lặng.
Thích ứng neuron so với Phát hiện sự lệch chuẩn ở bệnh tâm thần phân liệt
Một câu hỏi quan trọng là liệu khiếm khuyết MMN trong bệnh tâm thần phân liệt bắt nguồn từ việc mất khả năng thích ứng cảm giác hay mất khả năng chủ động phát hiện sự lệch chuẩn. Trong một mô hình kích thích âm thanh lạ tiêu chuẩn, hai quá trình này bị lẫn lộn vì phản ứng của não đối với âm thanh lệch chuẩn phụ thuộc vào cả cách nó thích ứng với âm chuẩn lặp lại và cách nó phát hiện ra sự thay đổi mới lạ.
Để tách biệt các cơ chế này, Koshiyama và các cộng sự đã sử dụng một mô hình kiểm soát nhiều âm chuẩn (many-standards control paradigm). Trong thiết kế này, nhiều âm thanh có tần số khác nhau được trình bày với xác suất bằng nhau để không có âm thanh đơn lẻ nào lặp lại đủ nhiều để kích hoạt sự thích ứng. Âm thanh lệch chuẩn sau đó được so sánh với nền âm thanh đa dạng này, giúp tách biệt việc phát hiện sự lệch chuẩn ra khỏi các ảnh hưởng của sự thích ứng.
Khi các bệnh nhân tâm thần phân liệt được đánh giá bằng cả hai mô hình, kết quả cho thấy một sự suy giảm chọn lọc trong việc phát hiện sự lệch chuẩn. Trong khi sự thích ứng thần kinh của họ đối với các âm thanh lặp đi lặp lại vẫn hoàn toàn nguyên vẹn, thì khả năng phát hiện các thay đổi âm học và tạo ra lỗi dự đoán để phản ứng với một môi trường bị thay đổi của họ đã bị tổn hại nghiêm trọng.
Các phương pháp thực hành tốt nhất để gợi ra sóng lệch âm
Nguyên tắc cốt lõi của việc ghi lại một MMN sạch, dễ diễn giải là trình bày một quy luật thính giác (một âm thanh chuẩn lặp đi lặp lại) và thỉnh thoảng vi phạm quy luật đó bằng một âm thanh lệch chuẩn hiếm gặp. Cách thiết lập sự vi phạm này sẽ quyết định khía cạnh nào của quá trình xử lý thần kinh có thể được đánh giá.
1. Nguyên tắc cốt lõi: Mô hình kích thích âm thanh lạ tiêu chuẩn
Mô hình kích thích âm thanh lạ tiêu chuẩn dựa vào ba thông số kích thích chính giúp định hình một cách hệ thống phản ứng MMN thu được:
Loại lệch chuẩn: Các âm lệch chuẩn có thể khác với âm chuẩn ở nhiều khía cạnh âm học khác nhau, chẳng hạn như tần số hoặc thời lượng. Việc bao gồm cả lệch chuẩn tần số và thời lượng thường rất cần thiết trong nghiên cứu lâm sàng vì chúng phản ánh các khía cạnh khác nhau của bệnh lý thần kinh và tiến trình bệnh.
Xác suất lệch chuẩn: Các âm lệch chuẩn có xác suất thấp hơn sẽ tạo ra biên độ MMN lớn hơn vì chúng đại diện cho một sự phá vỡ quy luật môi trường bất ngờ hơn.
Mức độ lệch chuẩn: Sự khác biệt âm học lớn hơn giữa âm chuẩn và âm lệch chuẩn sẽ gợi ra biên độ MMN lớn hơn và độ trễ phản ứng ngắn hơn.
2. Phân biệt các quá trình: Mô hình kích thích âm thanh lạ so với Mô hình nhiều âm chuẩn
Một mô hình kích thích âm thanh lạ một âm chuẩn vốn dĩ làm lẫn lộn hai quá trình thần kinh riêng biệt: sự thích ứng thụ động với âm chuẩn lặp lại và sự chủ động phát hiện âm lệch chuẩn.
Để cô lập việc phát hiện lệch chuẩn, các nhà nghiên cứu sử dụng mô hình nhiều âm chuẩn. Bằng cách trình bày một loạt các tần số âm thanh với xác suất bằng nhau, sự thích ứng được phân bổ đều trên toàn bộ tập hợp kích thích.
So sánh mô hình kích thích âm thanh lạ và mô hình nhiều âm chuẩn trong cùng một thí nghiệm giúp các nhà nghiên cứu xác định xem liệu sự bất thường của MMN bắt nguồn từ sự thích ứng bị suy giảm, khả năng phát hiện lệch chuẩn bị suy giảm hay sự kết hợp của cả hai.
3. Thử nghiệm dự đoán tích cực: Vượt ra ngoài mô hình kích thích âm thanh lạ tiêu chuẩn
Việc đánh giá các lý thuyết mã hóa dự đoán đòi hỏi các thiết kế vượt ra ngoài những thay đổi về đặc tính vật lý đơn thuần:
Vi phạm mô hình: Việc trình bày các mô hình lặp lại (ví dụ: ABABAB) thiết lập một dự đoán về sự luân phiên. Một sự lặp lại ngoài dự kiến (ví dụ: ABABAA) sẽ kích hoạt một MMN, chứng minh khả năng phát hiện các quy tắc cấu trúc phức tạp.
Mô hình bỏ sót: Khi một âm thanh có thể dự đoán được trong một chuỗi nhịp điệu bị bỏ sót hoàn toàn, não bộ vẫn tạo ra một tín hiệu lỗi dự đoán, chứng minh rằng MMN phản ánh sự kỳ vọng tích cực chứ không chỉ đơn thuần là sự quen nhờn cảm giác.
4. Định vị nguồn: EEG so với MEG
Mặc dù EEG tiêu chuẩn cung cấp các bản ghi bề mặt mạnh mẽ, việc xác định chính xác các nguồn tạo tín hiệu thần kinh cụ thể của MMN thường đòi hỏi MEG. MEG ghi lại bản sao từ trường (MMNm) và mang lại độ phân giải không gian vượt trội để tách biệt sự đóng góp từ các nguồn tạo tín hiệu thùy thái dương (phân biệt cảm giác) và các nguồn tạo tín hiệu thùy trán (chuyển đổi sự chú ý).
Kết luận
Sóng lệch âm là một phản ứng tự động, tiền chú ý của não bộ đối với sự thay đổi thính giác. Nó xuất hiện khi một âm thanh vi phạm một quy luật được thiết lập bởi các kích thích đi trước, biểu thị khả năng ghi nhớ cảm giác và độ chính xác của nhận thức của não bộ. Hàng thập kỷ nghiên cứu đã thiết lập nó như một hiện tượng điện sinh lý đáng tin cậy với các đặc tính được mô tả rõ ràng.
Hai giả thuyết lớn đã cạnh tranh để giải thích các cơ chế thần kinh làm nền tảng cho MMN. Giả thuyết thích ứng quy nó cho sự mệt mỏi thần kinh chênh lệch, trong khi giả thuyết điều chỉnh mô hình giả định việc chủ động cập nhật các biểu diễn nội tại. Mã hóa dự đoán đã nổi lên như một khung lý thuyết thống nhất giải thích cho một loạt các đặc tính thực nghiệm. Các mô hình điện toán chi tiết được xây dựng trên các nguyên lý mã hóa dự đoán tái tạo lại độ nhạy của MMN đối với xác suất lệch chuẩn, mức độ lệch chuẩn, các lần lặp lại ngoài dự kiến, sự bỏ sót âm thanh và các chất đối kháng thụ thể NMDA. Các thí nghiệm MEG cũng hỗ trợ cho tuyên bố cốt lõi rằng MMN phản ánh dự đoán vỏ não tích cực thay vì sự thích ứng thụ động.
Trong bệnh tâm thần phân liệt, biên độ MMN giảm là một phát hiện nhất quán và mang tính hệ thống. MMN lệch chuẩn về tần số theo dõi tiến trình bệnh và sự suy giảm nhận thức, trong khi MMN lệch chuẩn về thời lượng có thể chỉ thị tính dễ bị tổn thương do di truyền. Khiếm khuyết này dường như đặc hiệu cho việc phát hiện lệch chuẩn, trong khi sự thích ứng neuron vẫn nguyên vẹn. Tính đặc hiệu này nhằm xác định một mục tiêu rõ ràng cho việc phát triển các phương pháp điều trị, và khả năng chuyển dịch giữa các loài của MMN nhằm mục đích biến nó thành một chất chỉ điểm sinh học thực tế cho việc thử nghiệm thuốc tiền lâm sàng.
Ghi lại dữ liệu MMN có ý nghĩa đòi hỏi một phương pháp luận cẩn trọng. Loại lệch chuẩn, xác suất và mức độ lệch chuẩn phải được lựa chọn có tham chiếu kỹ lưỡng đến các nguyên lý điện toán chi phối phản ứng. Mô hình nhiều âm chuẩn nên đi kèm với mô hình kích thích âm thanh lạ thông thường khi cần tách biệt sự thích ứng khỏi việc phát hiện sự lệch chuẩn. Các thiết kế phi truyền thống sử dụng các lần lặp lại ngoài dự kiến hoặc sự bỏ sót âm thanh có thể kiểm tra các dự đoán cụ thể của khung mã hóa dự đoán. Khi việc định vị nguồn là quan trọng, việc ghi nhận MMNm bằng MEG sẽ bổ sung cho EEG. Những cân nhắc về phương pháp luận này đảm bảo rằng MMN tiếp tục đóng vai trò là một công cụ chính xác cho cả khoa học thần kinh cơ bản và ứng dụng lâm sàng.
Tài liệu tham khảo
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
Câu hỏi thường gặp
Sóng lệch âm (MMN) là gì?
Sóng lệch âm, hay MMN, là một tín hiệu điện não được ghi lại bằng EEG, xảy ra khi một âm thanh "lệch chuẩn" hiếm gặp phá vỡ một mô hình các âm thanh "chuẩn" lặp đi lặp lại. Nó phản ánh khả năng tự động phát hiện sự thay đổi của não bộ và được tạo ra ngay cả khi một người không chú ý đến các âm thanh.
Tại sao MMN được coi là mang tính tự động và tiền chú ý?
MMN mang tính tự động vì nó xuất hiện ngay cả khi một người đang đọc sách, xem phim hoặc chủ động phớt lờ các âm thanh. Nó mang tính tiền chú ý vì não bộ so sánh âm thanh lệch chuẩn với vết trí nhớ của các âm thanh chuẩn trước khi sự chú ý có ý thức kịp can thiệp.
Hai giả thuyết chính giải thích cách não bộ tạo ra MMN là gì?
Giả thuyết thích ứng đề xuất rằng các âm thanh chuẩn lặp đi lặp lại khiến các neuron giảm tốc độ hoạt động, do đó một âm thanh lệch chuẩn hiếm gặp sẽ kích hoạt các neuron "mới" tạo ra phản ứng lớn hơn. Giả thuyết điều chỉnh mô hình đề xuất rằng não bộ chủ động xây dựng một mô hình nội tại về môi trường thính giác, và MMN phản ánh quá trình cập nhật mô hình đó khi một âm thanh lệch chuẩn vi phạm các kỳ vọng.
Mã hóa dự đoán giải thích MMN như thế nào?
Mã hóa dự đoán là một khung lý thuyết thống nhất xem não bộ như một hệ thống chủ động dự đoán các âm thanh sắp tới dựa trên các quy luật đã học. Khi đầu vào thực tế lệch khỏi dự đoán, một tín hiệu lỗi dự đoán sẽ được tạo ra, và MMN được hiểu là biểu hiện điện sinh lý của lỗi dự đoán đó.
Mô hình nhiều âm chuẩn là gì và tại sao nó được sử dụng?
Mô hình nhiều âm chuẩn trình bày nhiều âm thanh khác nhau với xác suất bằng nhau để không có âm thanh đơn lẻ nào lặp lại đủ nhiều để gây ra sự thích ứng thần kinh. Điều này cho phép các nhà nghiên cứu cô lập việc phát hiện lệch chuẩn ra khỏi các ảnh hưởng của sự thích ứng, vốn bị lẫn lộn trong một mô hình kích thích âm thanh lạ thông thường.
MMNm là gì và nó khác với MMN như thế nào?
MMNm là bản sao từ trường của MMN, được ghi lại bằng phép ghi từ não (MEG) thay vì EEG. Nó mang lại độ phân giải không gian tốt hơn để tách biệt đóng góp từ các vùng não khác nhau, chẳng hạn như các nguồn tạo tín hiệu thùy thái dương và thùy trán.
Những yếu tố nào cần được xem xét khi thiết kế một thí nghiệm MMN?
Các nhà nghiên cứu phải chủ động lựa chọn loại lệch chuẩn, xác suất và mức độ lệch chuẩn vì các thông số này định hình phản ứng MMN một cách hệ thống. Âm lệch chuẩn có xác suất thấp hơn và mức độ lệch chuẩn lớn hơn tạo ra biên độ lớn hơn, và việc sử dụng cả âm lệch chuẩn tần số lẫn thời lượng là điều cần thiết cho các nghiên cứu lâm sàng. Mô hình nhiều âm chuẩn nên đi kèm với mô hình kích thích âm thanh lạ thông thường khi việc tách biệt sự thích ứng khỏi phát hiện lệch chuẩn là cần thiết.
Emotiv là một đơn vị dẫn đầu về công nghệ thần kinh, giúp thúc đẩy nghiên cứu khoa học thần kinh thông qua các công cụ EEG và dữ liệu não bộ dễ tiếp cận.
Tuyên bố miễn trừ trách nhiệm y tế: Thông tin được cung cấp trên trang web này chỉ nhằm mục đích giáo dục và cung cấp thông tin, không được coi là lời khuyên về y tế hoặc sức khỏe. Nội dung này có thể chứa lỗi và không nên dựa vào đó để đưa ra các lựa chọn thay đổi cuộc sống, sức khỏe, y tế hoặc lối sống. Luôn tìm kiếm lời khuyên từ bác sĩ hoặc nhà cung cấp dịch vụ y tế có trình độ khác nếu bạn có bất kỳ câu hỏi nào liên quan đến tình trạng y khoa hoặc phương pháp điều trị.
Christian Burgos
