[논문 리뷰] Cognitive Control in the Controllable Connectome

John D. Medaglia, Shi Gu외 5명|arXiv (Cornell University)|2016. 06. 29.

Advanced Neuroimaging Techniques and Applications참고 문헌 4인용 수 9

한 줄 요약

이 연구는 구조적 연결체에서 유도된 뇌 영역의 네트워크 제어 특성에 의해 개인 간 인지 조절 성능의 차이가 예측됨을 보여준다. 확산 탄성 영상과 네트워크 제어 이론을 사용하여, 저자들은 모달 제어 가능성과 경계 제어 가능성—한 영역이 뇌 동역학을 이끌 수 있는 이론적 능력의 척도—이 주의, 작업 기억, 억제 작업 성능과 유의미하게 상관됨을 입증하며, 네트워크 제어 가능성은 인지 조절의 기본 메커니즘임을 규명한다.

ABSTRACT

Cognition is supported by neurophysiological processes that occur both in local anatomical neighborhoods and in distributed large-scale circuits. Recent evidence from network control theory suggests that white matter pathways linking large-scale brain regions provide a critical substrate constraining the ability of single areas to affect control on those processes. Yet, no direct evidence exists for a relationship between brain network controllability and cognitive control performance. Here, we address this gap by constructing structural brain networks from diffusion tensor imaging data acquired in 125 healthy adult individuals. We define a simplified model of brain dynamics and simulate network control to quantify modal and boundary controllability, which together describe complementary features of a region's theoretically predicted preference to drive the brain into different cognitive states. We observe that individual differences in these control features derived from structural connectivity are significantly correlated with individual differences in cognitive control performance, as measured by a continuous performance attention test, a color/shape switching task, the Stroop inhibition task, and a spatial n-back working memory task. Indeed, control hubs like anterior cingulate are distinguished from default mode and frontal association areas in terms of the relationship between their control properties and individual differences in cognitive function. These results provide the first empirical evidence that network control forms a fundamental mechanism of cognitive control.

연구 동기 및 목표

• 네트워크 제어 이론이 인간 뇌에서 인지 조절의 기본 메커니즘을 제공하는지 테스트한다.
• 개인 간 구조적 뇌 연결성의 차이가 개인 간 인지 조절 성능의 차이를 예측하는지 조사한다.
• 모달 제어 가능성과 경계 제어 가능성의 역할이 다양한 인지 조절 과제 성능를 매개하는지 검토한다.
• 전두-편측 네트워크와 주의 네트워크의 제어 허브가 제어 특성 측면에서 기능적으로 구분되는지 확인한다.
• 네트워크 분할 과정에서 다양한 임계값 매개변수에 대해 경계 제어 가능성 추정치의 탄력성을 검증한다.

제안 방법

• 라우산느 83영역 분할을 사용하여 확산 탄성 영상(DTI) 데이터에서 개인별 구조적 뇌 네트워크를 구축하였다.
• 구조적 연결체 위에서 뇌 활동의 단순화된 선형 동역학 모델을 정의하여 네트워크 제어 동역학을 시뮬레이션하였다.
• 모달 제어 가능성은 네트워크를 도달하기 어려운 상태로 이끌 수 있는 이론적 에너지를 측정하며, 이는 과제 전환 잠재력과 관련된다.
• 경계 제어 가능성은 네트워크 모듈 간 결합/해리 능력을 측정하며, 이는 조율 및 경쟁 능력을 반영한다.
• 경계 노드를 식별하고 다양한 ρ 값(0.15–0.25) 범위에서 경계 제어 가능성을 계산하기 위해 임계비율(ρ)을 사용한 재귀적 페드러 이분할 알고리즘을 사용하였다.
• 정확도를 확보하기 위해 ρ 값에 따른 경계 제어 가능성 평균을 구하고, 연령, 성별, 스캔 품질을 보정한 부분 상관계수 분석을 실시하였다.

실험 결과

연구 질문

• RQ1 지역적 뇌 제어 가능성(모달 및 경계)과 개인 간 인지 조절 성능의 차이 사이에 유의미한 관계가 존재하는가?
• RQ2 특히 전두-편측 조절 네트워크에서 높은 모달 제어 가능성 영역은 과제 전환과 작업 기억 과제에서 더 나은 성능을 예측하는가?
• RQ3 특히 주의 네트워크에서 높은 경계 제어 가능성 영역은 주의 요구 과제와 억제 과제에서 더 나은 성능을 예측하는가?
• RQ4 전두부 피질의 전두부 피질은 기본 모드 네트워크 및 전두 연합 영역과 비교해 인지 조절과의 관계에서 기능적으로 구별되는가?
• RQ5 커뮤니티 분할 알고리즘에서 사용된 임계비율 ρ의 변동에 대해 경계 제어 가능성 추정치는 얼마나 탄력적인가?

주요 결과

• 전두-편측 조절 영역에서의 모달 제어 가능성은 작업 기억과 과제 전환 과제 성능를 유의미하게 예측하며, 이는 탄력적인 인지 조절의 역할을 시사한다.
• 주의 관련 영역에서의 경계 제어 가능성은 주의 및 억제 과제 성능를 유의미하게 예측하며, 이는 네트워크 동역학 조율의 역할을 뒷받침한다.
• 지역적 제어 가능성과 인지 성능 간 상관계수는 다양한 ρ 값에서 높은 안정성(>0.74)을 보였으며, 경계 제어 가능성 추정치의 안정성을 확인한다.
• 기본적으로 알려진 제어 허브인 전두부 피질은 제어 가능성과 인지 성능 간의 독특한 관계를 보이며, 기본 모드 네트워크 및 전두 연합 영역과 기능적으로 구별된다.
• 연령, 성별, 스캔 품질을 보정한 부분 상관계수 분석을 통해 관찰된 제어 가능성과 인지 능력 간 관계가 인구통계학적 또는 영상 품질 요인에 의해 왜곡되지 않았음을 확인하였다.
• 제어 가능성과 인지 성능 간 연관성의 강도는 뇌 영역 간 기하학적 거리와 유의미하게 상관되었으며, 이는 제어 메커니즘의 공간적 구성 구조를 시사한다.