[論文レビュー] Cognitive Control in the Controllable Connectome

John D. Medaglia, Shi Gu+5 more|arXiv (Cornell University)|Jun 29, 2016

Advanced Neuroimaging Techniques and Applications参考文献 4被引用数 9

ひとこと要約

本研究では、構造的接続マップから導出された脳領域のネットワーク制御特性が、認知制御のパフォーマンスにおける個人差を予測することを示している。拡散テンソル画像法（DTI）とネットワーク制御理論を用いて、モード制御性と境界制御性——ネットワークを理論的に制御可能な能力を表す指標——が、注意、作業記憶、抑制のタスクパフォーマンスと顕著に相関していることを示しており、ネットワーク制御性が認知制御の根本的メカニズムであることを確立している。

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.

研究の動機と目的

• ネットワーク制御理論が人間の脳における認知制御の根本的メカニズムを提供するかを検証すること。
• 構造的脳結合の個人差が、認知制御パフォーマンスの個人差を予測するかを調査すること。
• モード制御性と境界制御性の役割が、多様な認知制御タスクのパフォーマンスにどのように媒介されるかを検討すること。
• 前頭頭頂連合ネットワークと注意ネットワークにおける制御ハブが、その制御性特徴によって機能的に区別されるかを特定すること。
• ネットワークのコミュニティ分割プロセスにおける閾値パラメータの変動に伴う境界制御性推定値の頑健性を検証すること。

提案手法

• ラウザンヌ83領域パラセレーションを用いて、拡散テンソル画像法（DTI）データから個別に脳の構造的ネットワークを構築した。
• 構造的接続マップ上に簡素化された線形力学的モデルを定義し、ネットワーク制御ダイナミクスを模擬した。
• モード制御性を、困難に到達しにくい状態にネットワークを駆動するために必要な理論的エネルギーとして定量化し、タスク切り替えの潜在的能力を反映させた。
• 境界制御性を、ネットワークモジュール間の結合・分離を調整する能力として定量化し、調整と競合の能力を反映させた。
• 再帰的フィードラー二部分割アルゴリズムを用い、閾値比（ρ）をパラメータとして境界ノードを同定し、ρ値の範囲（0.15～0.25）で境界制御性を計算した。
• ρ値にわたる境界制御性の平均値を算出し、頑健性を確保した。その後、年齢、性別、スキャン品質を制御した部分相関を用いて認知パフォーマンスと関連を分析した。

実験結果

リサーチクエスチョン

• RQ1 脳領域の制御性（モードおよび境界）と認知制御パフォーマンスの個人差との間に有意な相関が存在するか？
• RQ2 特に前頭頭頂連合制御ネットワークに高いモード制御性を示す領域は、タスク切り替えや作業記憶を要するタスクでより良いパフォーマンスを示す予測因子となるか？
• RQ3 特に注意関連領域に高い境界制御性を示す領域は、注意を要するタスクや抑制タスクでより良いパフォーマンスを示す予測因子となるか？
• RQ4 前扣帯皮質に位置する制御ハブは、デフォルトモード領域や前頭連合領域と比較して、認知制御との関係において機能的に特異的か？
• RQ5 コミュニティ分割アルゴリズムで用いる閾値比ρの変動に伴って、境界制御性推定値はどの程度頑健か？

主な発見

• 前頭頭頂連合制御領域におけるモード制御性は、作業記憶およびタスク切り替えタスクのパフォーマンスを有意に予測しており、柔軟な認知制御における役割を示している。
• 注意関連領域における境界制御性は、注意および抑制タスクのパフォーマンスを有意に予測しており、ネットワークダイナミクスの調整における役割を支持している。
• 異なるρ値（r > 0.74）においても、脳領域の制御性と認知パフォーマンスの相関が安定しており、境界制御性推定値の頑健性が確認された。
• 知られている制御ハブである前扣帯皮質は、制御性と認知パフォーマンスの関係において特異的で、デフォルトモード領域や前頭連合領域とは区別される。
• 年齢、性別、スキャン品質を制御した部分相関解析により、制御性と認知機能の間の関係が人口統計的要因や画像品質要因によって歪められていないことが確認された。
• 制御性と認知パフォーマンスの関連の強さは、脳領域間の幾何的距離と顕著に相関しており、制御メカニズムの空間的組織が示唆された。