Mózg jest najbardziej złożonym obiektem w znanym wszechświecie. Około 100 miliardów neuronów uwalnia setki neuroprzekaźników i peptydów w dynamice obejmującej okresy od mikrosekundy do całego życia. Biorąc pod uwagę tę złożoność, neurobiolodzy mogą spędzić produktywne kariery studiując pojedynczy receptor. Czy psychologowie mogą bardziej produktywnie zrozumieć umysł, ignorując mózg?
Marr (1977) zasugerował, że procesy umysłowe mogą być badane na trzech poziomach analizy: obliczeniowym (cele procesu), algorytmicznym (metoda) i implementacyjnym (sprzęt). Podział ten zakłada, że te same cele obliczeniowe i algorytmy mogą być realizowane przez ludzki mózg lub komputer, a fizyczny nośnik – neuron lub krzem – jest nieistotny. Ta koncepcja była fundamentalna dla ruchu kognitywistyki i dała jego praktykom pozwolenie na wygodne ignorowanie mózgu. Została ona jednak poważnie zakwestionowana: Obliczenia wysokiego poziomu (np. decyzja o następnym ruchu w grze w szachy) mogą być wykonane na praktycznie nieskończoną liczbę sposobów. Zbudowanie modelu komputerowego, który osiągnie cel obliczeniowy, niewiele mówi o tym, czy zrobi to w taki sam sposób, jak zrobiłby to człowiek. Sprzęt komputerowy dostarcza krytycznych ograniczeń dla przestrzeni możliwych modeli.
Debata na temat tego, czy musimy badać mózg, aby zrozumieć umysł, jest obecnie prowadzona w sieci tysięcy naukowców i uczonych na całym świecie. Wyłaniający się konsensus wydaje się być taki, że realizacja jest ważna. Co ciekawe, odwrotne pytanie jest również zadawane przez neurobiologów – czy potrzebujemy rozważać umysł, aby zrozumieć mózg? – i odpowiadamy w dużej mierze i coraz częściej twierdząco.
Możemy dowiedzieć się wiele o umyśle, nie znając neuronu od astrocytu. Jak często powtarzam sobie i od czasu do czasu innym: „Jeśli chcesz zrozumieć ludzką wydajność, badaj ludzką wydajność”. Ale dane mózgowe dostarczają informacji o umyśle, których nie można uzyskać z nawet najbardziej starannych badań zachowania. Krótko mówiąc, dane mózgowe dostarczają fizycznych podstaw, które ograniczają niezliczone, skądinąd prawdopodobne modele poznania. Dają nam bezpośredni wgląd w to, które procesy umysłowe angażują podobne i różne procesy neurobiologiczne, co pozwala nam wykorzystać biologię do „rzeźbienia natury w jej stawach” i zrozumienia struktury procesów umysłowych (Kosslyn, 1994). Funkcja mózgu dostarcza również wspólnego języka do bezpośredniego porównywania i przeciwstawiania procesów, które w innych przypadkach są „jabłkami i pomarańczami”, takich jak uwaga i emocje. Ten wspólny język jest podstawą do integracji wiedzy w różnych rodzajach badań – podstawowych i klinicznych, ludzkich i pozaludzkich.
Jako że ogólne zastosowania neuroobrazowania zostały elokwentnie omówione gdzie indziej, skupiam się tutaj na kilku przykładach tego, jak funkcjonalny rezonans magnetyczny (fMRI) był przydatny w mojej pracy (patrz Jonides, Nee, & Berman, 2006). Ponadto, jak każda metoda ma swoje ograniczenia, omawiam niektóre pułapki związane z wnioskowaniem psychologicznym na podstawie danych neuroobrazowania.
Jednym z zastosowań dla mnie było zrozumienie struktury emocji i procesów kontroli wykonawczej oraz sposobów, w jakie kontrola poznawcza działa w sytuacjach emocjonalnych i nieemocjonalnych. Moi koledzy i ja pytaliśmy: Czy ból różni się od negatywnych emocji, takich jak smutek i gniew, czy też są to warianty na wspólny temat? W metaanalizach stwierdziliśmy, że ból i negatywne emocje aktywują odrębne sieci mózgowe, ale mają wspólne cechy, takie jak aktywność przedniej części kory zakrętu obręczy i kory czołowej z szerszą klasą procesów, w tym uwagą (Wager & Barrett, 2004; Wager, Reading & Jonides, 2004). W przeciwieństwie do tego, różne odmiany negatywnych emocji angażują w dużej mierze pokrywające się sieci. Tak więc, ból wydaje się być odrębny od negatywnych emocji, ale wspólne cechy sugerują sposoby, w których mogą one dzielić podstawowe procesy, takie jak podwyższona uwaga.
Pytania dotyczące podobieństwa i odrębności procesów psychicznych były w centrum psychologii od jej powstania, ale ostateczne odpowiedzi były nieuchwytne. Wnioskowanie opierało się w dużej mierze na korelacjach w wydajności pomiędzy zadaniami (lub w reakcjach fizjologicznych, w przypadku emocji). Jednak dane dotyczące wydajności są stosunkowo ubogie w informacje: fakt, że wykonanie dwóch zadań zajmuje mniej więcej tyle samo czasu, niewiele mówi o tym, czy procesy związane z wyborem odpowiedzi były takie same. Reakcje fizjologiczne cierpią na podobne problemy związane ze specyficznością. Neuroobrazowanie dostarcza znacznie bogatszego źródła informacji: jeśli dwa zadania aktywują te same regiony mózgu w tym samym stopniu, prawdopodobnie angażują podobne procesy. Logika ta pozwala ocenić strukturę procesów umysłowych na podstawie podobieństwa wzorów ich aktywacji w mózgu. W badaniu opartym na tych zasadach pytaliśmy, czy różne zadania z zakresu „kontroli wykonawczej” angażują wspólny substrat mózgowy (Wager i in., 2005). Znaczne nakładanie się aktywacji sugeruje wspólną sieć dla kontrolowanego wyboru odpowiedzi.
Chociaż pytania o mechanizm są trudniejsze do rozwiązania, neuroobrazowanie może być informatywne tutaj, jak również. W badaniu fMRI bólu, moi koledzy i ja stwierdziliśmy, że oczekiwanie ulgi w bólu wywołane przez placebo angażuje korę czołową i mechanizmy uśmierzające ból w śródmózgowiu (Wager i in., 2004). Aktywacja czołowa sugeruje wspólny substrat dla utrzymania kontekstu poznawczego, który kształtuje zarówno procesy percepcyjno-motoryczne jak i afektywne, a aktywacja śródmózgowia sugeruje zaangażowanie opioidowych systemów analgetycznych. Takie bezpośrednie dowody na mechanizmy, dzięki którym oczekiwania wpływają na ból, byłyby trudne do uzyskania bez badania mózgu.
Badanie to wskazuje również na dodatkową korzyść płynącą z neuroobrazowania: W przypadkach, w których raporty własne mogą być niedokładne, obrazowanie może dostarczyć zbieżnych, bezpośrednich miar centralnego przetwarzania bodźca. Podczas gdy oczekiwania mogą wpływać na raporty bólu z nieciekawych powodów związanych z poznawczą tendencyjnością raportowania, dowody na to, że oczekiwania wpływają na trwające przetwarzanie bólu dostarczają zbieżnych dowodów na to, że kształtują one doświadczenie bólu.
Tak, jest wiele sposobów, w których dane neuroobrazowania mogą być źle wykorzystane lub źle zinterpretowane. Gross poziomy regionalnej aktywności mózgu może w niektórych przypadkach być nieinformacyjne o podobieństwie zadań psychologicznych: Dwa niepodobne zadania mogą angażować te same regiony, ale wykorzystywać różne populacje neuronów lub angażować różne wzorce połączeń między regionami. Dwa podobne zadania mogą dotyczyć różnych regionów, ale tego samego typu obliczeń. Aktywność neuronalna może zostać przeoczona, ponieważ obserwowany sygnał obrazowania tylko pośrednio odzwierciedla aktywność neuronalną, a obserwowana aktywacja obrazowania może nie być niezbędna do wykonania zadania.
Jedną z największych pułapek jest pokusa obserwowania aktywności mózgu i wnioskowania o stanie psychologicznym – na przykład wnioskowania o odzyskiwaniu pamięci epizodycznej na podstawie aktywności hipokampa, o lęku na podstawie aktywności amygdali lub o przetwarzaniu wzrokowym na podstawie aktywności w „korze wzrokowej” (Barrett & Wager, 2006; Poldrack, 2006; Wager et al., in press). Te wnioskowania ignorują zakres procesów, które mogą aktywować każdy z tych obszarów i wiążą się z błędem w rozumowaniu: „jeśli pamięć, to hipokamp” nie jest tym samym, co „jeśli hipokamp, to pamięć”. Fakt, że niewiele obszarów mózgu, w tym „kora wzrokowa”, jest dedykowanych jednemu procesowi oznacza, że autoprezentacja jest nadal złotym standardem dla oceny doświadczeń emocjonalnych i treści myśli (Shuler & Bear, 2006). Jest to poważne wyzwanie dla tych, którzy chcieliby, na przykład, ocenić preferencje dotyczące marki lub przynależności politycznej na podstawie skanu mózgu. (A czy nie łatwiej jest po prostu zapytać?)
Problemy te są istotne, ale nie ma idealnej metody – zrozumienie umysłu musi wyłonić się ze skoordynowanego wysiłku wykorzystującego zbieżne dowody ze wszystkich dostępnych nam narzędzi. Wiele z powyższych kwestii jest rozwiązywanych dzięki postępom w pozyskiwaniu danych i metodach ich analizy, gromadzeniu większej ilości danych na temat mapowania pomiędzy strukturą mózgu a funkcjami psychologicznymi oraz bardziej zniuansowanym poglądom na to, jakie rodzaje wnioskowania są wiarygodne. Wierzę, że w miarę dojrzewania tej dziedziny, młodzieńczy entuzjazm ustąpi miejsca bardziej wyważonemu spojrzeniu na to, kiedy i jak neuroobrazowanie może nas informować o umyśle. To, czego już się nauczyliśmy, jest znaczące, a przyspieszona integracja pomiędzy dziedzinami prowadzi do coraz bardziej wyrafinowanych i prawdziwych modeli umysłu.
Barrett, L.F. i Wager, T.D. (2006). The structure of emotion: Evidence from neuroimaging studies. Current Directions in Psychological Science, 15, 79-83.
Jonides, J., Nee, D.E., Berman, M.G. (2006). Co funkcjonalne neuroobrazowanie powiedziało nam o umyśle? Tak wiele przykładów, tak mało miejsca. Cortex, 42, 414-427.
Kosslyn, S. M. (1994). Rzeźbienie systemu na jego złączach. W Obraz i mózg: The resolution of the mental imagery debate. Cambridge, MA: MIT Press.
Marr, D. i Poggio, T. (1977). From understanding computation to understanding neural circuitry. Neurosciences Res Prog Bull, 15, 470-488.
Poldrack, R.A. (2006). Czy na podstawie danych neuroobrazowych można wnioskować o procesach poznawczych? Trends in Cognitive Sciences, 10, 59-63.
Shuler, M.G., Bear, M.F. (2006). Reward timing in the primary visual cortex. Science, 311, 1606-1609.
Wager, T.D. and Barrett, L.F. (2004). Od afektu do kontroli: Functional specialization of the insula in motivation and regulation.
Wager, T.D., Reading S., Jonides, J. (2004). Neuroimaging studies of shifting attention: A meta-analysis. Neuroimage, 22, 1679-1693.
Wager, T.D., et al. (2005). Wspólne i unikalne składniki hamowania odpowiedzi ujawnione przez fMRI. Neuroimage, 27, 323-340.
Wager, T.D. et al. (in press). Elementy neuroobrazowania funkcjonalnego. In J. Cacioppo and R.J. Davidson (Ed.), Handbook of Psychophysiology. Cambridge, MA: Cambridge University Press.
Wager, T.D., et al. (2004). Placebo-induce zmiany w fMRI w przewidywanie i doświadczenie bólu. Science, 303, 1162-1167.
.