Musiikillisen harjoittelun indusoima multisensoristen aivokuoren alueiden neuroplastisuus: translaatiomenetelmä (MusicPlast) (MusicPlast)

Tavoitteet ja tutkimuskysymykset

MUSICPLASTin ensimmäinen tavoite on tutkia syvällisesti audiovisuaalisen havainnon kehittymistä terveissä ihmisaivoissa ja kuvata yksityiskohtaisesti vastaavat aivokuoren verkostot. Tämän tavoitteen saavuttamiseksi käytetään suuritiheyksisiä EEG-mittauksia (128 kanavaa) stimulaatioprotokollan mukaisesti, joka sisältää kuulo-, visuaali- ja audiovisuaaliset vastaavuudet yhtenäisessä moniaistisessa pariton paradigmassa. Koehenkilöiden moniaististen havainnointikykyjen käyttäytymis- ja neuropsykologinen arviointi suoritetaan kokonaisvaltaisen ymmärryksen saavuttamiseksi ilmiöstä. Koehenkilöiden sisäinen eri olosuhteiden vertailu paljastaa vastaavan verkoston, kun taas tutkittavien välillä sen kehityskulku. Tämän kokeen hypoteesi on, että audiovisuaalisen havainnon taustalla oleva verkosto muodostuu aivokuoren alueista, jotka yhdistävät laajalle levinneitä alueita, mukaan lukien etukuoren dorsolateraaliset alueet. Sen kehityksen osalta ja sen perusteella, että käyttäytymisen moniaistinen integraatio paranee edelleen terveen ikääntymisen myötä, oletetaan, että verkosto järjestetään uudelleen siten, että iän edetessä tiheys ja tehokkuus lisääntyvät.

MUSICPLASTin toinen tavoite on tutkia syvällisesti terveen ihmisen aivojen audiovisuaalisen havainnon taustalla olevan aivokuoren verkoston plastisuutta, joka on indusoitu tietokoneen tarjoaman lyhytaikaisen musiikillisen lukukoulutuksen avulla. Tämän tavoitteen toteuttamiseksi käytetään ennen ja jälkeen harjoittelua korkean tiheyden EEG-, käyttäytymis- ja neuropsykologisia mittauksia noudattaen samaa stimulaatioparadigmaa kuin aiemmin mainitussa tavoitteessa. Tämän kokeen hypoteesi on, että audiovisuaalisen havainnon taustalla oleva verkosto järjestetään uudelleen, mikä osoittaa lisääntynyttä globaalia tiheyttä ja tehokkuutta, parempaa yhteyttä temporaalisten ja frontopolaaristen alueiden välillä ja plastisuuden määrän asteittaista vähenemistä iän nousun seurauksena.

MUSICPLASTin kolmas tavoite on arvioida ehdotetun tietokoneistetun musiikinlukuharjoitusprotokollan tehokkuutta työkaluna, joka edistää hyödyllisiä neuroplastisia muutoksia patologisissa populaatioissa ja erityisesti dyslektisissä nuorissa ja vanhuksissa. Tämän tavoitteen toteuttamiseksi käytetään ennen ja jälkeen harjoittelua korkean tiheyden EEG-, käyttäytymis- ja neuropsykologisia mittauksia noudattaen samaa stimulaatioparadigmaa kuin edellä mainituissa tavoitteissa. Tämän kokeen hypoteesi on, että audiovisuaalisen havainnon taustalla oleva verkosto organisoituu hyödyllisesti uudelleen koulutuksen ansiosta, joka osoittaa lisääntyneen globaalin tiheyden ja tehokkuuden, paremman yhteyden temporaalisten ja frontopolaaristen alueiden välillä ja että näitä muutoksia seuraa vastaavien käyttäytymis- ja neuropsykologisten parantuminen. arviointi.

Tutkimuksen suunnittelu ja metodologia Osallistujat

Otoskokoanalyysi suoritettiin G-Powerin avulla aiemman asiaankuuluvan PI:n tutkimuksen tietojen perusteella ja osoitti, että haluttu otoskoko tehon 0,8 ja kaksipuolisen merkitsevyystason a = 0,05 saavuttamiseksi on 13 koehenkilöä. jokaisessa ryhmässä. Mahdollisten keskeytysten huomioon ottamiseksi MUSICPLAST sisältää 20 koehenkilöä jokaiseen ryhmään [nuoret (n = 20), nuoret aikuiset (n = 20), vanhukset (n = 20) ja kontrollit (n = 20)]. Tutkimus tehdään Helsingin julistuksen mukaan koehenkilöiden osallistumisesta tutkimukseen.

EEG ja käyttäytymismittaukset

Ennen koulutuksen alkua ja sen päätyttyä osallistujille tehdään 2 elektroenkefalografista mittausta. Tallenteet tehdään sähkömagneettisesti suojatussa huoneessa, joka sijaitsee AUTH:n lääketieteellisen fysiikan laboratoriossa Nihon Kohden EEG-1200 -järjestelmällä, jossa on 128 aktiivista elektrodia. Ensimmäinen mittaus on lepotilan aktiivisuus, mikä mahdollistaa lepotilan aivokuoren liitettävyyden verkko-analyysin, kun taas toinen mittaa tapahtumapotentiaalit multisensorisen ouddball-paradigman kautta, joka on sovitettu asianmukaisesti audiovisuaalista havaintoa varten, koska se sisältää audiovisuaalisia, kuulo- ja visuaalisia epäsopivuuksia. juosta. PI on ehdottanut tätä paradigmaa ja soveltanut sitä menestyksekkäästi useissa tutkimuksissa, ja se mahdollistaa sekä aivokuoren aktiivisuuden spatiotemporaalisen analyysin että toiminnallisen yhteysanalyysin.

Samanaikaisesti EEG-mittausten kanssa koehenkilöt reagoivat käyttäytyvästi näppäinpainalluksella audiovisuaaliseen kongruenssitehtävään, jossa heidän on arvioitava, vastaavatko esitetyt kuvat kuulemiaan ääniä säännön perusteella "mitä korkeampi äänenkorkeus - sitä korkeampi ympyrän sijainti". Tämä mittaus mahdollistaa yhtenevien ja epäyhtenäisten audiovisuaalisten ärsykkeiden erottelutarkkuuden käyttäytymisen arvioinnin.

Ennen koulutuksen alkua ja sen päätyttyä osallistujille tehdään neuropsykologinen arviointi, joka koostuu paristosta, joka sisältää seuraavat testit:

Kaikki aiheet:

Stroopin testipolun A ja B numerovälitestin suorituskyvyn alatesti Wechsler Intelligence Scale Children III - tai Wechsler Adult Intelligence Scale -asteikolla iän mukaan.

Vain vanhukset:

Mini Mental State Examination (MMSE) Montreal Cognitive Assessment (MoCA) Geriatric Depression Scale

Vain dyslektikot:

Sanan ja ei-sanan lukeminen Sanan ja ei-sanan oikeinkirjoitus Fonologinen kyky

Interventio - MUSICPLAST harjoitusprotokolla

Jokainen oppiaine saa 20 istuntoa tietokoneistettua koulutusta, joka perustuu yksinkertaistettuun musiikin lukemiseen 4 viikon sisällä. Koulutus toteutetaan älypuhelimella tai tabletilla. Sovellus tallentaa jokaisesta koulutustilaisuudesta lokitiedoston, joka kestää 20 minuuttia ja lokitiedosto on suoraan tutkijan saatavilla, jolloin hän voi seurata tutkittavan osallistumista ja sitoutumista oikeaan aikaan. Harjoitteluprotokollassa käytetyt ärsykkeet rakennetaan samoilla periaatteilla kuin EEG-tallenteissa käytetyt audiovisuaaliset ärsykekuviot: visuaalinen kuva näyttää ympyrän 5 vaakaviivan taustan päällä. Kuvioiden kesto on keskimäärin 10 sekuntia.

Ympyrän sijainti viiden rivin sisällä joko noudattaa sääntöä "mitä korkeampi sävelkorkeus, sitä korkeampi ympyrän sijainti" tai se rikkoo yllä olevaa sääntöä. Tätä sääntöä noudatettiin periaatteessa myös aiemmissa PI:n tekemissä tutkimuksissa, jotka ovat saaneet positiivisia tuloksia indusoituneesta neuroplastisuudesta. Visuaaliset kuvat edustavat vain äänenkorkeuden taajuutta, eivät rytmistä kuviota. Osallistujan on vastattava jokaisen kokeen lopussa painikkeen painalluksella, vahvistiko audiovisuaalinen syöte yllä esitettyä sääntöä vai rikkoiko sitä. Jokaisesta kokeesta annetaan palautekuva hymyilevistä kasvoista oikeille vastauksille tai ei-hymyileville kasvoille väärille vastauksille. Protokollan vaikeusaste on sovitettu ja siinä on 5 vaikeustasoa, jotka perustuvat kahteen eri tekijään: esitysnopeuteen ja musiikillisen kuvion vaikeusasteeseen. Toisin kuin EEG-mittausmenettelyssä, jonka aikana melodiset kuviot ovat koehenkilöille tuntemattomia, koulutuksessa käytettävät melodiset kuviot koostuvat lyhyistä, mutta tunnistettavissa olevista tunnetuista musiikkikappaleista osallistujien sitouttamiseksi ja tunnereaktion herättämiseksi. . Koulutusta parannetaan PI:n vastaaviin aikaisempiin tutkimuksiin verrattuna antamalla palautetta ja käyttämällä tunnettuja musiikkikappaleita, jotka herättävät harjoittelijoissa tunnereaktion.

EEG-tietojen analysointi ja tilastolliset menettelyt

Kerätyt EEG-tiedot esikäsitellään Brain Electrical Source Analysis -ohjelmistolla (BESA-tutkimus, versio 6, Megis Software, Heidelberg, Saksa). Tallennetut tiedot erotetaan 1000 ms:n jaksoissa, mukaan lukien 200 ms:n esistimulaatioväli. Epookit korjataan perusviivan välillä -100 - 0 ms. Current Density Reconstructions (CDR:t) lasketaan kunkin kohteen ja kunkin tilan hermovasteista käyttämällä BESA:n tarjoamaa sLORETA-menetelmää55. The Matlab ® (The MathWorks, Inc., Natick, Massachusetts, Yhdysvallat.) työkalulaatikkoa HERMES56 käytetään vierekkäisyysmatriisin laskemiseen vokselin aikasarjasta. Työkalulaatikkoa Network Based Statistic (NBS) käytetään merkitsevien yhteyksien tilastolliseen tunnistamiseen kaavioissa yleisen lineaarisen mallin lähestymistapaa käyttäen. Tietojen tilastollista analyysiä varten noudatetaan 2 × 2 × 2 × 2 sekamallin ANOVA-suunnittelua, jossa on kolme tekijää koehenkilön sisällä: kunto (yhtenäinen ja epäyhtenäinen), modaliteetti (audiovisuaalinen, auditiivinen ja visuaalinen) ja aika (ennen ja jälkikoulutus) ja yksi oppiaineiden välillä: (ikäryhmä). Merkitystasoksi asetetaan p < 0,05 korjattu useille vertailuille Family Wise Error -korjauksella.