浸大全脑活动研究揭示不同认知能力隐含的分离和整合平衡机制

大脑是一个高度非线性的复杂网络系统。随著神经系统的生长发育，大脑逐渐形成不同的功能系统以支持内部相对独立的神经活动以及特定的局部功能，比如运动区、语言区和视觉区等。系统的分离一方面能够使大脑在进行简单认知任务时激活特定功能区，释放其他区域去执行其他一般的认知过程；另一方面，为大脑提供了抵抗局灶性损伤，避免导致全脑功能失调。同时，在结构上，大脑功能系统通过白质纤维束相互连接，进行信息传递；神经系统通过对不同功能系统的信息进行整合，为大脑不断适应外界变化提供了生理学基础。因此，功能性分离与整合是大脑产生认知行为的两种基本过程，与认知任务的复杂度以及脑疾病密切相关。然而，大脑是如何有效组织神经信息在局部和全脑作有效处理，从而支持各种由简单到复杂的认知任务的呢？

图：(a)处於分离、平衡和整合状态的个体大脑功能网络。 (b) 根据动力学模型和 fMRI 数据，健康的年轻成人大脑一般保持分离和整合的平衡状态。 (c) 不同的分离、整合和平衡状态产生不同的认知能力（g：一般能力；cry：晶体智力；spd：处理速度；Mem：记忆）。

从动力学系统角度来说，一种可能的解释为 ：「神经系统在静息态时处於动力学临界状态，能够支持分离与整合的平衡。」当认知任务需要更高的分离或整合时，大脑能够灵活切换到分离或整合状态，进而满足不同认知功能的需求。该假设近年来在认知心理学领域也得到了极大关注。 2018年，美国著名认知神经科学家Aron K. Barbey提出了人类认知的现代网络神经科学（NNT）理论，认为大脑在局部信息处理（分离）和全局处理（整合）之间的灵活切换促进了一般智力的发展，即分离-整合平衡会达致较高的一般智力。然而，自20世纪90年代关於分离-整合平衡的概念提出以来，关於静息态大脑在全脑尺度是否处於分离与整合的平衡尚无定论，NNT理论极需进一步验证。

针对以上在动力学系统、网络科学、神经科学和心理学领域所共同面对的难题，周教授的研究小组基於特徵模态理论，结合动力学模型和对「人类连接组计划」 (Human Connectome Project) 中大约1,200 名受试者的分析，发现健康的年轻人大脑在静息态时总体上处於分离与整合的平衡状态；较强的整合预示较高的一般能力，较强的分离则有较高的晶体智力和处理速度，当分离与整合两者达致平衡时，记忆能力便达到最高水平。是次研究发现为支持各种功能需求和认知能力的大脑功能原理提供了更全面而深入的理解，并推动了人类认知的现代网络神经科学理论NNT的发展。