Modelowanie normatywne oscylacji mózgowych w MEG na przestrzeni życia człowieka

Słuchając cichego tła mózgu

Nasze mózgi nigdy nie pozostają naprawdę w spoczynku. Nawet gdy siedzimy cicho z otwartymi lub zamkniętymi oczami, miliardy komórek nerwowych współbrzmią w rytmicznych wzorcach. Te niewidoczne rytmy mózgowe zmieniają się w miarę dorastania, starzenia się i w przebiegu chorób. W badaniu tym skonstruowano coś na kształt wykresów wzrostu dla tych rytmów – sposób, by zobaczyć, co jest typowe dla danej osoby w zależności od wieku i płci – a następnie wykorzystano te wykresy, by wychwycić, kiedy aktywność pojedynczego mózgu odbiega od zwykłego zakresu.

Dlaczego rytmy mózgowe mają znaczenie

Lekarze od dawna korzystają z tabel wzrostu dotyczących wysokości i masy ciała, by śledzić rozwój fizyczny dziecka. W ostatnich latach badacze mózgu zaczęli robić coś podobnego dla struktury mózgu, używając rezonansu MRI do mapowania typowych zmian objętości i grubości mózgu z wiekiem. Jednak wiele zaburzeń mózgu nie dotyczy tylko struktury; zakłócają one również to, jak komórki mózgowe wyładowują się razem w czasie. Techniki takie jak magnetoencefalografia (MEG) potrafią uchwycić te szybkie rytmy elektryczne, a mimo to brakowało szerokiego, obejmującego cały wiek odniesienia mówiącego, jak wyglądają „normalne” rytmy mózgowe. Bez takiego odniesienia trudno stwierdzić, czy aktywność danej osoby jest nietypowa i w jaki sposób.

Tworzenie wykresów aktywności mózgu na całe życie

Autorzy opracowali ramy, które nazwali MEGaNorm, aby wypełnić tę lukę. Zgromadzili zapisy MEG w stanie spoczynku od 1 846 zdrowych osób w wieku 6–88 lat, zebrane w sześciu ośrodkach przy użyciu trzech typów skanerów, oraz dodatkowo 160 osób z chorobą Parkinsona. Z każdego nagrania usunęli artefakty, takie jak mrugnięcia i tętno, a następnie obliczyli, jaka część sygnału mieści się w czterech znanych zakresach rytmicznych: wolniejsze fale theta, środkowe pasma alfa i beta oraz szybsze gamma w zakresie od 3 do 40 cykli na sekundę. Kluczowe było to, że najpierw odjęli szerokopasmowy „szum tła”, który zawsze występuje w sygnałach mózgowych, dzięki czemu pozostałe pomiary odzwierciedlały prawdziwe szczyty rytmiczne, a nie ogólny hałas czy wiekowe zmiany całkowitej mocy.

Ujmowanie normalnych różnic, nie tylko średnich

Zamiast koncentrować się jedynie na wartościach średnich, zespół zastosował hierarchiczne podejście bayesowskie, by oszacować pełne krzywe opisujące, jak każdy rytm zwykle zmienia się z wiekiem oraz jak szerokie są te zmiany. Ich modele pozwalały, by rozrzut i kształt danych zmieniały się z wiekiem, i jawnie uwzględniały różnice między ośrodkami nagrań oraz między mężczyznami a kobietami. W efekcie powstały krzywe centylowe – analogiczne do 5., 50. czy 95. percentyla na wykresie wzrostu – dla każdego rytmu na przestrzeni życia. Przekształcili to następnie w dwa rodzaje narzędzi wizualnych. Wykresy na poziomie populacji (P-NOCs) pokazują, w pięcioletnich odstępach wiekowych, jak bardzo każdy rytm zwykle przyczynia się do ogólnego wzorca aktywności mózgu. Wykresy na poziomie pojedynczego człowieka (I-NOCs) pozwalają klinicystom lub badaczom wprowadzić pomiary jednej osoby i zobaczyć, gdzie plasują się one względem norm osób tej samej płci, tego samego wieku i z tego samego skanera.

Jak rytmy mózgowe ewoluują z wiekiem

Wykresy wzrostu ujawniają, że rytmy mózgowe podążają odmiennymi ścieżkami życiowymi, a nie zmieniają się równocześnie. Moc theta tworzy krzywą w kształcie litery U: jest stosunkowo wysoka w dzieciństwie, spada w środkowym okresie życia, a następnie rośnie ponownie w późniejszych latach. Moc alfa, często związana z odprężonym stanem czuwania, przedstawia odwrotny przebieg: rośnie w okresie dojrzewania, osiąga szczyt we wczesnej dorosłości i stopniowo maleje. Moc beta zwykle wzrasta do około 50. roku życia, po czym się wypłaszcza, podczas gdy wolne gamma pozostaje umiarkowane, ale względnie stabilne. Około połowy życia następuje zauważalna zmiana równowagi między rytmami: przed około 50. rokiem życia spadek alfa jest częściowo kompensowany przez wzrost beta; później beta stabilizuje się, a rosnąca theta wkracza, gdy alfa nadal słabnie. Te wzorce podkreślają, że zdrowe starzenie się wiąże się z redystrybucją między rytmami, a nie jedynie z jednolitym spowolnieniem czy osłabieniem.

Wykrywanie ukrytych różnic w chorobie Parkinsona

Aby sprawdzić wartość kliniczną swoich wykresów, badacze zastosowali MEGaNorm do grupy z chorobą Parkinsona. Traktowali wszystkich pacjentów jako nieznanych, przepuszczając ich dane przez ten sam proces i pytając, jak bardzo rytmy każdej osoby odbiegały od norm dopasowanych pod względem wieku, płci i ośrodka. Największe i najbardziej wiarygodne odchylenia pojawiły się w pasmach theta i beta: wielu pacjentów wykazywało niezwykle silną theta, niezwykle słabą beta, lub oba te zjawiska, i te odchylenia lepiej odróżniały ich od zdrowych kontrol niż zmiany w alfa czy gamma. Co ważne, pacjenci nie tworzyli jednej „wzorcowej” grupy Parkinsona. Zamiast tego rozkładali się wzdłuż kontinuum od profili o wysokiej theta/niskiej beta do profili o niskiej theta/wysokiej beta, z niektórymi osobami mieszczącymi się wyraźnie w zakresie normy. Ta różnorodność zostałaby zatracona lub zatuszowana przy tradycyjnych porównaniach grupowych opartych na średnich.

W kierunku bardziej osobistych punktów odniesienia zdrowia mózgu

Mówiąc prościej, praca ta przekształca nieporządne pomiary „szumu tła” mózgu w intuicyjne wykresy, które informują na przykład: „dla kogoś takiego jak ty, ten poziom aktywności beta jest wyższy niż u 95 procent twoich rówieśników.” Ponieważ ramy te są zbudowane tak, by można je było aktualizować wraz z napływem nowych danych i dostosowywać lokalnie bez konieczności udostępniania wrażliwych nagrań, oferują praktyczną podstawę pod bardziej spersonalizowane oceny zdrowia mózgu. Choć potrzebne są dalsze testy w różnych populacjach i przy innych zaburzeniach, MEGaNorm pokazuje, jak moglibyśmy kiedyś śledzić funkcjonalne zmiany mózgu w czasie podobnie jak ciśnienie krwi czy cholesterol, wychwytując wczesne sygnały choroby i dostosowując leczenie w oparciu o unikalny profil rytmów każdej osoby.

Cytowanie: Zamanzadeh, M., Verduyn, Y., de Boer, A. et al. Normative modeling of MEG brain oscillations across the human lifespan. Commun Biol 9, 604 (2026). https://doi.org/10.1038/s42003-026-09825-2

Słowa kluczowe: oscylacje mózgowe, magnetoencefalografia, rozwój przez życie, choroba Parkinsona, precyzyjna psychiatria