Как мозг находит выход из неожиданной ситуации

Фото: PHAG

Каждый день наш мозг принимает тысячи решений в условиях неопределенности. Иногда мы угадываем верно, иногда — нет, но именно на ошибках он и учится. Однако если его способность считывать контекст и придавать значения событиям дает сбой, поведение и мысли начинают идти по кривой траектории. Так бывает при различных психических расстройствах — от дефицита внимания с гиперактивностью до шизофрении. В этих состояниях мозг может неправильно оценивать, сколько доказательств нужно собрать перед действием, или не замечать, что правила окружающего мира изменились. А ведь именно такая гибкость позволяет нам адаптироваться к новым ситуациям и не застревать в старых моделях поведения.

Учёные объясняют, что неопределённость буквально встроена в структуру мозга. Группы нейронов ведут себя словно участники голосования, и в итоге решение формируется как среднее значение этих сигналов. Если этот баланс нарушается, мозг может ошибочно придавать слишком большое значение случайным событиям, как это происходит при шизофрении, или, наоборот, застревать в повторяющихся действиях, как при обсессивно-компульсивном расстройстве. Это удивительная и в то же время пугающая особенность: всего лишь небольшое смещение внутреннего баланса может кардинально изменить восприятие мира человеком.

Понять такие сбои в работе мозга учёным долгое время мешали технические ограничения. Исследования на уровне отдельных клеток возможны у животных, но у людей для изучения активности мозга обычно используют метод, который отслеживает кровоток, а не электрические импульсы отдельных нейронов. Разрыв между микроуровнем клеток и макроуровнем поведения был серьёзной проблемой. Многие теории существовали, но не хватало инструмента, который смог бы связать эти уровни напрямую. Недавно появился новый подход. Ученые создали компьютерную модель под названием CogLinks, в которой заложены реальные биологические принципы. Она устроена так, чтобы максимально напоминать настоящие связи в мозге. В отличие от большинства искусственных интеллектов, CogLinks показывает, как именно её виртуальные нейроны взаимодействуют и на основании каких сигналов принимают решения. Это настоящий симулятор мозга, который позволяет наблюдать за тем, как нейронные цепи учатся на опыте и как перестраиваются, когда правила игры внезапно меняются.

В исследовании, опубликованном 16 октября в журнале Nature Communications, команда профессора Майкла Халассы из Массачусетского технологического института использовала CogLinks, чтобы изучить, как мозг координирует гибкое мышление. Ученые ослабили виртуальные связи между двумя ключевыми областями — префронтальной корой и медиодорсальным таламусом. После этого система начала действовать медленнее и полагаться на привычные, автоматические схемы обучения. Это указывает на то, что данная связь необходима для быстрой адаптации к новым обстоятельствам.

Чтобы проверить прогнозы модели, исследователи провели отдельное исследование с участием добровольцев. Испытуемые играли в игру, где правила неожиданно менялись. Мозг участников сканировали с помощью томографа, чтобы увидеть, какие участки активируются в такие моменты. Как и ожидалось, префронтальная кора занималась планированием, а глубокая структура мозга — стриатум — контролировала привычные реакции. Но особенно ярко активировался медиодорсальный таламус, когда игроки понимали, что правила изменились, и начинали корректировать стратегию. Это напоминало момент, когда человек внезапно осознаёт: старые подходы больше не работают, и пора думать по-новому.

Таким образом, наблюдения на людях подтвердили то, что предсказала модель. Медиодорсальный таламус играет роль своеобразного «переключателя» между двумя системами обучения — гибкой и привычной. Он помогает мозгу уловить изменение контекста и вовремя перестроить поведение. Эта находка важна не только для фундаментальной науки, но и для будущего психиатрии. Если понимать, какие цепи мозга отвечают за гибкость мышления и как они выходят из строя, можно точнее определять биологические мишени для лечения.

Халасса надеется, что такие модели станут основой нового направления, которое он называет алгоритмической психиатрией. Суть в том, чтобы с помощью вычислительных моделей понять, как именно появляются психические заболевания из-за нарушений в мозговых цепях. Это может привести к появлению точных биомаркеров, по которым можно будет определять не только наличие расстройства, но и его конкретные механизмы. Это шаг в сторону более индивидуальной, точечной терапии, а не усреднённых подходов.