大腦在休息狀態下，為什么還是高耗能？

神經科學家經過對腦電活動模式直接進行精確的檢測后發現，不管大腦是處于記憶回顧等活躍狀態，還是處于休息或睡眠狀態，神經網絡都以相同的方式協同工作。神經網絡是由相距甚遠的不同大腦區域組成的。

斯坦福大學醫學院（Stanford University School of Medicine）的研究人員在Nature上報道，他們的發現支持了間接觀察大腦圖像得出的結論。

他們談道，研究結果還可以解釋為何大腦“什么也沒干”，還會消耗大量的能量，這個問題就如同汽車引擎空轉還會消耗汽油那樣令人費解。

我們的大腦很貪吃：大腦只占體重的2%，但卻消耗20%的能量。

同樣讓人驚奇的是，休息或睡覺的時候，大腦以葡萄糖的形式消耗能源的速度與腦力勞動或體力勞動時的速度相同。

另外，讓科學家感到困惑的是，處在休息狀態時，大腦似乎很喜歡瞎忙，就是產生大量沒用的電“噪聲”。

神經病學副教授、神經病學科學家、主要作者Josef Parvizi解釋道，事實上，電噪聲一直在不斷地產生。

“有意識的思維和行動時，觀察到人們的大腦活動量會增加僅僅是冰山一角。大腦大量的能量消耗，是因為我們無意識中參與了某項特殊任務時，大腦持續的自發行為引起的。”

過去10年，應用功能性磁共振成像技術應用到（fMRI）追蹤大腦血液流動（一種評估大腦活動的間接方式）后，科學家們才開始關注這種神經元噪聲的特殊模式。

在受試者執行各種任務時，科學家利用功能性磁共振成像技術觀察他們的大腦活動。受試者的任務包括解決數學問題和回憶早餐吃了什么等。科學家注意到，不同類型的任務與大腦活動的某種特殊模式有關。

這種模式揭示，不同的、相距甚遠的大腦區域網絡群在大腦執行一些特別的任務時會協同工作，而這些模式的成像圖在大腦自發的噪聲中就能觀察到。

成像研究還發現，一些完成特定任務的模式是在大腦休息，甚至是完全無意識的情況（例如受試者處于睡眠狀態或麻醉狀態）下發生的。

但是，科學家對這種來自成像研究的證據持保留意見，因為這是對腦電活動的間接觀察，并不能精確描述個體的神經元回路。

新研究可直接檢測腦電活動

新研究向前邁進了一大步，因為新研究直接檢測大腦中的電活動。與功能性磁共振成像技術不同，這種研究能隨著時間的推移追蹤大腦活動，不僅能觀察到這種模式的位置特征，還能觀察到這種模式隨時間改變的特征。

Parvizi教授及其同事發現，這種腦電活動的位置-時間基準模式不僅會在受試者搜索記憶時發生，而且在受試者睡覺或閉上眼睛休息時，位置-時間基準模式同樣存在于大腦噪聲中。

Parvizi教授應用的技術成為顱內電生理學（intracranial electrophysiology），這種技術能夠監聽大腦內不同的神經元群。這種技術速度快，所需空間小，利用這種技術能夠在人體大腦內獲取到有意義的信息。

顱內電生理學讀數只有通過創傷性腦部手術才能讀取。這項研究中，研究團隊征用了3名癲癇患者（2女1男），他們因病在斯坦福醫院（Stanford Hospital）住院1周接受創傷性腦部手術。

連續幾天，醫生將電極植入到患者不同的腦部區域，這樣他們就能找到癲癇的具體位點。這個過程中，可以從大腦的默認模式網絡區域獲取得到精確的顱內電生理學讀數。

在解決問題、睡眠和休息這三種模式下觀察默認模式網絡

默認模式網絡廣泛分布于大腦的各個區域，比其它任何網絡消耗能量更多。默認模式網絡在休息時（無論是閉目養神或者是仰望天空）最活躍。似乎正是在我們無所事事的時候，默認模式網絡就會開始運行。

默認模式網絡在我們搜索自傳式記憶的時候也很活躍，例如，當我們被問到早餐吃了什么的時候，默認模式網絡就會開始運行。

但是，當我們要完成某項特殊任務時，例如心算，默認模式網絡就關閉了。

在之前的研究中，Parvizi教授和他的同事組成團隊應用直接電記錄技術來確認默認模式網絡的特征。

在這項新研究中，研究團隊能夠采集到受試者在清醒、執行任務、閉眼休息和睡覺這四種情況下，默認模式網絡的腦電活動情況。

他們發現，大腦在睡著或休息時產生的噪聲里隱藏著緩慢漂移的模式，這種模式直接與研究人員要求受試者搜索特殊記憶時產生的模式相匹配。

為了確認這些模式與圖像研究中的那些模式相匹配，研究團隊對相同的受試者進行了功能性磁共振成像掃描，他們發現，腦電活動與功能性磁共振成像圖像中的血流模式極為一致。

睡覺和休息時，大腦為何如此活躍？這仍是一個謎。

作者表示，雖然他們的研究結果解決了一個問題，即休息狀態和記憶搜索這兩種情況下，大腦模式相同。但他們又提出了另外一個問題：為何人的大腦在休息和睡覺時仍會消耗如此多的時間和能量呢？

研究團隊猜想，大腦可能時刻為下一個行為做好準備，即檢查內部關系和網絡的狀態，這樣我們醒來就可以馬上工作。

Parvizi強調，不能僅僅因為我們將大腦稱為網絡組織，就可以將大腦和電腦進行比較，認為大腦在計算層面上就像一臺電腦，對此種情況，他補充說：“大腦不是計算機，遠比計算機代碼‘0’和‘1’進行組合要復雜得多。”

（譯審：Y Li）

0 條評論