Автор — Алиса Годованец
Что происходит в нашем мозге, когда мы решаем сложные интеллектуальные задачи? Почему одни люди справляются с ними лучше других? В апреле 2025 года международная команда нейроученых под руководством Кирстен Хильгер из Вюрцбургского университета опубликовала результаты исследования, которое приоткрывает завесу тайны над работой мозга во время тестирования интеллекта. Ученые впервые исследовали, как характер связей между различными областями мозга во время выполнения теста на интеллект связан с успешностью его прохождения — одного из самых надежных инструментов оценки интеллекта. Удивительно, но не общая активность мозга, а способность определенных областей мозга гибко взаимодействовать с разными функциональными системами оказалась ключевым фактором, определяющим уровень интеллекта человека.
Интеллект как общемозговой сетевой феномен
Понимание механизмов работы человеческого мозга, обеспечивающих выполнение сложных когнитивных задач, остается одним из главных вызовов для современной нейронауки. Традиционно исследователи использовали функциональную магнитно-резонансную томографию (фМРТ) и электроэнцефалографию (ЭЭГ) для выявления областей мозга, активирующихся при различных умственных операциях. Этот подход позволил обнаружить множество "горячих точек" мозговой активности, но не дал полного понимания того, как именно мозг организует свою работу во время решения сложных интеллектуальных задач.
Данное исследование же предлагает принципиально новый взгляд на проблему. Вместо изучения отдельных активированных областей ученые рассматривают интеллект как общемозговой сетевой феномен, где ключевую роль играет не столько активность отдельных участков, сколько характер их взаимодействия. Для изучения этого взаимодействия они применили теорию графов — математический аппарат для анализа сложных сетей — к данным функциональной связности мозга, полученным от двух независимых групп участников: с помощью фМРТ (67 человек) и ЭЭГ в тета-диапазоне (128 человек) во время выполнения матриц Равена, признанного "золотого стандарта" для оценки подвижного интеллекта (способности решать новые проблемы, не опираясь на предыдущий опыт).
Теоретический фундамент: от P-FIT к сетевой нейронауке
Исследование основывается на нескольких влиятельных теориях нейробиологии интеллекта. Теория теменно-фронтальной интеграции (Parieto-Frontal Integration Theory, P-FIT), предложенная Юнгом и Хайером в 2007 году, постулирует, что как структурные, так и функциональные характеристики определенных мозговых регионов, особенно коммуникация между лобными и теменными областями, критически важны для различий в интеллекте.
Более современные предложения, такие как Brain Connectivity Model (BCM) и Network Neuroscience Theory (NNT) расширяют это понимание. BCM представляет обширный обзор эмпирических исследований, а NNT выдвигает гипотезу о том, что гибкость перехода между различными состояниями мозговой сети является ключевым фактором, объясняющим вариации в интеллекте.
Согласно теории NNT, эта гибкость может быть обеспечена функционально хорошо связанными областями мозга (коннекторными хабами), которые оркестрируют изменения активности нейронных сетей в ответ на внешние требования. Предыдущие исследования фМРТ подтверждают критическую роль гибкости сети для человеческого поведения и мышления, а исследования функциональной связи в состоянии покоя выявили, что эффективная связность узловых областей и стабильность организации мозговой сети во времени являются значимыми коррелятами интеллекта.
Методология: исследование мозга в действии
Теория графов в нейронауке
Важнейшим методологическим аспектом данного исследования является применение теории графов для анализа функциональной организации мозга. В теории графов мозг представляется как сеть, состоящая из узлов (отдельных областей мозга) и ребер (функциональных связей между этими областями). Такой подход позволяет количественно оценивать сложные паттерны связей в мозге и выявлять ключевые узлы сети, играющие особую роль в обработке информации.
В исследовании использовались специальные меры центральности из теории графов, которые позволяют характеризовать различные аспекты "важности" узла в сети. Например, степень узла отражает общее количество и силу его связей, а коэффициент участия показывает, насколько разнообразные связи имеет узел с другими функциональными модулями мозга. Эти математические инструменты дают возможность выявить области мозга, которые могут функционировать как "коннекторные хабы" — центры, координирующие взаимодействие между различными функциональными системами мозга.
Применение теории графов в данном исследовании особенно ценно, поскольку оно позволяет перейти от локализационного подхода (где важна активность отдельных областей) к сетевому пониманию работы мозга, где ключевую роль играет характер взаимодействия между различными функциональными системами.
В исследовании использовались данные из двух независимых лабораторий. Первый набор включал данные фМРТ от 67 участников, записанные во время выполнения задач из матриц Равена (прогрессивных матриц Равена, RPM) — широко признанного теста для измерения подвижного интеллекта (способности решать новые проблемы, не опираясь на предыдущий опыт). Второй набор содержал данные ЭЭГ от 128 участников, также записанные во время решения задач Равена.
Исследователи применили два графо-теоретических показателя центральности для анализа:
1. Степень (degree) — общая связность области мозга в сети, рассчитываемая как сумма всех весов (силы) от смежных соединений.
2. Коэффициент участия (participation coefficient) — разнообразие межмодульных связей, оценивающий, насколько разнообразны связи области мозга с различными функциональными системами/модулями.
Оба показателя были рассчитаны для каждого узла в мозговой сети, построенной на основе функциональной связности. Чтобы лучше оценить когнитивные процессы, связанные с RPM, индивидуальные показатели в состоянии покоя вычитались из показателей, полученных во время выполнения теста.
Результаты: связность между модулями мозга определяет интеллект
Изменения в организации мозга при выполнении теста
При переходе от состояния покоя к выполнению теста Равена наблюдались характерные изменения в функциональной организации мозга. В общем, происходил переход от более модульной сегрегированной структуры мозга к более интегрированной конфигурации. Это означает, что коммуникация между различными функциональными сетями усиливалась, особенно во время выполнения когнитивной задачи.
Анализ показал, что сеть пассивного режима работы мозга (DMN) играла важную роль в этом процессе, действуя как глобальный интегратор, облегчающий активность в теменно-фронтальных сетях во время сознательной обработки информации. Это согласуется с предыдущими исследованиями, которые также указывали на важность DMN в переключении между различными когнитивными состояниями.
Ключевые области мозга, связанные с интеллектом
Наиболее интригующим открытием исследования стала выявленная связь между интеллектом и коэффициентом участия определенных областей мозга. Сильные положительные корреляции были обнаружены в:
- Области левой нижней теменной доли, принадлежащей к левому височно-теменному узлу (r = 0,43)
- Области правой нижней теменной доли, принадлежащей к правому височно-теменному узлу (r = 0,41)
- Левой дорсолатеральной префронтальной коре (r = 0,48)
- Правой дорсолатеральной префронтальной коре (r = 0,42)
Все эти корреляции сохранили статистическую значимость даже после коррекции на множественные сравнения. Интересно отметить, что все выявленные области являются частью сети пассивного режима работы мозга (Default Mode Network, DMN) и совпадают с областями, ранее связанными с интеллектом в других исследованиях.
Что касается общей связности (степени), хотя наблюдались некоторые положительные тенденции в двусторонних соматомоторных, левых латеральных префронтальных и теменных областях, а также в областях медиальной префронтальной коры, эти связи не достигли статистической значимости после коррекции на множественное тестирование.
Дополнительные данные ЭЭГ
Данные ЭЭГ также выявили тенденцию к более высокой связности в тета-диапазоне в лобных областях мозга во время выполнения матриц Равена, что соотносилось с более высокими показателями интеллекта. Эти результаты, хотя и не достигли статистической значимости после коррекции, согласуются с предыдущими исследованиями, предполагающими, что нейронная активность в тета-диапазоне частот (4-7 Гц) связана с обменом информацией между удаленными областями мозга в процессе сложных когнитивных задач. При этом префронтальная кора выступает в роли своеобразного "дирижера", координирующего такой обмен информацией на дальних дистанциях.
Гибкость сети как ключевой механизм интеллекта
На основе полученных результатов исследователи предлагают, что гибкость сети — способность мозговых сетей адаптировать свои связи, позволяющая быстро переключаться между когнитивными стратегиями — является ключевым механизмом успешного выполнения тестов на интеллект.
Хотя в данном исследовании анализировалась статическая связность, авторы выдвигают гипотезу, что выявленные лобные и теменные области, критичные для переключения между состоянием покоя и выполнением матриц, также вовлечены и в динамическую реконфигурацию состояний мозговой активности во время выполнения теста Равена. Это согласуется с Network Neuroscience Theory (NNT), которая предполагает, что способность переводить мозговую сеть в различные состояния является нейронной основой общего интеллекта.
В частности, теория различает легкодостижимые и труднодостижимые мозговые состояния. В то время как легкодостижимые состояния предположительно обеспечивают кристаллизовавшийся интеллект (знания и опыт), труднодостижимые состояния необходимы для подвижного интеллекта — именно того типа мышления, который требуется для решения матриц Равена. Таким образом, способность человека гибко переходить к труднодостижимым состояниям мозговой активности может считаться решающей для успешного выполнения тестов на интеллект.
Перспективы и ограничения
Это исследование имеет несколько ограничений, которые стоит учитывать. Во-первых, размеры выборок были не столь велики, что существенно снижает статистическую мощность для выявления малых эффектов. Во-вторых, данные фМРТ и ЭЭГ были получены из разных выборок, что препятствует прямым сравнениям. В-третьих, все анализы были основаны на усредненной по времени связности, что позволяет лишь косвенно судить о нейронной динамике.
Для будущих исследований авторы рекомендуют использовать большие выборки, применять методы с высоким пространственным и временным разрешением (например, магнитоэнцефалографию) на одних и тех же участниках, а также проводить анализ динамической связности для более детального понимания нейронных процессов.
Заключение
Данное исследование впервые показало, что разнообразие связей определенных лобно-теменных областей мозга с различными функциональными модулями значимо связано с успешностью выполнения теста на интеллект. Эти области демонстрируют сильную реконфигурацию функциональной связности при переходе от состояния покоя к выполнению задачи и могут быть вовлечены в координацию коммуникации между мозговыми сетями в ответ на повышение когнитивных требований.
Важно отметить, что исследование подтверждает представление об интеллекте не как о локализованной функции определенных мозговых структур, а как о сложном сетевом феномене, требующем гибкой реконфигурации нейронных связей. Такой подход расширяет наше понимание биологических основ интеллекта и открывает новые горизонты в исследовании индивидуальных различий в когнитивных способностях.
В статье использованы материалы препринта "Decoding the Human Brain during Intelligence Testing", размещенного на bioRxiv в апреле 2025 года.
