A sóvárgás a szerhasználati zavarok és más függőségek egyik központi jellemzője és jól jósolja a visszaesés esélyét, legyen szó droghasználatról vagy szerencsejátékról. Éppen ezért hasznos lenne egy olyan objektív marker, ami alapján a sóvárgás mértéke meghatározható, hiszen ezáltal pontosabban lehetne felmérni egy-egy beteg állapotának súlyosságát. Egy francia és amerikai kutatók együttműködésével készült vizsgálat szerint a sóvárgás mértéke meghatározható funkcionális mágneses rezonanciás képalkotás segítségével.
A függőségek egyre nagyobb gondot okoznak a modern társadalmakban. Az idegrendszer fejlődése során hamar meg kellett jelennie egy olyan rendszernek, amely az egyre felszaporodó cselekvési lehetőségek közül kiválasztja az élőlény számára legelőnyösebbet. Ezt a rendszert jutalmazó rendszernek nevezzük és az idegtudomány legfontosabb témái közé tartozik vizsgálata, hiszen alapvető szerepe van a viselkedésszervezésben. A jutalmazó rendszer azonban olyan közegben fejlődött, amiben az energiában gazdag táplálék megszerzése vagy épp a közösség megbecsülésének kivívása viszonylag ritka eseményeknek számítottak. Manapság azonban rengeteg különböző cselekvéssel képes túlpörgetni az ember a jutalmazó rendszerét, aminek egyik következménye a különféle függőségek gyakoriságának megnövekedése.
A függőséget általában kábítószerekkel asszociálja az ember, nem is véletlenül, hiszen a rekreációs céllal használt drogok mindegyike hat a jutalmazó rendszerre. Napjainkban azonban más módszerek is rendelkezésre állnak a jutalmazó rendszer túlhajtására. Vannak, akik szerencsejátékokkal, vásárlással, videojátékokkal vagy éppen a közösségi média használatával vesztik el a kontrollt saját cselekedeteik felett. A függőség definíciója egyébként, hogy az adott személy állandó és intenzív késztetést érez egy bizonyos cselekvés végrehajtására, annak ellenére, hogy ennek egyértelmű negatív következményei vannak. Ezt a késztetést nevezzük sóvárgásnak, ami a túlevés és a droghasználat révén végső soron az egyik leggyakoribb oka a megelőzhető haláleseteknek.
A sóvárgás mérése jelenleg önbevalláson alapul, tehát az adott személy maga igyekszik pontosan meghatározni a sóvárgása mértékét. A módszer egyébként teljesen általános a pszichológiai jellemzők mérése során és számos eredmény utal arra, hogy hasznos is. Nem titok azonban, hogy az emberi elme milliónyi módon képes eltorzítani a valóságot és gátakat szab az introspekciónak, vagyis az elmében zajló folyamatok megfigyelésének. Éppen ezért fontos törekvés az önbevalláson alapuló értékelések objektív mutatókra történő lecserélése. A sóvárgás esetében egy ilyen mutató segíthetne a függőségek súlyosságának meghatározásában, illetve a különféle kezelések hatékonyságának pontosabb elbírálásában.
Az agyi metabolizmus mutatja a sóvárgást
Egy nemzetközi kutatócsoport 99 személyből álló mintán végzett el egy egyszerű vizsgálatot. A résztvevők között voltak dohányosok, alkoholfüggők és kokainfüggők is. A résztvevők a mágneses rezonanciás berendezésbe feküdtek, majd képeket néztek, amelyek időnként a függőségük tárgyát ábrázolták. A képek bemutatása után jelezték, hogy mennyire vágyakoznak a képen látható dolog után. A kutatók az így nyert adatokkal egy mesterséges neurális hálót tanítottak be, hogy a funkcionális mágneses rezonanciás képalkotással (fMRI) nyert adatok alapján meghatározza a sóvárgás mértékét.
A tanuló algoritmus ezután képessé vált pusztán az fMRI adatok alapján jósolni a sóvárgás mértékét, méghozzá meggyőző pontossággal és attól függetlenül, hogy az adott személy milyen függőséggel küzdött. Ez az eredmény azért fontos, mert megerősíti az addikciók neurobiológiai alapjaival kapcsolatos elképzeléseket. A függőségek hátterében az eddigi ismeretek szerint a jutalmazó rendszer működésének megváltozása áll és ez minden függőség esetében igaz. Ezt a következtetést az is megerősíti, hogy a tanuló algoritmus által kiemelt aktivitásváltozások olyan agyterületeken fordultak elő, melyeket a jutalmazó rendszer részének tekintenek: a csíkolt test alulsó része és a prefrontális kéreg alulsó középső része (ventrális striatum és ventromediális prefrontális kéreg). Az algoritmus tehát alkalmas lehet arra, hogy objektív markere legyen a sóvárgásnak. Ez segítheti a függőségek kezelésének fejlődését, a módszerek pontosabb elbírálása révén. Persze fontos megjegyezni, hogy az eljárás maga továbbra is a sóvárgás önbevallásos mértéke és az agy aktivitásmintázatának összevetésén alapul. A módszer pontossága tehát az introspektív válaszok pontosságán múlik. Azonban az algortimus által kiemelt agyterületeket valóban számos vizsgálat hozta már összefüggésbe a függőséggel, tehát a szakértők összességében bizakodóak.

Gondolatolvasás?
Az, hogy a sóvárgás mértéke meghatározható agyi képalkotással izgalmas és hasznos eredmény, azonban zavarba ejtő kérdéseket is felvet. Hiszen az ember ahhoz van szokva, hogy az elméje csak az övé, mások nem tudhatják teljes bizonyossággal soha, hogy mi zajlik benne. A sóvárgás mérése viszont gyakorlatilag már a gondolatolvasás kategóriájába sorolható.
A képalkotó eljárások megjelenésével valóban lehetővé vált betekinteni az agyba, noha az agy vérátáramlásának változásait közel sem egyszerű értelmezni. Ezen a ponton jönnek képbe a tanuló algoritmusok, melyek hatékonyan fedeznek fel mintázatokat óriási adathalmazokban is, melyeket valamiféle mentális tevékenységhez köthetnek. A közelmúltban publikáltak egy vizsgálatot, amely nagy port kavart azzal, hogy a gondolatolvasás lehetőségét beemelte a köztudatba. A vizsgálat során a kísérleti résztvevőkkel hanganyagokat hallgattattak átlagosan 16 órán keresztül, miközben azok az MRI-szkennerben feküdtek. A hanganyagok különféle rádiós műsorokból és podcastokból származtak, így sokféle témát öleltek fel. A kutatók ezután tanuló algoritmussal tárták fel a hallott szöveg és az agyi aktivitás közötti összefüggéseket. Az algoritmus képes volt a résztvevők által elképzelt szövegek tartalmát is nagy pontossággal meghatározni. Ebben az esetben a résztvevők korábban olvasott történeteket meséltek el magukban, az algoritmus pedig minden esetben eltalálta, hogy melyik sztorira gondolnak. Az algoritmus ráadásul arra is képes volt, hogy rövid videók tartalmát is dekódolja az fMRI felvételek alapján.
A tanuló algoritmusok tehát nem csak a sóvárgás mértékét képesek meghatározni az fMRI felvételek alapján, hanem akár hallott szövegek tartalmát is. Legalábbis abban az esetben, ha a teszt előtt az adott résztvevő órákon keresztül hallgat különféle szövegeket, hogy legyen miből kiindulnia a mesterséges intelligenciának. Amiatt azért nem kell aggódni, hogy bárki akaratunk ellenére láthat a fejünkbe. A kutatók kimutatták, hogy amennyiben a kísérleti résztvevők nem együttműködőek, akkor nem működik megbízhatóan az algoritmus. Ilyenkor nem képes nagy pontossággal meghatározni, hogy milyen szöveget hallanak az emberek az agyi aktivitásuk alapján.

Az viszont, hogy egyelőre nem képesek bármit kihámozni az ember agyi aktivitásából a tanuló algoritmusok, nem jelenti azt, hogy mindig ez lesz a helyzet. Így joggal merül fel a kérdés, hogy milyen hátrányai származhatnak az embereknek abból, ha egy módszer segítségével bármilyen gondolatuk megismerhetővé válik. Talán eltűnne a világból a hazugság, csalás, korrupció, manipuláció és minden hazugságon alapuló jelenség? El lehet képzelni egy ilyen világot? Valóban ehhez vezetne egy gondolatolvasó eszköz kifejlesztése?
Ez a cikkem az Élet és Tudomány Agyi aktualitások rovatában jelent meg.
Források
An fMRI marker of drug and food craving | Nature Neuroscience
Researchers Report Decoding Thoughts from fMRI Data | The Scientist Magazine® (the-scientist.com)
Semantic reconstruction of continuous language from non-invasive brain recordings | bioRxiv