Understanding the complexity of brain dynamics under general anesthesia

Abstract

뇌는 자연계에서 대표적인 복잡계 중 하나이고, 뇌에서 정보 처리와 고급 인지 활동, 특히 의식이 존재하기 위해서는 뇌의 동역학이 충분한 수준의 복잡성을 지닐 수밖에 없다는 것은 자명하다. 특히 전신마취에서 의식을 잃으면 뇌의 복잡성이 감소한다는 것은 많은 연구에 의해 널리 알려져 있지만, 뇌의 복잡성이 마취에 의해 어떻게 해서 감소하게 되는지에 대한 근본적인 메커니즘은 여전히 불분명하다. 이 논문에서는 전신 마취에서 뇌의 복잡성이 어떠한 과정을 통해 감소하는지에 대해, 특히, 뉴런 활동의 느린 진동의 동기화에 의해 복잡성이 붕괴될 수 있다는 점에 주목하여, 새로운 복잡성 측정과 관련 신경망의 시뮬레이션을 통해 연구하였다. 먼저 뇌의 복잡성을 안정적으로 측정하기 위해 새로운 복잡성 측정 방법론인 일괄 순열 엔트로피 (lumped permutation entropy)를 제시하였다. 일괄 순열 엔트로피는 순열 엔트로피 (permutation entropy)를 기반으로 하여 만들어진 방법론으로써 순열을 만드는 데에 같은 순서를 허용한다는 점에서 차이가 있고, 이로써 잡음에 대한 안정성을 얻을 수 있다. 또한 일괄 순열 엔트로피를 전신마취 중 인간의 뇌파에 적용함으로써 다른 엔트로피 기반 복잡성 방법론에 비해 프로포폴 마취제의 농도와 강한 음의 상관관계를 가지는 것을 확인하였다. 다음으로 뇌의 에너지 대사율이 감소할 때 느린 진동의 동기화 현상이 어떻게 형성되는지를 연구하기 위해서, 대사율 의존성이 있는 뉴런 모델을 활용하여 2차원 공간상의 뉴런 네트워크를 분석하였다. 대사율이 억제된 상황에서, 모델 뉴런은 흥분성 피드백이 줄어들면서 지속적인 발화패턴을 유지할 수 없게 된다. 이에따라 뉴런의 동역학이 국소적인 작은 진동으로부터 시작하여, 대사율의 억제가 더욱 강해지면 시스템 전체를 포함하는 동기화된 진동으로 점차적으로 변화하는 것을 확인하였다. 마지막으로, 주기적인 전기 자극을 통해 느린 진동의 동기화를 조절할 수 있을 지 뉴런 네트워크 모델을 활용하여 조사하였다. 1차원 체인 형태의 뉴런 네트워크에 사인(sine) 파 형태의 전기 섭동을 가하고, 1Hz 미만의 느린 진동의 세기와 복잡성을 분석하였다. 적절한 진동수의 약한 전기 섭동을 통해 강한 느린 진동과 복잡성의 감소를 유도할 수 있음을 확인하였다. 이러한 결과를 통해 주기적인 전기 섭동을 통해 뉴런 활동의 동기화와 복잡성이 조절될 수 있다는 가능성을 제시하였다. 본 논문은 뇌파 분석 및 신경망의 전산 모델링을 통해 전신 마취 하에서 복잡성 변화의 메커니즘을 조사했으며, 적절한 섭동을 통해 뇌 복잡성을 조절하는 가능성도 탐색하였다. 결론적으로, 이 연구는 마취와 같은 뉴런의 활동성이 감소된 상태에서, 뉴런 네트워크 동기화 및 동적 복잡성 감소의 새로운 생물물리학적 메커니즘을 제시하고 전신마취의 임상응용과 연계하여 향후 연구방향을 제시한다.

The brain is considered as one of the most complex systems in nature. The brain must possess inherently a sufficient degree of dynamical complexity to process diverse information and maintain a high level of cognitive activities encompassing consciousness. Accumulating evidence on brain studies suggests that the dynamical complexity from various measures decreases with loss of consciousness in general anesthesia, but the underlying scientific mechanism of which still remains unclear. In this thesis, we have studied the change in the complexity of the brain under anesthetic transition through the help of the computation of a noble complexity measure and the simulation of the appropriate neuronal network models in connection with the synchronization of slow neuronal activities. First, we have introduced a simple, yet noble complexity measure called the lumped permutation entropy (LPE) based on the permutation entropy (PE), which allows a tie rank on the pattern formation and has shown its robustness under the influence of strong noise, overcoming some limitations of PE and its variants in noisy signals. We have found that the entropic complexity of EEG time series based on LPE is inversely correlated with plasma concentration of propofol and shows better performance and more robustness than PE and other types of entropic algorithms in indicating the anesthetic depth during the progress of general anesthesia. Second, we developed a network model of leaky integrate-and-fire neurons with additional dependency on adenosine triphosphate (ATP) dynamics to examine how slow synchronous oscillatory activity spatially organizes as cerebral metabolic rate decreases. In our model, neurons are scattered in the two-dimensional space and their population activity patterns are simulated with varying ATP levels. Under the hypometabolic condition, the oscillatory firing pattern, that is, ON-OFF cycle has appeared through a failure of sustainable firing due to the reduced excitatory positive feedback and the rebound firing after a slow recovery of ATP concentration. The oscillations in firing rates for distant neurons have been developed at first asynchronously and changed into the dynamical pattern of burst suppression and global synchronization as the ATP production is further decreased. Finally, as a perturbative study of the anesthetic transition, we have explored how periodic electrical stimulation can facilitate synchronized slow oscillations and, therefore, the reduction in dynamical complexity in the brain. We have applied the weak, sinusoidal current to a one-dimensional chain of neurons, and have analyzed the power of slow oscillations (<1Hz) and its dynamical complexity through LPE. We have found that strong slow oscillations and burst suppressions can be induced for higher metabolic rates than the unperturbed cases, which may lead to further studies in connection with the better clinical control of general anesthesia. In this thesis, the complexity of brain dynamics under general anesthesia has been investigated through the complexity analysis of EEGs and the computational modeling of the template neuronal networks. This study may provide a key insight into a novel mechanism of the synchronization and the complexity change in hypoactive states in the brain, such as general anesthesia, and the feasibility and effectiveness of its dynamic control in clinical situations.