Agyi Szerkezet és Dinamika Kutatócsoport – Vidnyánszky Zoltán

A kutatócsoport neve
Agyi Szerkezet és Dinamika Kutatócsoport

A kutatócsoport vezetője
Vidnyánszky Zoltán, neurobiológus, MTA Természettudományi Kutatóközpont, Agyi Képalkotó Központ, központvezető

Telefon
+36 1 3826 905

Email
vidnyanszky.zoltan@ttk.mta.hu

Web
http://www.ttk.mta.hu/akk/agyi-szerkezet-es-dinamika-kutatocsoport/

Az agyi jutalmazó rendszer szerepe az egészséges kognitív öregedésben

Társadalmunk rohamosan öregszik. A 60 év felettiek száma 2050-re várhatóan meghaladja a 2 milliárd főt (ENSZ, 2013). Ennek következtében az öregedéssel összefüggő kognitív hanyatlás az egyik legégetőbb társadalmi-gazdasági probléma a 21. században. Az egészséges kognitív öregedés emlékezeti és intellektuális hanyatlással jár, melyek nem köthetőek neurodegeneratív rendellenességekhez. Az eddigi kutatások alapján a kor előrehaladtával jelentkező kognitív leépülés elsősorban az epizodikus memória és a végrehajtó funkciók agyi hálózataiban történő információfeldolgozás károsodásával hozható összefüggésbe. Továbbá az is jól ismert, hogy az öregedés együtt jár a dopaminerg neurotranszmisszió hanyatlásával és hogy a dopaminerg deficit rosszabb kognitív teljesítménnyel jár együtt. Mindez felveti annak a lehetőségét, hogy a dopaminerg rendszer életkorral történő változása fontos szerepet játszhat az egészséges öregedés során jelentkező kognitív hanyatlásában.

A NAP 2. keretein belül tervezett kutatások elsődleges célja az, hogy feltárja a jutalmazó rendszer – az ösztönzők dopaminhoz kötött motivációs értékének kiszámításért és a kognitív erőfeszítés szabályozásáért felelős idegi hálózat – szerepét az egészséges kognitív öregedésben. Ennek érdekében a kutatócsoport nagy téri-időbeli felbontású multimodális képalkotó módszereket (strukturális és funkcionális MRI, EEG) alkalmaz annak vizsgálatára, hogyan hat a jutalomfüggő kognitív erőfeszítés a vizuális munkamemória kapacitására és zavaró ingerekkel szembeni ellenálló képességére a felnőtt és öregedő agyban. Továbbá funkcionális MRI konnektivitás alapú prediktív hálózati modell segítségével fogja vizsgálni azt a feltételezést, amely szerint a jutalmazó hálózaton belüli funkcionális integritás, valamint a jutalmazó hálózatnak a frontoparietális végrehajtó rendszerrel és a default mode hálózattal való funkcionális kapcsolata előrejelzi a korral összefüggő kognitív hanyatlás egyéni különbségeit.

Vidnyánszky Zoltán az MTA TTK Agyi Képalkotó Központjának vezetője, a Budapesti Műszaki és Gazdaságtudományi Egyetem egyetemi tanára.
1990-ben szerzett biológus diplomát, 1996-ban a biológiai tudományok kandidátusa, 2006-ban az MTA doktora címet nyerte el. Kutatási területe a humán agykutatás. Kiemelkedő eredményeket ért el a nem-invazív képalkotó módszerek (EEG, MRI) kutatás-fejlesztésében és alkalmazásában az emberi kognitív funkciók agyi hátterének feltárásában. Úttörő szerepet játszott a mesterséges intelligencia funkcionális MRI adatok analízisére történő alkalmazásában.

65 tudományos közlemény szerzője, citációs indexe 1120, impakt faktora 220, H-indexe 22. 2013-ban Akadémiai Díjban részesült.

humán agykutatás, kognitív és idegrendszeri öregedés, agyi jutalmazó rendszer, munkamemória, figyelem, agyi képalkotó módszerek, strukturális és funkcionális MRI, mesterséges intelligencia

A látókérgi intrinzik funkcionális konnektivitás, a figyelem és öregedés vizsgálata fMRI módszerekkel

A NAP 1-ben végzett kutatások elsődleges célja volt új MRI adatgyűjtési és feldolgozási módszerek fejlesztése, valamint ezek alkalmazása az emberi kognitív funkciók agyi hátterét képező neurális hálózatok azonosítására és jellemzésére. Legfontosabb eredmények:

1. A kutatócsoport MRI módszertani kutatásainak eredményeként jelentősen csökkenthető a nagy időbeli felbontású, gyorsított MRI eljárások esetén jelentkező zaj- és műtermék-fokozódás. A kidolgozott módszer alkalmazásával lehetőség nyílik a modern MRI mérések hatékonyságának növelésére, kutatási és klinikai alkalmazásuk kiterjesztésére.
2. Mesterséges intelligencia alkalmazásával a kutatócsoportnak sikerült jelentős javulást elérnie az agy betegségeinek MRI képeken alapuló azonosításában és osztályozásában. A világon elsőként sikerült megoldást találnia a konvolúciós neurális hálózatok nyugalmi állapotú funkcionális MRI adatok osztályozására történő alkalmazására. A kidolgozott módszer alapját képezheti az agyi betegségek MR-alapú, automatikus diagnosztikai eljárásainak.
3. A kutatócsoport nyugalmi állapotban mért fMRI eredményei jelentős új ismereteket szolgáltattak az agyi spontán aktivitás szerepéről az emberi látás folyamataiban. Kimutatásra került, hogy az arcingerek feldolgozásáért felelős látókérgi területek közötti nyugalmi, spontán funkcionális kapcsolatok erőssége jól előrejelzi az arcképek észlelésének hatékonyságát.
4. A legkorszerűbb multimodális EEG és fMRI módszertani megközelítés segítségével a kutatócsoportnak sikerült feltárnia munkamemória-feladat során a figyelem középpontjában, centrálisan megjelenő zavaró ingerek kiszűrésének egy alapvetően új agyi mechanizmusát, és azonosítani azok neurális markereit. Eltérően a perifériás zavaró ingerek irodalomból jól ismert gátlásától, a figyelem fókuszában megjelenő irreleváns ingerek részletes feldolgozásra kerülnek annak érdekében, hogy reprezentációjuk elkülönítésre kerülhessen a munkamemóriában tárolt hasonló tárgyak reprezentációjától.

Hermann, P., Bankó, É. M., Gál, V., & Vidnyánszky, Z. (2015). Neural Basis of Identity Information Extraction from Noisy Face Images. Journal of Neuroscience, 35(18), 7165–7173.
https://doi.org/10.1523/JNEUROSCI.3572-14.2015

Hermann, P., Grotheer, M., Kovács, G., & Vidnyánszky, Z. (2017). The relationship between repetition suppression and face perception. Brain Imaging and Behavior, 11(4), 1018–1028.
https://doi.org/10.1007/s11682-016-9575-9

Kettinger, A. O., Kannengiesser, S. A. R., Breuer, F. A., Vidnyanszky, Z., & Blaimer, M. (2018). Controlling the object phase for g-factor reduction in phase-Constrained parallel MRI using spatially selective RF pulses. Magnetic Resonance in Medicine, 79(4), 2113–2125.
https://doi.org/10.1002/mrm.26890

Meszlényi, R. J., Buza, K., & Vidnyánszky, Z. (2017). Resting State fMRI Functional Connectivity-Based Classification Using a Convolutional Neural Network Architecture. Frontiers in Neuroinformatics, 11, 61.
https://doi.org/10.3389/fninf.2017.00061

Meszlényi, R. J., Hermann, P., Buza, K., Gál, V., & Vidnyánszky, Z. (2017). Resting State fMRI Functional Connectivity Analysis Using Dynamic Time Warping. Frontiers in Neuroscience, 11, 75.
https://doi.org/10.3389/fnins.2017.00075