• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Ученые ВШЭ показали, как с помощью МЭГ точнее картировать речь в мозге

Ученые ВШЭ показали, как с помощью МЭГ точнее картировать речь в мозге

© iStock

Ученые из Центра языка и мозга ВШЭ показали, как точнее определять границы речевых зон в мозге. Для этого они использовали магнитоэнцефалографию (МЭГ) вместе с заданием на завершение предложений, которое активирует речевые области и показывает их работу в реальном времени. Такой подход поможет врачам лучше планировать операции и повысит точность диагностики в тех случаях, когда фМРТ не является оптимальным методом. Исследование опубликовано в журнале European Journal of Neuroscience.

Мозг управляет множеством функций: движением, восприятием, памятью, речью. И если из-за болезни или травмы его работа нарушается и требуется операция, то важно точно понимать, где проходит граница между пораженной областью и здоровыми участками. 

Особое внимание уделяют зонам, связанным с речью, так как их точное расположение индивидуально и его нельзя определить только по анатомии. Чтобы найти эти области и избежать их повреждения, проводят языковое картирование. Оно помогает понять, какие области мозга у конкретного человека отвечают за речь. Обычно для этого используют функциональную МРТ (фМРТ): она показывает активность мозга во время речевых задач, но делает это косвенно — по изменениям концентрации веществ в кровотоке. И если у пациента нарушено кровоснабжение, то результаты могут искажаться. 

Команда Центра языка и мозга ВШЭ решила проверить, можно ли сделать языковое картирование точнее. Для этого они выбрали магнитоэнцефалографию (МЭГ) — метод, который улавливает слабые магнитные поля, возникающие при работе нейронов. В отличие от фМРТ, МЭГ позволяет измерять активность мозга напрямую и отслеживать изменения с точностью до миллисекунд.

Но подобрать задание для такого эксперимента непросто: оно должно задействовать речевые процессы и при этом подходить для записи с МЭГ. Ученые решили использовать задачу на завершение предложений, которую ранее разработали и проверили исследователи из Центра языка и мозга ВШЭ. В ней участники читают короткие предложения с пропущенным последним словом и дополняют его вслух подходящим по смыслу и форме словом. Задание задействует все звенья языковой системы — от понимания смысла до произнесения слов. Для работы с МЭГ его адаптировали технически: изменили порядок и длительность предъявления стимулов, чтобы точно зафиксировать активность мозга в нужные моменты. 

В исследовании участвовал 21 здоровый носитель русского языка. Пока они читали и произносили слова, прибор фиксировал активность их мозга в диапазоне бета-волн (17–25 Гц) — частот, связанных с речевой обработкой. Чтобы убедиться, что сигналы действительно отражают языковую работу, исследователи добавили два контрольных режима: пассивный (просто смотреть на экран) и активный (повторять простые слоги вроде «ло-ло-ло»). Сравнение показало, что активный контроль помогает полнее отделить собственно языковую активность от фоновой, не связанной с речью.

Как различается мозговая активность при выполнении заданий. Вверху — контраст между выполнением задания на завершение предложений и состоянием покоя, внизу — между завершением предложений и повторением слогов. Завершение предложений активирует зоны, отвечающие за понимание и формулировку речи, тогда как при повторении слогов активность отражает более общие, неязыковые процессы.
© Protopova M., Bolgina T., Arutiunian V., Dragoy O. Language Localization from Magnetoencephalography (MEG) Beta-Power Dynamics During Sentence Completion. European Journal of Neuroscience, 62(8): e70282, 2025.

Анализ данных подтвердил, что при выполнении задания активируются классические речевые зоны левого полушария — височные и лобные области, включая участки, отвечающие за понимание и формулировку речи. Активность этих областей нарастала по мере того, как участники продвигались по предложению: сначала включались зоны, связанные с чтением и смыслом, а затем участки, управляющие речевым планированием и артикуляцией.

Несмотря на индивидуальные различия между участниками, общая картина совпала с данными предыдущих исследований. Это значит, что русская версия задачи на дополнение предложений может использоваться для языкового картирования с помощью МЭГ, а активный контроль делает результаты стабильнее и ближе к клинической практике.

Мария Протопова

«Мы показали, что с помощью МЭГ и задачи на завершение предложений можно не только увидеть, какие области мозга участвуют в речи, но и проследить, как их активность меняется во времени. Мы рассчитываем, что в будущем это поможет нейрохирургам точнее определять границы речевых зон и снижать риск потери речи при операциях», — поясняет Мария Протопова.

Исследование выполнено в рамках Программы фундаментальных исследований НИУ ВШЭ.

Вам также может быть интересно:

Ученые ФКН ВШЭ представили исследования в области тензорных методов на международной конференции в Китае

Исследователи Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приняли участие в Международной конференции-школе по тензорным методам в математике и вычислениях для искусственного интеллекта (3rd Conference-School on Tensor Methods in Mathematics and Artificial Intelligence Computing). Мероприятие прошло в конце октября в Шэньчжэне (Китай). Одна из работ ученых института получила награду Best Poster Award и вошла в число пяти лучших постеров конференции.

Исследователи НИУ ВШЭ с помощью iFORA показали, куда движется Индустрия 4.0

Высшая школа экономики представила возможности системы интеллектуального анализа больших данных iFORA на форуме Kazan Digital Week. Исследователи проанализировали технологические возможности и угрозы для Индустрии 4.0. С докладом выступил директор Центра стратегической аналитики и больших данных ИСИЭЗ НИУ ВШЭ Константин Вишневский.

«Демографы не боятся заглянуть в будущее»

Один из стратегических технологических проектов (СТП), реализуемых в НИУ ВШЭ, — «Национальный центр социально-экономического и научно-технологического прогнозирования». В рамках этого СТП научные коллективы разрабатывают прогнозы развития различных отраслей. Что представляет собой прогноз в сфере демографии, какие факторы учитываются его авторами и как можно будет использовать его результаты, «Вышке.Главное» рассказал директор Института демографии имени А.Г. Вишневского НИУ ВШЭ Михаил Денисенко.

Физики научили ИИ настраивать пучок частиц в ускорителе

Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Института ядерной физики СО РАН разработали RLABC — программу, которая помогает подбирать оптимальные настройки ускорителя частиц с помощью обучения с подкреплением. В компьютерном эксперименте программа настроила модель так, что до конца ускорителя доходило около 70% частиц. Исследование опубликовано в журнале Computer Physics Communications.

«Органы на чипе позволяют проверять лекарства без экспериментов на животных»

Лаборатория молекулярной физиологии факультета биологии и биотехнологии НИУ ВШЭ изучает, как молекулярные регуляторы (микроРНК) управляют работой генов и влияют на развитие болезней — онкологических, вирусных и воспалительных, а также осложнений беременности. В Вышке выращивают модели органов человека на чипе: крошечные устройства с живыми клетками, воспроизводящие работу, например, плаценты или кишечника. Модели помогают понять, как возникают болезни и как на них действуют лекарства. «Вышка.Главное» побеседовала с заведующим лабораторией Евгением Князевым.

«Погружение в машинное обучение — 2026»: от фундаментальных исследований до дискуссий о будущем ИИ

23–24 октября в Высшей школе экономики состоялась пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). За пять лет мероприятие выросло из камерной встречи исследователей в масштабную научную площадку, объединяющую ведущих специалистов по машинному обучению, молодых ученых, студентов и представителей технологических компаний. Юбилейный год стал новым этапом развития конференции: в программу вошли дискуссии с участием международных спикеров, обсуждение совместных исследовательских проектов и мини-курсы по актуальным направлениям искусственного интеллекта.

Мир ИИ: «Ответственность за принимаемые решения останется на людях»

В НИУ ВШЭ прошла V конференция «Погружение в машинное обучение». В ходе панельной дискуссии форума «Прорыв в области искусственного интеллекта: каким станет ИИ и кем станем мы?» эксперты поделились прогнозами, как изменятся наука и ИТ-индустрия через 5–10 лет и какие задачи по-прежнему останутся за человеком.

Как прогнозировать будущее науки и технологий

Лаборатория исследований науки и технологий, действующая в структуре Института статистических исследований и экономики знаний НИУ ВШЭ, изучает текущее состояние научных исследований и разработок, анализирует тренды и их динамику, что позволяет понимать масштаб вызовов, связанных с применением новейших технологий, определять приоритеты будущих работ, формировать научную и промышленную политику. Новостная служба «Вышка.Главное» побеседовала с заведующей лабораторией Лилианой Проскуряковой и директором Форсайт-центра ИСИЭЗ Александром Соколовым.

Программа ТОП ИТ «ПРО» НИУ ВШЭ: первые результаты и перспективные задачи

Программа топ-уровня в МИЭМ ВШЭ — это трек подготовки кадров для ИТ-отрасли, созданный в партнерстве с ведущими российскими технологическими компаниями на программе высшего образования «Информатика и вычислительная техника». На треке обучаются студенты, прошедшие дополнительный отбор с учетом требований индустрии и способные быстро вырасти до уровней мидл и сеньор. Учебный процесс выстроен вокруг конкретных инженерных ролей.

Будущее антропоморфных технологий для дома обсудили ученые на форсайт-сессии в НИУ ВШЭ

23–24 октября в НИУ ВШЭ прошла юбилейная, пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). На форсайт-сессии «Будущее антропоморфных технологий для дома» ученые искали ответы на вопросы, почему человекоподобный робот-помощник пока так и не стал нашей повседневной реальностью, что для этого должно измениться и кто будет отвечать за его ошибки.