A közlemény szerint a kutatási módszer új kutatási horizontokat nyit meg, elsősorban az idegtudományok terén, de olyan kóros állapotok tanulmányozására is alkalmas, mint az autizmus, a depresszió, a fejsérülések okozta tudatzavaros (kómaszerű) állapotok vagy az alkoholizmus.

Mint részletezték: a kutatás eredményei augusztusban jelentek meg a Cell Systems folyóiratban, egy közel tízéves együttműködés eredményeként a TINS és a BBTE kolozsvári kutatócsoportja, az alicantei Miguel Hernandez Egyetem (Spanyolország), a valenciai Műszaki Egyetem (Spanyolország), valamint a Heidelbergi Egyetem (Németország) kutatói között. A kutatócsoport kolozsvári tagjai: Ercsey-Ravasz Mária (BBTE-s kötődéssel, TINS), Raul Mureșan (TINS, STAR-BBTE Intézet), Varga Levente (BBTE, TINS), Vasile Moca (TINS), Molnár Botond (BBTE, TINS) és Péntek Balázs (BBTE).

A 2015-ben megkezdett kutatás kiindulópontja az a probléma volt, hogy a különböző technológiákkal végzett vizsgálatok hatalmas adatmennyiséget eredményeznek, amelyeket nehéz értelmezni, és esetenként ellentmondásos eredményeket hoznak.

„Olyan módszert kerestünk, amely mértékegységeket és biomarkereket kínál, amelyekkel azonosítható egy betegség vagy kóros állapot, amelyek lehetővé teszik egy diagnózis felállítását az agyi aktivitás tekintetében. A kidolgozott módszer rendkívül érzékeny, de egyben rendkívül megbízható is” – idézte a közlemény Ercsey-Ravasz Máriát, a Cell Systemsben megjelent cikk fő szerzőjét. Például a kutatók által elvégzett, de további hitelesítésre váró előzetes tesztek azt mutatják, hogy a módszert a kóma különböző stádiumaiban lévő személyeken alkalmazva előre lehet jelezni, hogy a vizsgált betegek állapota potenciálisan visszafordítható-e vagy nem.

A funkcionális hálózatok azok a kapcsolatok, amelyek az agyterületek aktiválódásai között jönnek létre, azaz jelzik, hogy egy adott időpontban mely agyterületek „beszélgetnek” egymással. Ahhoz, hogy ezek a funkcionális hálózatok reprezentatívak legyenek, az agyi aktivitás két fontos jellemzőjét kell figyelembe venni. Ez egyik pillanatról a másikra rengeteget változik, azaz nem stacionárius. Ugyanakkor az agy egyes területei egymáshoz képest késéssel aktiválódhatnak. A hagyományos módszerek ezt a két aspektust nem kezelik kellő figyelemmel, így olyan funkcionális hálózatokat építenek, amelyek nem tükrözik reprezentatívan az agy komplex aktivitását. Ezért a hagyományos módszereknek hatalmas adatmennyiségre van szükségük ahhoz, hogy meggyőző eredményeket hozzanak (hosszabb felvételek, több embertől összegyűjtött adatok), mutatnak rá a kolozsvári kutatók.

Tudományos magyarázat
A közlemény szerint a módszer két szempontból is innovatív. Elsősorban azért, mert a funkcionális hálózatok kiépítésénél a területek közötti legerősebb kapcsolatokat keresik, figyelembe véve az egyes agyi területek tevékenysége között előforduló késéseket is. Másodsorban, mert a módszer a nem stacionárius tulajdonságot bizonyos eloszlások segítségével kezeli, nem pedig számos érték átlagolásával, ahogy azt a hagyományos módszerek teszik. A módszer alapötletét a fizikából ismert komplex rendszerek elmélete szolgáltatta.

Példaként: hasonlítsuk egy összetett rendszer (mint az agy) dinamikáját egy virág körül köröző pillangó röppályájához. Ha átlagoljuk azon helyek pozícióját, amelyeken a pillangó áthalad, akkor azt a következtetést vonhatjuk le, hogy a pillangó valahol középen van, talán éppen a virágon is, ami téves. Ha azonban megvizsgáljuk a pozíciók vízszintes és függőleges eloszlását, észrevesszük, hogy a pillangó a virág körül mozog. Tehát több releváns információt szerzünk a pillangó viselkedéséről. A kolozsvári kutatók által kidolgozott módszer ezen az elven alapul, csak az agy esetében több ezer érték van a funkcionális hálózatokban, sokkal komplexebb adatokról van szó.

A módszer alkalmazása nemcsak a jövőbeni tudományos alapkutatások szempontjából fontos, hanem az egyébként nehezen kimutatható betegségek, kóros állapotok azonosítására is lehetőséget kínál az agyi aktivitás feltérképezése alapján. A kutatásban elemzett adatokat több emlősfajtól – egerektől, selyemmajmoktól (egy törpemajomfaj) és embertől – gyűjtötték össze, és az a tény, hogy az eredmények hasonlóak, a módszer megbízhatóságát jelzi, állítják a vizsgálatban részt vevő kutatók.