Złożoność ludzkiego mózgu jest tak ogromna, że trudno ją opisać z wykorzystaniem podstawowych metod analizy danych neuroobrazowych. Nowa dziedzina nauki – neuronauka sieciowa – zajmuje się badaniem złożonej sieci połączeń w ludzkim mózgu z wykorzystaniem algorytmów matematycznych zaczerpniętych z teorii grafów. Okazuje się, że nawet gdy nie wykonujemy żadnych zadań poznawczych, obszary mózgu, które pełnią podobne funkcje, pracują w zsynchronizowany sposób. Na podstawie pomiaru stopnia tej synchronizacji jesteśmy w stanie odtworzyć mapę połączeń czynnościowych w całym ludzkim mózgu – tzw. czynnościowy konektom (functional connectome). Konektom czynnościowy nieustannie się reorganizuje – może zmieniać się zarówno po intensywnym uczeniu się lub treningu (np. sekwencji złożonych ruchów), jak i w czasie rzeczywistym, aby dostosować swoją organizację do zmieniającej się trudności zadań, z jakimi mierzymy na co dzień.

Celem badań dr Karoliny Finc i współpracowników było poszerzenie stanu wiedzy o tym, jak funkcjonalne sieci mózgu optymalizują swoją organizację w trakcie wykonywania zadania poznawczego o wzrastającym poziomie trudności, w jaki sposób ten wzorzec reorganizacji zmienia się w trakcie treningu poznawczego oraz jakie czynniki mogą mieć wpływ na charakter tych zmian. – W skanerze fMRI przebadaliśmy 46 zdrowych ochotników. Aktywność mózgu osób badanych była badana czterokrotnie pomiędzy okresami intensywnego treningu pamięci roboczej. Badania fMRI odbyły się przed treningiem, po 2 tygodniach, po 4 tygodniach oraz po 6 tygodniach jego trwania. Wyniki badania fMRI 23 osób trenujących z wykorzystaniem zadania pamięciowego zostały porównane z wynikami 23 osób trenujących podobne zadanie na najniższym z możliwych poziomów trudności – mówi dr Finc.

Przeprowadzone analizy wykazały, że modularność sieci ludzkiego mózgu stopniowo wzrosła u osób trenujących swoją pamięć roboczą. Ponadto eksperymenty dotyczące dynamiki reorganizacji sieci wykazały, że wraz z treningiem pamięci roboczej regiony mózgu należące do tzw. sieci domyślnej (default mode network) stopniowo zmniejszają swoją komunikację z regionami sieci aktywnych w trakcie wykonywania zadania (task positive network). Mniejsza komunikacja pomiędzy tymi sieciami jest także związana z postępami w wykonaniu zadania angażującego pamięć roboczą. Przeprowadzone badania pozwalają lepiej zrozumieć, w jaki sposób sieci ludzkiego mózgu adaptują się do zmieniającej się trudności zadania poznawczego oraz w trakcie treningu poznawczego. Wyniki badań mogą przyczynić się do zwiększenia wiedzy na temat dynamiki sieci czynnościowej ludzkiego mózgu, a także poznania wpływu uczenia się i automatyzacji na reorganizację sieci.

Przeprowadzenie badań nad reorganizacją sieci czynnościowych było możliwe dzięki wsparciu Narodowego Centrum Nauki oraz Fundacji na rzecz Nauki Polskiej. Publikacja powstała we współpracy międzynarodowej z naukowcami z Complex Systestems Group (Danielle Bassett, Xiaosong He, David Lydon-Staley) z Wydziału Bioinżynierii na University of Pennsylvania (USA) oraz Simone Kühn z Max Planck Institute for Human Development w Berlinie (Niemcy). Współautorami artykułu z Uniwersytetu Mikołaja Kopernika są mgr Kamil Bonna i prof. Włodzisław Duch.

Karolina Finc jest adiunktem w Interdyscyplinarnym Centrum Nowoczesnych Technologii Uniwersytetu Mikołaja Kopernika w Toruniu. Obecnie kieruje zespołem naukowym Computational Neuroimaging Team oraz jest członkiem Centrum Doskonałości "Dynamika, analiza matematyczna i sztuczna inteligencja" (grupa Neuroinformatics; kierownik: prof. Włodzisław Duch). Jej zainteresowania naukowe skupiają się wokół badania plastyczności ludzkiego mózgu podczas procesów uczenia, a w szczególności reorganizacji jego sieci połączeń – tzw. konektomu. Chętnie angażuje się w rozwój oprogramowania naukowego open source oraz popularyzuje wiedzę z zakresu analizy danych neuroobrazowych i nauki otwartej (open science) jako opiekun Koła Naukowego Neuroobrazowania działającego w ICNT UMK. Laureatka i beneficjentka konkursów, stypendiów i grantów dla młodych badaczy. W 2018 r. została laureatką programu START, w ramach którego została dodatkowo wyróżniona stypendium im. Prof. Barbary Skargi. Jest ono przyznawane wybitnym młodym naukowcom, których badania wyróżniają się odważnym przekraczaniem granic pomiędzy różnymi dziedzinami nauki, otwierają nowe perspektywy badawcze i tworzą nowe wartości w nauce.