Neural variability is a quantification of changes in neural activity, and it is known to reflect the random activities of neurons or nonlinear properties of neural networks. Therefore, various methods of measuring neuronal variability are being developed to understand the process of cognitive information processing or neuropsychiatric disorders. However, studies on neural variability changes have limitations of signal variability measures, such as Lempel–Ziv complexity. The recently developed refined composite multiscale permutation entropy (RCMPE) overcomes the limitations of existing signal variability measures, such as length dependence, and helps measure variability at multiple scales. The study was conducted using this RCMPE under the assumption that there will be a specific layer of neuronal variability that reflects the cognitive information processing or disease state. To confirm this hypothesis, in our first study, we identified the characteristics of depression-related neural variability using RCMPE with resting-state electroencephalogram of patients with major depressive disorder (MDD) and healthy controls. We found that neural variability in the coarse temporal scale of MDD rose in the overall area and that the severity of depressive symptoms was inversely proportional to neural variability in the fine temporal scale of the frontal area. Furthermore, these results differed from characteristics observed with the conventional signal or frequency analysis method. Moreover, features of neural variability could play different roles depending on the temporal scale. Based on the results of our first study, we hypothesized that RCMPE would reveal novel neural correlates related to neural variability and cognitive processing. Accordingly, the aim of the second study was to confirm changes in neuronal variability during the feedback process. We applied a new analysis method called event-related variability, which combines RCMPE and the sliding window method. In addition, through event-related variability, areas in which neural variability differed between positive and negative feedbacks were identified, and whether or not this variability difference was related to learning performance in the probability learning task was determined. We found that neural variability significantly differed between positive and negative feedbacks in several areas, including the frontal and occipital areas on a fine temporal scale and the central area on a coarse temporal scale. In addition, learning performance of the probabilistic learning task was directly proportional to the degree of fine variability in the frontal area between the two feedbacks. Compared to the event-related potential, which is a conventional measure of cognitive processing, in the temporal and spatial dimensions, some characteristics of event-related variability differed. Through both studies, neuronal variability is not only related to the pathophysiology of MDD but also to the feedback process in learning mechanism. In addition, new analysis methods, such as RCMPE and event-induced variability, could help find a new measure of neural variability related to neuropsychiatric disorders and cognitive function.
신경 변이도란 신경 활동 신호의 변화를 수치화한 것으로, 신경 세포의 무작위적인 활성 혹은 신경세포들간의 비선형적인 특성을 반영한다고 알려져 있다. 따라서, 인지정보 처리 과정 혹은 신경정신질환의 이해를 위해 다양한 신경변이도 측정 방식이 개발되고 있다. 하지만 렘펠 지브 복잡도등 기존 신호 변이도 척도는 길이 의존성과 같은 한계가 있어 관련 연구에 제약이 많았다. 최근 개발된 개선된 복합 다중 등급 순열 엔트로피는 시계열 길이에 크기 의존하지 않을 수 있을 뿐 아니라, 다중 계층에서의 변이도까지 측정할 수 있다. 인지정보 처리 과정이나 질병상태를 반영하는 특정 계층의 신경 변이도가 있을 것이라는 가정하에 이러한 개선된 복합 다중 등급 순열 엔트로피를 사용하여 연구를 수행하였다. 첫번째 연구로 주요 우울증 환자와 정상 대조군의 안정기 뇌파에서, 개선된 복합 다중 등급 순열 엔트로피를 이용하여, 주요 우울증과 연관된 신경 변이도의 특성을 확인하였다. 이를 통해 주요 우울증에서 거친 시간 규모에서 신경 변이도가 전반적으로 상승된 소견을 확인하였고, 우울 증상이 심할수록 전두엽 영역에서 세밀한 신경 변이도의 낮아지는 것을 확인하였다. 그리고 이러한 결과는 기존의 신호 분석 방법인 주파수 분석에서는 확인할 수 특성임을 확인하였다. 또한 주요 우울증의 특성이나 심각도와 연관된 신경 변이도의 특성이 서로 다른 시간적 규모에서 나타나는 사실을 통해, 신경 변이도가 시간적 규모에 따라서 서로 다른 역할을 할 것이라는 기존의 연구 결과를 재확인하였다. 첫번째 연구의 결과를 통해, 개선된 복합 다중 등급 순열 엔트로피를 사용하는 경우, 인지 처리 과정에서도 마찬가지로 신경 변이도와 관련된 새로운 신경 상관을 찾을 수 있을 것이라는 가설을 세웠다. 이를 확인하기 위하여, 두번째 연구에서는 피드백 과정에서의 신경 변이도 변화를 확인하고자 하였다. 이를 위하여, 다중 등급 순열 엔트로피와 슬라이딩 윈도우 방법을 결합한 사건 유발 변이도라는 새로운 분석 방법을 적용하였다. 사건 유발 변이도를 통해, 양성 피드백과 음성 피드백에서 신경 변이도가 차이가 나타나는 영역을 확인하였으며, 이러한 변이도 차이가 확률 학습 과제에서의 학습 성과와 연관이 있는지를 확인하였다. 이러한 방법을 통해, 양성 피드백과 음성 피드백간의 신경 변이도 차이가, 세밀한 영역에서는 전두엽 영역과 후두엽 영역에서, 거친 영역에서는 중앙부를 포함한 여러 영역에서 유의미한 차이를 보이는 것을 확인하였다. 또한 확률 학습 과제의 학습 성과가 더 뛰어날수록 두 피드백 간의 전두엽 영역에서의 세밀한 변이도가 더 높다는 것을 확인하였다. 그리고 인지 처리 과정에서의 전통적인 분석 방법인 사건 유발 전위와의 비교를 통해, 사건 유발 변이도에서 확인한 일부 특성들이 사건 유발 전위에서 확인한 특성들과 시간적, 공간적 차원에서 구분되는 것을 확인하였다. 두 연구를 통해, 신경 변이도가 우울증의 병태 생리와 관련되어 있을 뿐만 아니라, 학습에서의 피드백 과정과 관련이 있음을 확인하였다. 그리고 개선된 복합 다중 등급 순열 엔트로피와 사건 유발 변이도와 같은 새로운 분석 방법들을 활용하여, 신경정신과적 질환과 인지 기능과 관련된 새로운 신경 변이도 척도를 찾는데 도움을 줄 수 있을 것이라고 예상한다.
