休息状态下大脑依然耗能

神经科学家经过对脑电活动模式直接进行精确的检测后发现，不管大脑是处于记忆回顾等活跃状态，还是处于休息或睡眠状态，神经网络都以相同的方式协同工作。神经网络是由相距甚远的不同大脑区域组成的。

斯坦福大学医学院(Stanford University School of Medicine)的研究人员在Nature上报道，他们的发现支持了间接观察大脑图像得出的结论。

他们谈道，研究结果还可以解释为何大脑“什么也没干”，还会消耗大量的能量，这个问题就如同汽车引擎空转还会消耗汽油那样令人费解。

我们的大脑很贪吃：大脑只占体重的2%，但却消耗20%的能量。

同样让人惊奇的是，休息或睡觉的时候，大脑以葡萄糖的形式消耗能源的速度与脑力劳动或体力劳动时的速度相同。

另外，让科学家感到困惑的是，处在休息状态时，大脑似乎很喜欢瞎忙，就是产生大量没用的电“噪声”。

神经病学副教授、神经病学科学家、主要作者Josef Parvizi解释道，事实上，电噪声一直在不断地产生。

“有意识的思维和行动时，观察到人们的大脑活动量会增加仅仅是冰山一角。大脑大量的能量消耗，是因为我们无意识中参与了某项特殊任务时，大脑持续的自发行为引起的。”

过去10年，应用功能性磁共振成像技术应用到(fMRI)追踪大脑血液流动(一种评估大脑活动的间接方式)后，科学家们才开始关注这种神经元噪声的特殊模式。

在受试者执行各种任务时，科学家利用功能性磁共振成像技术观察他们的大脑活动。受试者的任务包括解决数学问题和回忆早餐吃了什么等。科学家注意到，不同类型的任务与大脑活动的某种特殊模式有关。

这种模式揭示，不同的、相距甚远的大脑区域网络群在大脑执行一些特别的任务时会协同工作，而这些模式的成像图在大脑自发的噪声中就能观察到。

成像研究还发现，一些完成特定任务的模式是在大脑休息，甚至是完全无意识的情况(例如受试者处于睡眠状态或麻醉状态)下发生的。

但是，科学家对这种来自成像研究的证据持保留意见，因为这是对脑电活动的间接观察，并不能精确描述个体的神经元回路。

新研究可直接检测脑电活动

新研究向前迈进了一大步，因为新研究直接检测大脑中的电活动。与功能性磁共振成像技术不同，这种研究能随着时间的推移追踪大脑活动，不仅能观察到这种模式的位置特征，还能观察到这种模式随时间改变的特征。

Parvizi教授及其同事发现，这种脑电活动的位置-时间基准模式不仅会在受试者搜索记忆时发生，而且在受试者睡觉或闭上眼睛休息时，位置-时间基准模式同样存在于大脑噪声中。

Parvizi教授应用的技术成为颅内电生理学(intracranial electrophysiology)，这种技术能够监听大脑内不同的神经元群。这种技术速度快，所需空间小，利用这种技术能够在人体大脑内获取到有意义的信息。

颅内电生理学读数只有通过创伤性脑部手术才能读取。这项研究中，研究团队征用了3名癫痫患者(2女1男)，他们因病在斯坦福医院(Stanford Hospital)住院1周接受创伤性脑部手术。

连续几天，医生将电极植入到患者不同的脑部区域，这样他们就能找到癫痫的具体位点。这个过程中，可以从大脑的默认模式网络区域获取得到精确的颅内电生理学读数。

在解决问题、睡眠和休息这三种模式下观察默认模式网络

默认模式网络广泛分布于大脑的各个区域，比其它任何网络消耗能量更多。默认模式网络在休息时(无论是闭目养神或者是仰望天空)最活跃。似乎正是在我们无所事事的时候，默认模式网络就会开始运行。

默认模式网络在我们搜索自传式记忆的时候也很活跃，例如，当我们被问到早餐吃了什么的时候，默认模式网络就会开始运行。

但是，当我们要完成某项特殊任务时，例如心算，默认模式网络就关闭了。

在之前的研究中，Parvizi教授和他的同事组成团队应用直接电记录技术来确认默认模式网络的特征。

在这项新研究中，研究团队能够采集到受试者在清醒、执行任务、闭眼休息和睡觉这四种情况下，默认模式网络的脑电活动情况。

他们发现，大脑在睡着或休息时产生的噪声里隐藏着缓慢漂移的模式，这种模式直接与研究人员要求受试者搜索特殊记忆时产生的模式相匹配。

为了确认这些模式与图像研究中的那些模式相匹配，研究团队对相同的受试者进行了功能性磁共振成像扫描，他们发现，脑电活动与功能性磁共振成像图像中的血流模式极为一致。

睡觉和休息时，大脑为何如此活跃?这仍是一个谜。

作者表示，虽然他们的研究结果解决了一个问题，即休息状态和记忆搜索这两种情况下，大脑模式相同。但他们又提出了另外一个问题：为何人的大脑在休息和睡觉时仍会消耗如此多的时间和能量呢?

研究团队猜想，大脑可能时刻为下一个行为做好准备，即检查内部关系和网络的状态，这样我们醒来就可以马上工作。

Parvizi强调，不能仅仅因为我们将大脑称为网络组织，就可以将大脑和电脑进行比较，认为大脑在计算层面上就像一台电脑，对此种情况，他补充说：“大脑不是计算机，远比计算机代码'0’和'1’进行组合要复杂得多。”