Автоматизированное предсказание креативности с использованием обработки естественного языка и функциональной коннективности в состоянии покоя: исследование с fNIRS

Данные исследований с fMRI указывают, что индивидуальная способность к творческому мышлению — определяемая как результаты в заданиях на дивергентное мышление, субъективно оцененные людьми-оценщиками — может быть предсказана на основе силы функциональной коннективности (FC) между сетью пассивного режима мозга (default mode network, DMN) и фронтопарие́тной контрольной сетью (frontoparietal control network, FPCN). В настоящем исследовании мы стремились воспроизвести и расширить эти результаты двумя способами: (1) применив метод обработки естественного языка для объективной количественной оценки творческой продуктивности (вместо субъективных человеческих оценок), и (2) используя функциональную ближнюю инфракрасную спектроскопию (fNIRS) — нейровизуализационный метод, позволяющий измерять активность мозга в более натуралистичных условиях по сравнению с fMRI. Применяя эластичную сетевую (elastic-net) регрессию к данным функциональной коннективности в состоянии покоя, мы построили две отдельные модели предсказания творческих показателей участников на основе статической FC и динамической FC соответственно. Результаты статического сетевого анализа показали, что fNIRS‑коннективность между DMN и FPCN надежно предсказывает творческие способности (объективно оцененные методом обработки естественного языка; R2 = 0.38). Более того, мы показываем, что динамическая функциональная коннективность DMN–FPCN предсказывает творческие способности почти вдвое сильнее, чем статическая коннективность (R2 = 0.67). Наша работа демонстрирует, что объективные меры креативности можно предсказать по функциональной коннективности в состоянии покоя и что такую процедуру можно эффективно реализовать в высоко натуралистичных условиях с использованием fNIRS.