Journal Club｜当自我进入心智游移时：自发性思维中自我生成概念的大脑表征和动态

自我相关的概念是自发思维的重要组成部分，他们在自发的意识流中的动态变化能够揭示个体的内部状态，而且对心理健康非常重要。在本次JC, Xinyi介绍了一项来自Science Advances的研究，BYEOL KIM和他的合作者们进行了一项fMRI实验，利用新开发的基于自由联想的思维抽样任务，研究在自发思维的背景下自我生成的概念在大脑中的表征和动态变化，以此来揭示在自发思维中自我生成的概念是如何构建内在的情感状态和特异性的。

我们的思维常处于游移状态，这种不断变化和持续的思维流动是自发思维的关键特征。自发思维并非纯随机的，往往都是一些过去的记忆、个人的目标与计划等与自我相关的内容，所以自我参照过程是自发思维的重要属性。研究人员们发现自发思维的内容和动态变化是可以解释人格特征和心理健康的重要因素，与自我相关的自发思维对人类的长期健康以及心理健康的也非常重要。 

如果我们从复杂动态系统的角度看待自发思维，它可以被视作在语义网络上的一种随机游走。其中，节点（node）代表了自传性和语义概念，连接节点的边是节点之间通过过去经历建立的关联，而经常出现的想法（recurrent thoughts）则可被视作在这个网络中的粘性节点。 

综上所述，我们的大脑的自发思维在动态地、持续地影响我们的精神和生理生活。因此，对这些动态过程的大脑表征和认知基础的定量评估将有助于我们更好地理解大脑如何以及为什么会产生特定的自发思维模式，从而导致健康或不健康的身心状态。 

过去十年来，尽管已经有学者揭露了自发思维，以及与任务无关的思维的神经机制与大脑的默认网络（DMN, The default mode network）的关联。但是，可用于神经影像学研究的定量的工具和方法仍然很少。而众所周知，自由联想法能有效地揭示个人的情感和自传性概念。为了克服前述挑战，Kim和他的团队开发了一项新的，与fMRI结合使用的任务范式——自由联想语义任务（FAST），他们期望FAST能提供一种新的方法来探究情感和自我相关思维的动态特征，重新揭示个人内在的情感状态和特质，这对人类行为和心理健康至关重要。 

更具体地说，本研究旨在回答以下两个研究问题。首先，用FAST评估的自发思维的动态特征是否可以预测情绪特征的个体差异？第二，能否识别和解码自发思维的大脑表征和动态变化？此处又可分为两个小问题：（1）自我生成的思维是如何在大脑中进行编码和处理的？（2）和自我相关的程度是如何影响大脑对情绪效价的表征的？

实验流程：

图1：实验流程示意图

首先，被试将完成一系列自我报告问卷，以评估心理健康和情感特征及状态的个体差异。然后，被试将进行fMRI扫描并且在此期间完成FAST。

FAST的fMRI实验包括三个部分--(i)概念产生，(ii)概念反思，和(iii)扫描后调查。

在概念生成阶段，研究者要求被试从一个给定的种子词开始，每隔2.5秒报告一个针对前一个概念而想到的词或短语。被试被要求为每个种子词产生总共40个连续的概念，总共使用了4个种子词进行4次测试。

在概念反思阶段，研究者向被试展示了他们依次产生的两个连续概念。然后，被试被要求思考15秒目标概念和与这两个概念之间的关联有关的个人背景。在单词呈现之后，屏幕上将显示14个情绪词，要求参与者选择一个最接近他们当前感觉的情绪描述词。

然后研究者将再次显示被试自我生成的概念，并要求他们使用多维内容量表（包括效价；时间：发生在过去、现在、未来；安全-威胁维度；生动性；和自我相关程度）对其进行评分。

分析方法：

1. 使用马尔可夫链建立一般负性情绪的预测模型 

为了回答前文提到的第一个研究问题（即用FAST评估的自发思维的动态特征是否可以预测情绪特征的个体差异？），Kim和他的团队使用马尔可夫链构建机器学习的输入特征，并利用这些特征建立了一般消极情绪的预测模型。 

如下图所示，研究者首先将效价、时间和安全威胁维度评分划分为了三个离散状态（-1 到 -0.33、-0.33 到 0.33 和 0.33 到 1；对于效价，这三个离散状态为负/中性/正性；对于时间，过去/现在/未来；对于安全威胁，威胁/中立/安全）；范围从0到1的自我相关性和生动性维度被划分为了两个离散状态（0 到 0.5 和 0.5 到 1，分别对应两个维度的低和高）。然后，他们计算了转移概率（在每个维度上从一个离散状态转换到另一个离散状态的概率）和稳态概率（当过渡过程充分重复时收敛到一个状态的概率）。最终，研究者们一共创建了包括马尔可夫链的动态特征以及每个情感维度的平均值和方差在内的58个预测变量。同时，研究者们也使用因素分析，从自我报告的问卷中计算出了一般负性情绪的得分，并将其作为预测模型的结果变量。研究者们使用了LASSO回归法建立了负性情绪的预测模型，并采用了留一法交叉验证。

图2: 马尔可夫链建立的一般负性情绪预测模型示意图 

2.使用FIR模型的聚类分析 

为了更好地理解概念反思过程中大脑活动的时间模式，研究者们使用FIR模型对大脑活动进行建模，对beta map进行了聚类分析。 

3.全脑多变量模式的预测模型 

研究者四等分了实验的trials，用于代表内容维度量表的四个级别。在连接了所有被试的数据后，Kim和他的搭档为每个内容维度训练了主成分回归（PCR）模型，并使用LOSO-CV和随机分割交叉验证（RS-CV）来估计了模型性能。

1. FAST 可以揭示从个人叙述到社会事件和问题的自发思维主题  FAST反应也可以被看作是一个有向图，其中节点是反应的概念，有向线段是前面的概念到后面的关联概念的连接。

图3:（A）一位被试在效价、自我相关性和时间三个维度上数据的三维示意图；

（B） 该被试的有向图示意图

2. 自由联想的动态变化对消极情感的个体差异的预测 

如图4(B)所示，最终模型在四个数据集上显示出了显著的预测性能。在检查了12个行为动态特征的标准化β系数后，研究者们确定了哪些预测因素对一般消极情绪的最终模型有显著贡献。具体结果如下：被试(i)安全威胁和效价分数的方差较高的参与者；(ii)从威胁状态到中性状态的转移概率较高；(iii)在时间、生动性和自我相关维度上的平均分数较高；(iv)从积极状态到消极状态的转移概率较高；以及(v)消极状态的稳定概率较高，就可能报告较高水平的一般消极情绪性（图4C）。

3. 概念反思阶段大脑的激活模式 

如图A所示，在对自我生成的概念进行反思时，海马、杏仁核、部分躯体运动网络和默认模式网络的大脑区域参与程度更高。视觉网络在基线期间（冷色）的参与程度比在反思期间的参与程度高，因此在反思期间被抑制。 

使用有限脉冲响应（finite impulse response , FIR）模型对fmri的血液动力学响应模式进行进一步拟合发现，视觉皮层的活动在刺激呈现后3秒左右的激活短暂增加，随后即大幅降低。 

对整个大脑的FIR信号进行的K-均值聚类分析结果显示：1）.视觉皮层、腹侧注意网络中的一些脑区和丘脑形成了一个cluster（B中紫色部分），刺激开始后表现出短暂的活动，可能反映了知觉引导和注意定向过程。2）. 从聚类分析中出现的另外两个cluster（图B中的绿色和黄色）主要包括默认模式和边缘网络、外侧前额叶皮层、海马和杏仁核区域。这两个集群在刺激开始后的7至10秒左右显示了一个延迟的大脑活动峰值。3）与躯体运动网络有很大的重叠的另外一个cluster（图B红色部分），在刺激开始后5秒左右出现一个负峰值，随后显示出缓慢的恢复，并在trial(试次)结束时转为正向激活。 

图5 : 概念反思阶段大脑激活模式图 

4. 基于多变量模式的自我关联和效价预测模型 

为了进一步研究第二个研究问题（我们能否识别和解码自发思维的大脑表征），作者为内容维度评级开发了基于全脑多变量模式的预测模型。 

结果发现，交叉验证的预测性能对与自我相关的维度是显著的，但是在其他维度显示出较差的预测性能。在使用Chang等人的独立研究数据集进一步测试后，研究者们发现只在低自我相关的模块中训练的效价模型显示了更好的预测性能。 

图6: 交叉验证结果

5. 高自我相关试验中情绪效价的大脑特异性表征 

在上一个结果中，效价模型在高自我相关的模块中，表现出了较差的预测性能。对此，作者假设，与低自我相关的模块相比，高自我相关的模块的效价信息将更多的采用特异性大脑活动模式来表征。研究者们训练了两个效价相关模型，一个用于高自我相关的模块，另一个用于低自我相关的模块。结果发现，高自我相关模型中各部分的预测权重的标准差明显高于低自我相关模型。并且，在所有参与者的高自我相关性数据上训练出来的团体模型比用相同数据单独建立的模型的预测性能要差得多。这些结果都表明：当思维中的概念与自我相关程度低时，大脑对效价的表征在人与人之间具有高相似性，但当思维中的概念与自己高度相关时，大脑对效价的表征具有高变异性。 

随后，来自大脑的数据也支持了这一发现。如图B所示，显示出低自我相关的刺激激活的脑区（蓝色）比显示出高自我相关的刺激激活的脑区（红色）更大，更广泛地分布在整个大脑。 

图7: 特异性的情绪效价预测模型

首先，本研究开发了一个基于马尔科夫链的负性情绪预测模型，该模型在多个独立的数据集上具有泛化性。其次，本研究发现反思一个人的自我相关概念强烈地激活了与自传性记忆、情绪以及内部和概念处理有关的大脑区域。最后，本研究对自我产生的概念的内容维度评级的预测模型显示，随着自我相关程度的增加，大脑对效价的表征变得更加具有特异性。

本研究对FAST的成功运用，为行为学和神经影像学提供了一个很有用的新研究工具，为捕捉心理和神经生物学过程创造了新的可能性。本研究表明，FAST提供了有关个人重要思想主题及其语义网络的信息，可以揭示每个人独特的认知和现象学特征。 

同时，本研究也指出由自我相关的思维引起的特异性效价表征的发现对情绪研究有重要的意义。首先，本研究的结果强调了选择刺激物和任务对情绪研究的重要性。假设我们只使用外源性刺激物来诱发情绪，如电影、音乐、或由研究者产生或选择的图片。在这种情况下，我们可能无法完全捕捉到内源性情感体验的大脑表征和机制。其次，自我相关水平可以作为一个关键的情绪背景因素，可以在大脑中产生情感模式的显著变化。第三，尽管情感模式的变化似乎发生在分布于整个大脑的多个脑区，但默认网络和边缘系统中的脑区，如TPJ、海马/杏仁核、VMPFC和TP，在这种模式变化中起着核心作用。