(资料图片仅供参考)
我们的思想经常陷入重复的想法中,例如过去的错误、遗憾、不安全感或未解决的冲突。这种持续的消极思维模式被称为沉思,会对心理健康产生有害影响,导致抑郁和焦虑等疾病。研究人员认识到沉思是抑郁症的主要危险因素,因此一直致力于识别其神经特征并开发早期检测方法。
由基础科学研究所 (IBS) 神经科学成像研究中心 (CNIR) 的 KIM Jungwoo 领导的科学家团队与亚利桑那大学和达特茅斯学院的研究人员合作,进行了一项研究,开发了一个预测模型利用机器学习的力量进行反思。
先前的研究已将称为“默认模式网络”(DMN)的大脑区域网络与沉思联系起来。然而,导致沉思个体差异的具体区域仍不清楚。研究小组假设,动态连接的方差(衡量大脑区域之间相互作用随时间的稳定性)由于其时间持久性,可能与沉思有关。
为了测试这一点,他们利用功能磁共振成像(fMRI)来测量健康参与者休息时的大脑活动。研究人员利用每个DMN区域和整个大脑的大脑区域之间的动态连接的方差作为输入,并将沉思分数的自我报告测量作为输出,训练机器学习模型,以根据参与者的功能磁共振成像数据来近似沉思分数。
在所有 DMN 区域中,只有基于背侧内侧前额叶皮层 (dmPFC) 的模型能够成功预测健康参与者的反刍评分。此外,dmPFC 和额下回以及小脑之间的动态连接被发现对于预测反刍特别重要。这些发现强调了 dmPFC 在沉思和抑郁中的重要性,这与之前将该区域与个体高水平反思过程联系起来的研究一致。
值得注意的是,该模型还成功地预测了实际患有重度抑郁症(MDD)的患者的抑郁评分。因此,该模型有望成为抑郁症的有价值的生物标志物,有助于识别高危个体并监测治疗进展。通过揭示沉思的神经基础及其与抑郁症的相关性,这项研究有助于推动心理健康研究的进步,并可能为抑郁症患者带来更有效的干预措施和改善结果。
主要作者胡宗云教授表示:“自然思维流的动态模式极大地影响我们的情绪和情绪状态。沉思是最重要的思维模式之一,这项研究表明,沉思的倾向可以通过功能磁共振成像测量的大脑连接来解码。我们希望这项研究能够继续推进,未来神经影像可以用于监测和管理心理健康。”
展望未来,研究人员计划使用更大、更多样化的人群来验证和完善预测模型。他们还旨在探索该模型在临床环境中的潜在应用,将其与现有的诊断和治疗方法相结合。这一领域的持续研究有可能带来更有效地针对沉思和抑郁的个性化干预措施,最终改善受这些疾病影响的个人的生活。