摘要
重复性消极头脑(RNT)包括面向未来的担心和面向过去的反刍，两者在认知和情绪上具有相似的特征。这些不同但相干的过程在大多程度上会激活重叠的神经布局尚不确定，因为大多数神经科学研究只单独研究担心或反刍。为了办理这个问题，本研究利用fMRI测量了39名具有不同RNT特质评分的年轻人的担心和反刍头脑，并同步记录了情绪评分和心率，作为唤醒生理指标。多元表征相似性分析显示，分布在默认模式网络、突显网络和额顶叶控制网络中的多个地区在担心和反刍头脑的编码方式上存在相似。别的，担心和反刍之间的心率变化并无显著差别。在支持自我参照加工、影象、突显检测和认知控制的网络中捕捉担心和反刍头脑之间共享的神经特征，为支持RNT的认知和临床模型提供了新的实证证据。
弁言
重复性消极头脑(RNT)是指对自我、环境和经历中消极方面的持续性思考。从概念上讲，RNT是一个潜伏的构念，反映了特定范例头脑(如担心和反刍)之间的共享认知过程。担心是对未来灾难无法控制和夸大的负性头脑，传统上与焦急症有关；而反刍则是沉湎于过去的问题和失败，传统上与抑郁症有关。临床文献中对担心和反刍头脑的区分，也延伸到了神经科学领域，然而很少有研究查验担心和反刍头脑过程的神经表征是否存在重叠。测试担心和反刍在神经生物学上的重叠，将有助于相识它们在RNT中的认知共享程度。别的，确定RNT的特定大脑回路对于改善跨诊断类别心理困扰的病因和治疗模式也非常重要。
关于担心和反刍头脑的不同研究线索涉及三个功能性大脑网络：默认模式网络、外侧额顶网络和突显网络。这些网络的功能与担心和反刍头脑之间的共同特征相吻合，表明它们可能激活了相似的神经布局。例如，在默认模式网络(或内侧额顶叶网络)中，后扣带皮层(PCC)和内侧前额叶皮层(PFC)的激活，可能与担心和反刍中涉及的自我相干头脑和自传体影象加工有关，这些过程是RNT的典型特征。人在面临忧虑和反刍时，外侧额顶叶网络(特别是背外侧前额叶皮层(PFC))的激活表明，在RNT过程中难以有效地克制和转移负性头脑。末了，突显网络(或中扣带-岛叶网络)地区，包括前扣带皮层(ACC)和岛叶在担心和反刍中的激活，可能表明大脑对负面内源性刺激(即头脑和影象)的敏感度增加，导致个体在RNT过程中感到被“困住”而难以摆脱。
只管有证据表明担心和反刍头脑在概念上存在相似性，但很少有研究探究它们在同一样本中的神经相似性程度和空间模式。一项fMRI研究发现，担心和反刍状态与中性情境相比，在多个大脑地区(包括突显网络、默认模式网络和外侧额顶叶网络)的激活模式上存在相似性，同时也保留了一些独特的激活特征。然而，这项研究的范围性在于试次数目较少，且缺乏同步的生理和主观情绪体验标记。别的，以往的研究也受限于传统的单变量分析，即通过对体素和刺激进行聚合来量化大脑地区的信号强度。这种方法不能捕捉到跨体素活动模式编码的关于刺激特征的细微信息。因此，要确定大脑在多大程度上反映了担心和反刍的共同特征，关键是要在同一样本中查验由多个个体的担心和反刍所引发的多体素激活模式。
本研究通过利用多体素分析方法，探究了担心和反刍头脑引发的神经表征重叠情况。将担心和反刍的神经表征重叠概念化为RNT的共享过程，并利用多元表征相似性分析(RSA)对这种重叠进行了量化。与单变量的体素建模方法不同，RSA通过比力一组体素的激活模式，能够捕捉到不同刺激的独特信息。利用RSA盘算担心和反刍期间神经模式的相似性，以确定两者之间的表征距离。更高的相似性或较短的表征距离表明，担心和反刍之间可能共享某些雷同神经机制或加工过程。本研究利用探照灯程序来辨认个体的担心和反刍表征最为相似的地区，同时与中性状态的激活模式进行对比。与之前的研究划一，本研究假设担心和反刍会在默认网络、额顶网络和突显网络中表现出相似的活动模式。
方法
到场者特征
本研究共招募了152名迈阿密大学的本科生到场者。一般而言，在大门生群体中，重复性消极头脑(RNT)特征的分布可能呈正偏态，意味着高RNT特征的个体较少。由于本研究盼望确保招募的到场者具有足够的反刍头脑，因此会优先招募在预学期评估中陈诉有较高RNT程度的门生。本研究盘算了约莫600名心理学门生的持续性头脑量表(PTQ)的平均得分(M=23， SD=12.41)。向那些得分高于平均程度的门生发送邀请，并优先安排他们到场实行(图1)。
图1.担心与反刍范式。
所有到场者在学期开始时(时间点1)完成了一系列问卷，测量了担心、反刍头脑和其他心理健康症状，之后这152名到场者中有120人在学期末(时间点2)进行了重测。在时间点2，到场者还完成了一份关于担心和反刍头脑的调查量表。本研究重点关注39名到场者，这些到场者不但完成了时间点2的测量，而且符合fMRI研究的纳入标准。所有39名到场者在第二次测量后一周左右完成了fMRI扫描。为了查验RSA相对于一般负面情绪的特异性，23名到场者还完成了一项IAPS观看任务；由于扫描期间的时间限制，部门到场者未能完成任务(39名被扫描的到场者中，有10名未完成IAPS任务，6名仅完成了2个block中的1个)。生齿统计信息和自我陈诉量表的描述性统计数据如表1所示。
表1.生齿统计信息和自我陈诉量表的描述性统计数据。
fMRI数据预处理
利用fMRIPrep 1.4.1对数据进行预处理，fMRIPrep 1.4.1是基于Nipype 1.2.0的fMRI数据标准化预处理管道。fMRIPrep鼓励用户按照一定的格式来描述分析过程，并且将陈诉内容纳入研究的补充质料部门。
在fMRI扫描期间同时收罗心理生理学数据
在每次fMRI任务运行期间，收罗了包括心率在内的心理生理学数据。这些数据利用Biopac MP160数据收罗系统进行收罗。心率通过PPG100C-MRI光电容积脉搏波放大器捕捉，该装备从到场者左手无名指指尖的传感器处记录数据，采样率为1000Hz。这些数据通过BioPac AcqKnowledge程序(版本4.3.1)转换后，在Mindware 3.2中进行分析。心率时间序列被划分为与每个fMRI试次对齐的34s时间段。峰值被自动标记，由研究助理手动检查，并由研究者进行二次检查。
行为和生理数据分析
为了验证到场者所写的担心和反刍头脑陈述是否具有可区分性，本研究测试了大型语言模型是否能够成功地对到场者的陈述进行分类。简而言之，本研究利用了Mistral-7B-Instruct-v0.2模型(https://mistral.ai/)，并将到场者所收到的具体指令以及到场者的陈述(N=2078)输入该模型进行分析。重点关注模型的精度，即模型将某个陈述分类为担心语句的比例。然后，查验担心和反刍头脑生成调查的聚合效度。别的，本研究还进行了回归分析，以确认在fMRI扫描期间的担心和反刍头脑陈述的评分比中性陈述更加负面和猛烈。末了，通过评估fMRI期间心率与强度评分之间的关系来查验担心和反刍头脑是否表现出相似或独特的生理特征。
fMRI数据分析
本研究的主要目标是通过测试人们在进行反刍头脑或担心时的大脑活动重叠程度，来辨认反刍头脑和担心的神经基础。起首对每个担心、反刍和中性试次进行标准的单变量GLM分析，以生成输入到多元探照灯RSA的信号。将预处理后的数据输入到AFNI的3dDeconvolve函数中，每个试次单独建模，并且加入了6个头部运动参数。每个试次的全脑β图按试次范例(担心、反刍、中性)进行分组，然后利用RSA进行进一步分析。
鉴于传统的单变量GLM应用非常广泛，本研究还进行了两项独立于RSA的单变量分析，这些分析效果详见补充质料。起首，本研究盘算了担心+反刍与中性条件的对比。其次，为了确定哪些地区的平均活动与RNT共享的情绪强度方面相干，本研究根据到场者的情绪强度评分对每个试次进行了振幅调制分析。只管这些分析并非本研究假设的焦点内容，但它们作为补充实析，有助于与现有文献的整合。
主要RSA分析。本研究通过取1减去体素活动图之间的相干性来盘算每对试次之间的表征距离。所有可能的担心、反刍和中性试次对之间的距离或不相似性值被输入到一个表征相异性矩阵(RDM；图2a)中。为了进行探照灯RSA分析，本研究构建了一个模型表示RDM，该模型反映了本研究假设，即反刍和担心共享共同的神经机制，因此它们的活动表现会非常相似(即它们之间的相异度或距离为0)，并且与中性条件有显著不同(图2b)。在整个大脑范围内利用9mm半径的球形探照灯，以辨认观察到的RDM与模型RDM显著匹配的体素簇。利用单侧符号秩查验来评估模型RDM与观察RDM之间的相干性，查验得到的p值表示中心体素的统计显著性。重复这个过程，直到得到全脑的p值图，并利用错误发现率(FDR；α=0.05)进行多重比力校正。
图2.RSA及fMRI任务中的探照灯程序概述。
为了查验上述分析效果是否可能受到中性陈述等稠浊效应的影响，本研究进行了一个额外的探照灯分析，该分析仅包括担心和反刍试次。与主要分析不同，该模型的RDM定义为担心和反刍试次之间神经活动模式的最大差别。这种不考虑中性陈述的直接比力，使我们能够确定它们之间的显著差别是否可能被中性陈述的潜伏干扰因素所掩盖。
利用标准化情绪图片进行特异性分析。为了查验RSA效应是否与一般的负面情绪相干，本研究进行了额外的分析，测试了区分担心和反刍与中性提示的神经布局是否与区分标准化的、视觉的、非自传性的负性刺激(如IAPS图像)的神经布局相似。通过对负面和中性刺激进行RSA探照灯分析，检查这些刺激是否会受到情绪效价的影响。该分析仅限于23名完成了IAPS范式两轮的到场者，以确保每个到场者的RDM巨细雷同，并与模型RDM划一。利用雷同的GLM和RSA参数，但接纳了一个新的模型RDM，该模型将负性和中性图片试次视为完全不同的条件。随后，生成发的聚类反映了能够区分负性与中性图片的体素。对统计图进行FDR校正以确定统计显著性。通过将IAPS图与担心和反刍RSA图叠加进行可视化检查，以确定它们之间的相似性。
效果
起首通过一个大型语言模型区分生成的担心和反刍语句来验证本研究中的担心和反刍调查问卷。研究发现，模型在将到场者的陈述精确分类为担心或反刍时，准确率为93%，这表明错误分类的情况非常少见。模型不但提供了每个陈述所属的类别(担心或反刍)，还提供了为什么这个陈述符合担心或反刍定义的解释。
本研究进一步验证了调查问卷，探索了到场者对担心和反刍陈述的评分在评分范例(频率或强度)、陈述范例(担心或反刍)、话题相干性(即个人相干性)，以及与反刍-负性头脑(RNT)特质分数关系上的变化情况。话题相干性的主效应(p＜0.001)表明，到场者对最具个人相干性的话题(如朋侪)有关的陈述评分更高，表现为更猛烈和更频仍的担心和反刍(图3A)。别的，陈述范例的主效应表明，担心陈述的频率和强度评分高于反刍陈述(p＜0.001)。末了，特质RNT的显著效应(p＜0.001)表明，那些在自我陈诉量表中陈诉有较高倾向RNT的人，在本研究调查中也表现出更多和更猛烈的担心及反刍头脑(图3B)。
图3.行为和生理学证据表明，担心和反刍范式会引发负面情绪体验。
特质RNT程度较高的个体倾向于将其个人担心评价为更频仍和更猛烈(图3B，p=0.003)。别的，特质RNT与更频仍和更猛烈的反刍头脑相干(p=0.021)。这些效果表明，个体在一样平常生活中经历的特定担心和反刍头脑的频率和强度与他们在特质量表上测量的RNT程度存在对应关系。
特定的担心和反刍陈述在成像期间诱发了情绪反应。起首，调查中的强度评分能够预测扫描过程中的情绪强度评分(个体内：p＜0.001，个体间：p=0.012；图3C)。然后，本研究比力了担心、反刍和中性陈述在情绪效价和强度上的差别。担心(p＜0.001)和反刍(p＜0.001)陈述的情绪效价被评为比中性陈述更为负面(图3D)。类似地，担心(p＜0.001)和反刍(p＜0.001)陈述的情绪强度被评为比中性陈述更猛烈(图3D)。
本研究还查验了这些陈述是否会引发生理唤醒。层级模型分析显示，反刍(p=0.523)和担心(p=0.177)的心率比中性试次略有增加，但这种差别未到达显著程度。然而，第二个利用连续情绪强度评分作为预测因子的模型发现，无论陈述是担心照旧反刍，情绪强度评分与心率之间存在显著相干(p=0.002；图3E)。这表明，负面情绪强度(担心和反刍的共同特征)可能比情绪范例的分类标签更能有效预测心理生理反应。
利用探照灯方法来辨认那些在担心和反刍中激活模式相似，但在中性陈述中激活模式不同的体素簇。分析发现，与担心和反刍相干的大脑地区主要位于默认模式网络、突显网络和外侧额顶叶网络，包括腹内侧前额叶皮层(vmPFC)、前扣带皮层(ACC)、背外侧前额叶皮层(dlPFC)、岛叶、海马、杏仁核、外侧颞叶以及皮层中线布局。经FDR校正后的体素簇图如图4所示。别的，本研究还通过探照灯RSA来辨认哪些脑区在处理担心和反刍时表现出不同的神经激活模式。分析发如今顶下小叶、外侧颞叶和背外侧前额叶皮层中存在少量激活簇。然而，经FDR校正后，这种激活不显著。
图4.通过探照灯RSA方法辨认出编码担心和反刍试次的脑区。
为了确定RNT探照灯效应的特异性，本研究还比力了负面情绪刺激与RNT效应在大脑中是否激活相似的布局。总的来说，研究效果发现，与中性试次相比，担心和反刍试次之间的相似性不但仅是由情绪效价所致。相反，担心和反刍的某些共同特征(例如，自传式的、口头的、内部生成的)可能是导致大脑活动表现出特定模式(通过RSA探照灯检测到的效应)的缘故原由。
结论
重复性消极头脑(RNT)是一种高阶认知过程，理论上反映了特定范例头脑(如担心和反刍)之间的概念相似性。只管存在这种概念上的重叠，但神经科学领域通常将担心和反刍分开进行研究。因此，我们对它们之间神经重叠的程度知之甚少，同时也没有足够的证据表明它们在神经层面上共享同一机制。为此，本研究将一种新的担心和反刍范式与多元RSA团结，旨在捕捉担心和反刍之间的相似性，最终展现RNT背后的神经生物学过程。研究提供了关键证据，支持RNT作为一个涉及中枢和外周神经系统的共同过程，超过多种具体的担心和反刍头脑范例。担心和反刍在与自我参照、影象、突显检测和认知控制等大脑网络相干的表征中表现出共享特征。这些发现为理解大脑如何实行RNT提供了重要线索，有助于改善对与消极认知相干心理停滞的理解与治疗。
参考文献：Puccetti, N., Stamatis, C., Timpano, K. et al. Worry and rumination elicit similar neural representations: neuroimaging evidence for repetitive negative thinking. Cogn Affect Behav Neurosci (2024). https://doi.org/10.3758/s13415-024-01239-z
小伙伴们关注茗创科技，将第一时间收到出色内容推送哦～
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
