编辑推荐：
在研究运动技能学习时，经颅磁刺激（TMS）中刺激可预测性会干扰皮质脊髓兴奋性（CSE）的测量结果。研究人员对比可预测和不可预测条件下的运动诱发电位（MEP），发现不可预测 TMS 的 MEP 幅度更大。这强调控制 TMS 可预测性对准确解读 CSE 变化很重要。
在神经科学领域，运动技能学习是人类日常生活和各种活动的基础，它与神经系统的功能密切相关。经颅磁刺激（Transcranial Magnetic Stimulation，TMS）作为一种常用的研究工具，常被用于评估皮质脊髓兴奋性（Corticospinal Excitability，CSE），进而探究运动技能学习过程中的神经机制。以往研究发现，动作观察（Action Observation，AO）能使 CSE 增强，这一现象通常被认为与镜像神经元激活和观察学习有关 。然而，在众多使用 TMS 的研究中，刺激的可预测性存在差异，这一因素可能会干扰对 CSE 变化的准确解读。例如，有些研究虽试图控制可预测性，但仍存在部分可预测的情况，或者引入了其他混淆因素，使得研究结果的解释变得复杂。为了更准确地了解 TMS 可预测性对 CSE 的影响，来自新西兰奥塔哥大学（University of Otago）的研究人员 Napat Sriutaisuk 和 Elizabeth A. Franz 开展了相关研究，研究成果发表在《Experimental Brain Research》杂志上。
研究人员采用了多种关键技术方法。在实验中，他们通过大学海报和社交媒体招募了 20 名右利手参与者。利用肌电图（Electromyography，EMG）记录双侧第一背侧骨间肌（First Dorsal Interosseous，FDI）的电活动；使用单脉冲单相 TMS，通过 Magstim 200 刺激器连接八字形线圈对左侧运动皮层进行刺激；借助神经导航技术（Neuronavigation），利用 NDI Vega ST 系统和 InVesalius 3.1.99998 软件精确引导线圈定位 。实验过程中，参与者需要观察屏幕上的视觉提示（可预测的移动白条或不可预测的静态白条），同时接受 TMS 刺激，记录相应的 MEP 反应。
研究结果如下：
- 实验设计与数据处理：实验自变量为 TMS 的可预测性（可预测和不可预测）。每个条件均呈现 20 次，每次试验开始时会先显示一个随机时长（5 - 7 秒）的静态白条，之后程序随机选择一种条件。在可预测条件下，白条会在 3.5 秒内逐渐清空并重新填充，在填满时给予 TMS 脉冲；不可预测条件下，静态白条在 3.5 秒内保持不变，之后给予 TMS 刺激。EMG 数据经记录、滤波、分段和降采样后，使用 R 软件进行分析。计算 MEP 幅度，并对数据进行正态性和方差检验，根据检验结果选择合适的统计方法进行组间比较123。
- MEP 幅度差异：分析结果显示，不可预测条件下的 MEP 幅度（0.906 ± 0.12 mV）显著大于可预测条件（0.743 ± 0.11 mV） 。通过 Shapiro - Wilk 检验确认差异分数符合正态分布，配对 t 检验表明这种差异具有统计学意义（t[19]=3.69，p = 0.0015，效应量 d = 0.83，95% CI [0.31, 1.33]）。z 评分后的幅度分析也得到了类似结果（t[19]=4.15，p <0.001，d = 0.93，95% CI [0.39, 1.45]），这表明可预测刺激会显著抑制 CSE456。
- 影响因素分析：线性回归分析发现，使用原始 MEP 幅度时，刺激强度和利手性是影响 MEP 幅度的显著预测因子，而可预测性不是；但使用 z 评分后的幅度进行分析时，可预测性成为唯一显著的预测因子 。这表明个体间基线兴奋性的差异可能会掩盖实验效应，而 z 评分标准化能有效解决这一问题7。
研究结论和讨论部分指出，本研究结果支持了可预测 TMS 会导致更低 MEP 幅度的假设，即 TMS 的可预测性会显著调节 CSE 。以往研究中报道的 AO 诱导的 CSE 促进作用，可能部分是由于可预测性效应，而非 AO 本身的作用。这强调了在未来研究中控制 TMS 刺激可预测性的重要性，只有这样才能更准确地研究 CSE 的调节机制以及相关神经可塑性的变化。同时，本研究也存在一定局限性，例如实验仅使用了视觉刺激来提示 TMS 的可预测性，无法确定 MEP 幅度的差异是纯粹由 TMS 可预测性还是视觉信息的可预测性导致的；此外，实验中可预测性与刺激运动存在混淆，未来研究可使用静态但在时间上有可预测或不可预测变化的刺激（如变色点）来进一步区分这两个因素的影响 。尽管如此，该研究为后续关于 TMS 和 CSE 的研究提供了重要参考，对深入理解运动技能学习的神经机制具有重要意义。
