编辑推荐：
在大脑研究中，个体认知结构差异尚不明晰。研究人员整合 ISC、RSA 和顶点编码模型，对 59 名受试者进行 25 项认知任务的 fMRI 研究。结果发现个体认知结构存在差异，额顶叶和高阶视觉皮层有主体不变的认知结构。该研究为理解大脑认知提供新视角。
大脑，这个神秘而复杂的器官，一直是科学家们不懈探索的领域。我们每个人都独一无二，思考方式、学习能力、记忆特点各不相同，这些差异背后的神经机制究竟是什么呢？以往研究表明，感觉运动区域的个体差异较小，而联合皮层的个体差异较大，但对于基于任务相似性关系的认知结构个体差异，却鲜有人深入探究。比如，不同人在面对语言、视觉、听觉等各种认知任务时，大脑的反应模式有何不同？这些差异又如何塑造了我们独特的认知能力？为了解开这些谜团，来自日本国立信息与通信技术研究所、法国里昂神经科学研究中心等机构的研究人员开展了一项极具意义的研究，相关成果发表在《Communications Biology》上。
研究人员采用了多种关键技术方法。首先，通过功能性磁共振成像（fMRI）采集 59 名年龄在 20 - 55 岁受试者的数据，这些受试者参与了涵盖记忆、语言、内省、听觉、运动和视觉六大认知领域的 25 项任务。接着，构建顶点编码模型，利用任务类型特征和衍生的权重值来分析大脑活动。同时，结合主体间相关性（ISC）和表征相似性分析（RSA），计算基于模型权重的 ISC（weight - ISC）和基于表征相似性矩阵的 ISC（RSM - ISC），以此探究认知结构。
下面来看看具体的研究结果：
- 编码模型捕捉个体认知结构差异：训练任务类型编码模型预测大脑活动，发现其能在整个皮层进行稳健预测（预测准确率均值 ± 标准差为 0.153 ± 0.025），且具有个体特异性，跨个体预测准确率（0.054 ± 0.007）显著低于个体内预测。通过计算 25 项任务的 RSM，发现其存在显著个体差异，并且利用 RSM 进行个体识别，准确率可达 100%，至少 14 项任务就能实现准确识别。
- 高阶脑区存在主体不变的认知结构：计算 RSM - ISC 和 weight - ISC 发现，二者在不同脑区表现不同。RSM - ISC 在额顶叶联合皮层和高阶视觉皮层较大，而 weight - ISC 在中央沟、颞上回和枕叶皮层较大。校正 weight - ISC 后对比发现，高阶脑区如双侧枕上回（SOG）、颞中回（MTG）等 RSM - ISC 更大，而初级感觉运动区 weight - ISC 更大。
- 皮层表面存在不同认知结构：对 RSM 进行主成分分析（PCA），发现额顶叶和高阶视觉区域内认知结构存在差异。不同区域的顶点，如红色区域（v - 5）、绿色区域（v - 6）、蓝色区域（v - 7），任务组织方式不同，体现出不同的认知结构。
- 其他潜在特征呈现相似但更窄分布：采用视觉 Transformer（ViT）和 GPT - NeoX 提取潜在视觉和语言特征构建编码模型，发现其能有效预测大脑活动。且与任务类型特征类似，非感觉区域 RSM - ISC 大于 weight - ISC，感觉运动区域则相反，但分布更窄。
在研究结论与讨论部分，该研究成功证明了 RSM - ISC 在评估个体认知结构变异性方面的有效性。RSM - ISC 能够捕捉任务间关系信息，这是 weight - ISC 和传统基于活动的 ISC 所无法做到的。它为将行为相似性数据与大脑表征联系起来提供了新方法。不过，研究也存在一定局限性，如任务集未涵盖所有认知因素，原始 RSM - ISC 可能受 weight - ISC 干扰，且可能存在更合适的评估认知结构的指标。尽管如此，该研究为大脑认知结构的研究开辟了新方向，让我们对个体差异和共性的神经基础有了更深入的理解，有助于后续进一步探究大脑奥秘，为认知神经科学发展提供重要支撑。
