解构风险决策的神经预测因子：多模态神经影像揭示伏隔核与前脑岛在风险选择中的拮抗作用

本研究通过整合四项功能性磁共振成像(FMRI)研究数据(N=230)，揭示了风险决策背后的神经机制。研究人员采用单变量和多变量分析方法，发现伏隔核(NAcc)和内侧前额叶皮层(MPFC)活动预测风险选择，而前脑岛(AIns)活动则预测安全选择。这种三重分离模式在独立样本中得到验证，并发现AIns活动与个体实际债务水平呈负相关。该研究为理解风险决策的神经基础提供了可重复、有效的生物标志物，对神经经济学和决策神经科学领域具有重要意义。

　　

风险决策是人类生存和繁衍的核心能力，从动物觅食到现代金融投资，无不涉及对潜在收益与损失的权衡。尽管神经经济学研究已开展数十年，但关于风险决策的神经机制仍存在争议——是单一系统还是多系统共同参与？早期理论如期望效用理论和前景理论虽能描述行为，却未能阐明其神经基础。随着神经影像技术的发展，研究者开始"打开黑箱"，但早期研究认为广泛分布的单一系统解释风险偏好，而后续工作则提示多个动机系统可能参与其中。这种理论分歧亟需系统研究来解决。

斯坦福大学心理学系的Leili Mortazavi等研究人员在《PNAS Nexus》发表论文，通过四项FMRI研究(合计N=230)，采用创新的实验设计和多模态分析方法，揭示了风险决策的神经预测因子。研究首先在原始样本(n=75)中发现伏隔核(NAcc)和内侧前额叶皮层(MPFC)活动预测风险选择，前脑岛(AIns)活动预测安全选择；随后在独立样本中验证了这一发现，并将预测模型推广到不同风险任务的数据集。研究还通过三重分离分析，将这些神经预测因子与感觉输入和运动输出的神经活动区分开来。

研究采用功能性磁共振成像(FMRI)技术，在四个独立样本中采集脑活动数据。原始和复制样本使用"偏态赌博任务"，被试在核磁中完成风险选择；两个推广样本使用"混合赌博任务"数据。分析方法包括单变量VOI(感兴趣体积)分析、全脑单变量回归、多变量VOI逻辑回归，以及支持向量机递归特征消除(SVM-RFE)全脑分类。个体差异分析结合了实验室风险偏好和真实财务数据(资产与债务)。

"神经活动在不同脑区预测风险与安全选择"部分显示，NAcc和MPFC在风险选择前活动增强，而AIns在安全选择前活动增强。时间过程分析表明，在考虑血流动力学延迟(+6秒)后，NAcc和MPFC活动在风险选择前的头2秒显著高于安全选择。全脑单变量分析同样发现中脑边缘系统区域(包括NAcc和MPFC)活动预示风险选择。值得注意的是，虽然AIns活动在单变量分析中未达显著，但在多变量模型中能显著预测安全选择。模型比较显示，包含AIns活动的模型显著优于仅含NAcc或NAcc+MPFC的模型。

"风险选择神经预测因子与感觉和运动处理的分离"部分通过实验设计实现三重分离。赌博呈现位置(屏幕顶部/底部)激活初级视觉皮层，风险选择与NAcc和AIns活动相关，而按键反应则激活对侧运动皮层。这种时空分离证实神经预测因子独立于感觉输入和运动输出，具有特异性。

"风险选择神经预测因子解释风险偏好的个体差异"部分发现，MPFC活动与总体风险偏好正相关，AIns活动与总体风险偏好负相关。更有趣的是，NAcc活动特别预测对正偏态赌博(潜在大收益)的风险偏好，而AIns活动特别预测对负偏态赌博(潜在大损失)的规避。最引人注目的是，AIns对负偏态赌博的反应还能预测个体实际债务水平，这一关联在控制人口统计学、行为学和自我报告指标后依然稳健。

该研究通过多样本验证和任务间推广，确立了风险决策的神经预测模型。结果表明风险决策涉及多个神经系统的动态平衡：NAcc和MPFC促进风险寻求，AIns促进风险规避。这些发现解决了长期存在的理论争议，支持风险决策的多系统模型。从方法学看，研究展示了神经预测因子在分析间、任务间和个体间的可重复性和普适性。实际意义方面，AIns活动与债务的关联提示这些神经标记物可能反映真实世界的风险态度。未来研究可探索这些神经特征在临床人群(如成瘾、焦虑)中的变化，以及通过神经调控改变风险偏好的可能性。这项研究为理解风险决策的生物学基础提供了重要框架，也为开发基于神经标记物的个性化干预指明了方向。