自闭特质与预测处理：统计学习与速度/准确率权衡的关联研究

本研究针对自闭症谱系障碍(ASD)的预测处理理论框架，通过大样本(n=296)的谱系研究方法，探讨了自闭特质(AQ)与统计学习及模型更新能力的关系。研究人员采用交替序列反应时任务(ASRT)发现，自闭特质与统计学习无关，但高AQ个体在环境规则变化后表现出更平衡的速度/准确率权衡(SAT)，提示其目标导向与习惯系统平衡可能存在差异。该成果为理解ASD认知机制提供了新视角，发表于《Scientific Reports》。

　　

自闭症谱系障碍(Autism Spectrum Disorder, ASD)的认知和社会功能异常一直是神经科学领域的重点课题。近年来，预测处理理论(Predictive Processing)为解释ASD症状提供了新视角——该理论认为大脑通过整合先验经验与感官输入构建内部模型来预测未来事件。然而，ASD个体可能存在预测模型更新迟缓的问题，这被认为是社交困难、焦虑和刻板行为的潜在机制。但现有研究结论不一，部分原因在于ASD的高度异质性和传统病例对照设计的局限性。

为突破这些限制，Flora Hann团队创新性地采用谱系研究方法，在296名神经典型成人中量化自闭特质(AQ分数)，通过改良版交替序列反应时任务(Alternating Serial Reaction Time task, ASRT)探究预测处理的认知机制。ASRT任务通过隐藏的概率序列设计，能同时测量统计学习(Statistical Learning)和速度/准确率权衡(Speed/Accuracy Trade-off, SAT)，前者反映对环境规律的隐性学习能力，后者可控制视动性能的潜在干扰。

关键技术方法包括：(1)在线ASRT任务设计，包含学习阶段(序列A)和干扰阶段(序列B反序)，通过高低概率三联体(High/Low-probability triplets)区分学习效果；(2)线性混合模型(Linear Mixed Models)分析AQ分数与学习分数、SAT分数的关联；(3)排除饮酒、药物使用及精神疾病史参与者确保数据纯净。

主要结果

统计学习与自闭特质无关

无论是反应时(RT)还是准确率(Accuracy)，高低AQ组在序列A学习阶段(Bin1-3)的表现无差异。例如，高概率三联体的反应时优势从Bin1的2.62ms提升至Bin3的7.66ms，但AQ主效应(p=0.776)及交互作用(p=0.975)均不显著。

模型更新速率不受自闭特质影响

干扰阶段(Bin4-6)中，所有参与者对序列B(Bin5)的敏感性相似：统计学习分数从Bin4的7.62ms降至Bin5的-1.49ms，恢复序列A后(Bin6)又回升至7.81ms。AQ分数未显著调节这一模式(RT: p=0.987; Accuracy: p=0.883)。

速度/准确率权衡的动态差异

SAT分析揭示关键发现：高AQ个体在序列变化后(Bin5)更倾向于平衡策略(SAT分数-0.41)，而低AQ组保持速度优先(-0.53，交互作用p=0.002)。这种差异可能反映高AQ个体在环境变化时从习惯系统(Habitual System)向目标导向系统(Goal-directed System)的转换增强。

讨论与意义

该研究首次在统计学习框架下验证了预测处理理论，否定了"慢更新假说(Slow Updating Hypothesis)"在神经典型人群中的普适性，但通过SAT动态揭示了自闭特质可能与认知控制策略相关。这一发现为理解ASD的执行功能(Executive Function)异常提供了新思路——环境变化可能触发高AQ个体更谨慎的响应模式，这或许与默认模式网络(Default Mode Network)活动异常或对波动性(Volatility)的高估有关。

研究创新性地将谱系方法与计算认知范式结合，避免了临床样本的混杂因素，为后续ASD研究提供了方法学参考。未来可通过眼动追踪(Anticipatory Eye Movements)区分错误类型，或结合脑电图(EEG)探索神经噪声机制，进一步揭示预测处理的本质差异。成果对开发基于认知优势的ASD干预策略具有潜在价值。

（注：全文数据及代码已开源于OSF平台，符合开放科学规范。）