统计学习的神经解剖基础：皮层与皮层下体积对听觉和视觉模态的差异化预测

本研究探讨了统计学习(SL)能力与大脑结构体积的关系，通过高分辨率MRI和分层回归分析，发现听觉SL(ASL)与 inferior frontal gyrus (IFG)体积显著相关，而视觉SL(VSL)与所有皮层下区域(包括 caudate、putamen、globus pallidus 和 nucleus accumbens)体积显著相关(p<0.05)，揭示了SL在跨模态处理中神经基础的差异性，为理解隐式学习的神经机制提供了新视角。

　　

在我们日常生活的点点滴滴中，大脑无时无刻不在默默学习着周围环境的统计规律——从婴儿咿呀学语时捕捉语音序列的规律，到成人快速识别视觉模式，这种无需意识努力就能提取统计规律的能力，被称为统计学习(Statistical Learning, SL)。尽管SL被公认是语言习得和适应性行为的基石，但科学家们对支撑这种能力的神经结构基础仍知之甚少。以往研究多聚焦于SL过程中的大脑活动，却忽略了一个关键问题：大脑结构的个体差异是否会影响SL表现？更具体地说，在不同感官模态（如听觉和视觉）中，SL是否依赖不同的神经解剖结构？

为了回答这些问题，由Praveen Prem领衔的研究团队开展了一项创新性研究，他们系统探讨了听觉统计学习(Auditory Statistical Learning, ASL)和视觉统计学习(Visual Statistical Learning, VSL)表现与大脑皮层和皮层下区域体积之间的关系。该研究近期发表在《Neuroscience》上，不仅填补了SL神经解剖相关研究的空白，还为理解跨模态学习的神经机制提供了重要证据。

研究团队招募了61名健康成人参与者（43名女性），让他们分别完成非语言性的ASL和VSL任务。两个任务均包含熟悉化和测试阶段：在熟悉化阶段，参与者接触由非语言性形状（VSL）或环境声音（ASL）组成的结构化序列；在测试阶段，他们通过强制选择任务识别正确的序列模式。所有参与者还接受了高分辨率T1加权磁共振成像(Magnetic Resonance Imaging, MRI)扫描，以精确提取多个感兴趣区域(Regions of Interest, ROIs)的体积数据，包括皮层区域的 planum temporale (PT)、fusiform gyrus (FG)、middle temporal gyrus (MTG)、inferior frontal gyrus (IFG)，以及皮层下区域的 caudate (Ca)、nucleus accumbens (NA)、putamen (Pu) 和 globus pallidus (GP)。通过分层回归分析，团队评估了这些脑区体积与SL行为表现之间的关系。

关键技术方法包括：1. 采用基于 PsychoPy 编程的听觉和视觉统计学习任务范式（非语言性刺激）；2. 使用 3.0T Siemens Sonata 扫描仪采集高分辨率 T1 加权 MRI 数据；3. 通过 volBrain 平台进行全自动脑区分割和体积测量；4. 运用分层回归分析（含 FDR 校正）检验脑区体积与行为表现的关联。

行为表现结果

参与者平均在VSL任务中的正确率为61.82%，显著高于ASL任务的48.91%（p<0.05）。两者表现呈显著正相关（r=0.293, p=0.012），表明SL能力存在跨模态的一致性，但模态间也存在明显差异。

体积测量结果

所有脑区的体积数据均成功提取，关键皮层区域如IFG平均体积为18.35 cm³，而皮层下区域如caudate平均体积为7.78 cm³。相关性分析显示，VSL表现与NA（r=-0.314, p=0.015）和GP（r=-0.330, p=0.010）体积呈负相关，ASL表现仅与IFG体积负相关（r=-0.308, p=0.018）。

分层回归模型：视觉统计学习

仅包含皮层区域的模型1对VSL预测不显著（F=0.961, p=0.436）。加入皮层下区域后，模型2显著（F=3.507, p=0.003），且所有皮层下区域体积均独立预测VSL表现：NA（β=-0.403, p=0.007）、Ca（β=0.347, p=0.036）、GP（β=-0.584, p<0.001）和Pu（β=0.413, p=0.011）。这表明皮层下结构对VSL具有独特贡献。

分层回归模型：听觉统计学习

对于ASL，模型1中仅IFG体积显著预测表现（β=-0.369, p=0.033），但整体模型不显著（F=2.02, p=0.105）。加入皮层下区域后，模型2仍不显著（F=1.554, p=0.163），且无其他预测因子出现。这表明ASL主要与IFG体积相关，而与皮层下结构无关。

讨论与意义

本研究揭示了SL神经基础的模态特异性：ASL表现特异性地与IFG体积相关，而VSL则与所有皮层下纹状体区域体积相关。这一发现挑战了IFG作为“域通用”区域的传统观点，提示其可能包含模态特异性功能亚区。同时，皮层下结构在VSL中的普遍关联，支持了纹状体在隐式视觉学习中的关键作用，这与先前活动性研究一致，但首次在结构层面得到验证。

值得注意的是，领域特异性区域（如PT和FG）未显示与SL表现相关，团队推测这些区域可能更参与学习过程（如统计规律提取）而非学习结果（行为表现），未来需结合过程导向指标（如反应时）进一步探索。

研究也存在一定局限性：仅考察了部分脑区，样本限于成人，且未区分IFG亚区（如BA44/45/47）。未来工作可结合功能连接、多模态成像和发育群体（如儿童）数据，以全面构建SL的神经解剖模型。

总之，该研究通过严谨的方法设计和创新性分析，首次系统揭示了统计学习在听觉和视觉模态下的差异化神经解剖基础，为理解人类隐式学习的神经机制提供了重要突破，并对语言习得、学习障碍及跨模态认知干预策略具有深远启示。