多感觉整合的行为指标并非“整合强度”的直接读数：基于贝叶斯因果推断的解析框架与模型化推断流程

《Neuroscience & Biobehavioral Reviews》：Analyzing multisensory integration: Do’s and don’ts

　　

多感觉感知（multisensory perception, MSP）是理解大脑如何从嘈杂、碎片化的感觉输入中构建连贯世界表征的核心范式。数十年来，研究者将跨模态错觉的幅度、时间整合窗口（temporal binding window, TBW）的宽度及相关行为指标，直接作为“整合强度”的代理变量，并据此比较不同发展、临床及老龄化人群的多感觉功能。本文认为，这一描述性实践常存在缺陷：多感觉整合的行为读数是由单感觉精度（unisensory precision）、无模态先验（amodal priors）与整合过程本身共同塑造的复合测量指标，不能孤立解读。基于贝叶斯因果推断（Bayesian Causal Inference, BCI）框架的模拟表明，相同的行为模式可能源于截然不同的潜在成因，从而将群体差异系统性地误归因于整合“缺陷”或“增强”。本文评述了耦合先验（coupling priors）、漂移扩散（drift diffusion）、多感觉相关性检测及统计促进（statistical facilitation）等互补计算框架，并概述其各自的解释限度。最后，本文提供了一个基于模型的推断流程，涵盖实验设计、单感觉基线、参数估计与结果解读，旨在帮助分离感觉保真度（sensory fidelity）、先验期望与整合倾向。采用这一规范性方法，可促进基础多感觉研究及其向神经精神评估、寿命研究和人工感知系统转化的累积性进展。

一、研究背景与问题提出

多感觉感知（multisensory perception, MSP）是理解大脑如何从嘈杂、碎片化的感觉输入中构建连贯世界表征的核心范式。神经系统需要解决一个复杂的概率推断问题：评估不同感觉信号是否源于同一事件，并根据其可靠性动态加权。数十年来，该领域以经典行为范式为锚点，包括麦格克效应（McGurk effect）、腹语效应（ventriloquist effect）、橡胶手错觉（rubber hand illusion）及声音诱发闪光错觉（sound-induced flash illusion, SiFI）等，每种范式产生一个特征性因变量，被当作整合的工作指标。例如，麦格克效应中的融合率、腹语效应中的空间偏移量、SiFI中的错觉闪光数量，以及时间范式中的时间整合窗口（temporal binding window, TBW）宽度，均被广泛用于衡量“整合强度”。这些指标还被用于跨人群比较，如自闭症谱系障碍（autism spectrum disorder, ASD）个体表现出减小的视听时间整合窗口，精神分裂症患者出现改变的时间整合窗口，儿童通常具有更宽的整合窗口，老年人则呈现降低的时间精度和改变的信赖加权模式。

然而，将这些行为指标单独作为整合的直接指数，其解释价值有限。每个行为指标都是复合测量，由单感觉输入的感觉精度、无模态先验（amodal priors）及整合机制本身共同塑造。当这些贡献未被分离时，发展、老化或临床条件下的群体差异可能被误归因于整合“缺陷”或“增强”，而实际上反映的是单感觉敏锐度或知觉策略的变化。这正是本文要解决的核心问题：如何通过计算建模和精细实验设计，将多感觉整合行为读数中的不同成分解析开来。

二、研究内容与主要结论

本文系统梳理了多感觉整合行为指标解读中的三个常见陷阱，并通过贝叶斯因果推断（Bayesian Causal Inference, BCI）框架的模拟加以论证。首先，错觉幅度并不必然指示整合强度：单感觉可靠性差异、无模态先验以及整合倾向均可独立调节错觉幅度。其次，更宽的时间整合窗口并不代表增强的整合：降低的单感觉时间精度或时间性无模态先验均可拓宽窗口。第三，性质不同的错觉结果（分裂与融合）并不必然反映不同的整合机制：两者可由统一的BCI原则产生，取决于感觉可靠性与先验期望的动态加权。基于这些分析，本文提出一个基于模型的推断流程，从实验设计、单感觉基线到参数估计与解读，旨在分离感觉保真度、先验期望与整合倾向，为多感觉研究提供规范性方法论框架。

三、关键技术方法

本文主要采用以下关键技术方法：一是贝叶斯因果推断（BCI）模型，用于模拟多感觉整合行为并分离整合倾向（p_common）与感觉噪声参数；二是二维BCI模型（2D-BCI），用于模拟时间整合窗口的形状与宽度变化；三是BCI Python工具箱（Zhu et al., 2024），用于生成模拟数据；四是模型比较与参数估计流程，通过拟合模型到经验数据并与替代模型进行形式化比较；五是互补计算框架的评述，包括耦合先验、漂移扩散模型、多感觉相关性检测及统计促进模型。本文为理论模拟研究，未涉及样本队列。

四、研究结果

2.1 错觉幅度并不必然指示整合强度

本部分通过BCI模拟证明，错觉幅度受三个因素共同调节：单感觉可靠性（如视觉噪声σ_V与听觉噪声σ_A的差异）、无模态先验（如对闪光数量的先验偏向）以及整合倾向（p_common）。当视觉可靠性远高于听觉时，听觉后验强烈偏向视觉估计，产生大偏移；当两者可靠性相近时，偏移较小。同样，更高的p_common产生更大偏移。模拟还显示，在声音诱发闪光错觉（SiFI）的F1B2条件下，改变任一单感觉噪声或p_common均可显著改变错觉的普遍性与强度。因此，更强的错觉并不必然意味着整合过程的实际改变。

2.2 更宽的时间整合窗口并不代表增强的整合

本部分采用2D-BCI模型模拟了时间整合窗口（TWI）的参数敏感性。结果显示，改变p_common、σ_V、σ_A（数量精度）会同时改变TWI的峰值幅度与宽度；而改变σ_Vt与σ_At（时间精度）主要影响曲线整体高度，对峰值位置影响较小。这表明TWI并非“更强”或“更弱”整合的直接代理，而是p_common、单感觉噪声（信号强度与时间）及无模态先验复杂交互的产物。将TWI变化仅归因于增强或减弱的整合能力，可能忽略单感觉时间精度变化或领域一般性时间期望的贡献。

2.3 性质不同的错觉结果并不必然反映不同的整合机制

本部分论证了分裂（fission）与融合（fusion）效应可由统一的BCI原则产生，无需假设分离的“分裂通路”与“融合通路”。BCI框架通过估计信号源于共同或分离来源的概率来调节知觉，分裂与融合均可由感觉可靠性与先验期望的动态加权产生。例如，McGovern等（2014）发现老年人对分裂错觉更敏感而融合效应稳定，Yu等（2022）发现奖励关联选择性减少分裂错觉，但这些差异可由数量先验的微小偏移解释，而非分离的整合架构。同样的逻辑适用于知觉交互的符号反转现象，如头倾斜对主观视觉垂直的影响，单一贝叶斯模型可通过从整合到分离的转变捕捉这一现象。

五、讨论与结论

本文强调，多感觉整合的行为读数（错觉幅度、TWI宽度、分裂与融合的差异）均是由单感觉精度、无模态先验与整合机制共同塑造的复合测量，不能孤立解读为“整合强度”的直接指标。将群体差异简单归因于整合“缺陷”或“增强”，可能混淆单感觉敏锐度或知觉策略的变化。为此，本文推荐采用计算建模方法，特别是BCI框架，结合单感觉基线测量，以分离整合倾向（p_common）与感觉噪声参数。研究结论指出，采用这一规范性方法，可促进基础多感觉研究及其向神经精神评估、寿命研究和人工感知系统转化的累积性进展。未来研究应在实验设计阶段即规划数据分析方案，并考虑注册报告（registered report）以增强研究的严谨性与可重复性。