《European Journal of Neuroscience》:Analysis of Task Demand Effects on Visual and Auditory Mismatch Negativity (MMN) Across Autistic and Schizotypal Traits
编辑推荐:
本研究针对任务难度如何调节跨模态失匹配负波(MMN)及其与自闭症(AQ)、精神分裂样(SPQ)特质的关联这一核心问题,结合听觉(aMMN)与视觉(vMMN) oddball范式开展多维度研究。结果显示高任务难度显著降低双模态MMN振幅(aMMN d=1.826,vMMN d=1.005),提示感知负荷对预测误差信号的调控作用,为难解的特质-神经关联提供新证据,对推动神经发育障碍的预测加工机制研究具重要价值。
在认知神经科学领域,大脑如何处理“意外”一直是核心议题——当规律的声音序列里突然冒出一个不同音高的音符,或是规律的视觉画面中出现方向略异的条纹,大脑会瞬间产生一种名为“失匹配负波(Mismatch Negativity, MMN)”的事件相关电位(Event-Related Potential, ERP)成分。这被广泛视为预测加工框架(Predictive Processing Framework, PPF)中“预测误差(prediction error)”的神经标志:大脑不断用先验经验预测未来输入,一旦现实偏离预期,就会触发MMN来更新内部模型。然而,这个看似自动的过程真的不受任务难度影响吗?它在自闭症谱系(Autism Spectrum Disorder, ASD)和精神分裂谱系障碍(Schizophrenia Spectrum Disorder, SSD)这两类神经发育与精神疾病中为何表现迥异?
现有研究留下太多矛盾与空白:虽然经典理论认为MMN是前注意(pre-attentive)的自动反应,但涉及任务难度的研究结果却支离破碎——有的发现增加认知负荷不影响MMN,有的则报告高难度会削弱响应;更麻烦的是,视觉MMN(vMMN)的证据远少于听觉MMN(aMMN),且样本普遍偏小(平均仅17人),统计效力堪忧。临床层面,ASD和SSD常被视为PPF的两端:前者被认为“低估先验”,依赖即时感官输入,理论上应放大预测误差而增强MMN;后者则“高估先验”,压制感官证据,可能导致MMN减弱。可荟萃分析显示,ASD患者与健康对照的MMN差异并不稳定,成人数据尤其匮乏,而精神分裂症的MMN减弱虽是较可靠指标,但在亚临床的精神分裂样特质人群中是否延续此模式尚不清晰。此外,自闭症的社会性与非社会性特质(如细节关注)可能涉及不同机制,却鲜有研究在统一范式中同时考察视听双模态。这些缺口恰恰是本研究的突破口——让社区人群在不同难度的视听oddball任务中接受脑电(Electroencephalography, EEG)记录,同步收集自闭症谱系商数(Autism-Spectrum Quotient, AQ)和精神分裂样人格问卷(Schizotypal Personality Questionnaire, SPQ)评分,看任务需求如何调制MMN,以及特质维度如何与之交互。
为严谨解答这些问题,葡萄牙波尔图大学心理学与教育科学学院伦理委员会批准了研究方案(Ref. 2022/09-06)。团队招募122名18-60岁社区参与者(62名女性),完成包含“容易”与“困难”两种难度的听觉和视觉oddball任务:听觉采用100ms纯音(容易:500/520Hz;困难:500/513Hz),视觉采用倾斜Gabor光栅(容易:1°/7°;困难:4°/7°),均为25%偏差概率设计,参与者需按键响应目标刺激。EGI 128导高密度脑电系统记录信号,经HAPPE+ER自动化预处理后,取Fz电极簇150-300ms窗口计算aMMN,Pz电极簇150-350ms窗口计算vMMN(目标减标准波幅)。统计分析采用配对t检验比较难度效应,多元线性回归分别以AQ三因子(社交技能缺陷、沟通/想象困难、限制兴趣与细节导向(Restricted Interest and Detail Orientation, RIDO))和SPQ三因子(阳性、阴性、混乱特征)预测各条件下的MMN,并用贝叶斯因子(Bayes Factor, BF10)评估证据强度。
3.1 Task
行为数据验证了难度操控有效性:困难条件下反应更慢(听觉503ms vs 461ms,视觉496ms vs 434ms,p<0.001),准确率更低(听觉73% vs 85%,视觉76% vs 94%,p<0.001)。脑电结果证实假设一(H1):困难任务显著削减双模态MMN——听觉MMN从容易条件的-0.426μV降至困难条件的-0.052μV(t(107)=-2.095, p=0.019, d=1.826);视觉MMN从-0.480μV降至-0.208μV(t(106)=-3.270, p<0.001, d=1.005),Bonferroni校正后仍显著。这说明感知负荷会压缩预测误差信号,支持PPF中“模糊偏差减少模型更新需求”的解释。
3.2 Autistic and Schizotypal Traits
量表相关性揭示结构分化:AQ-RIDO与其它自闭症维度无关联,却与SPQ混乱特征弱相关(r=0.252, p=0.005);SPQ各因子中度互相关联。回归分析呈现趋势级但未校正显著的线索:困难视觉任务中,更高AQ-RIDO分对应更大vMMN振幅(B=-0.045, p=0.045),符合假设二(H2)中“非社会特质增强预测误差”的方向;容易听觉任务中,更高AQ沟通困难分对应更小aMMN振幅(B=0.111, p=0.034)。但贝叶斯因子多数支持零效应(BF10<0.39-0.52间),仅容易vMMN与AQ社交技能的关联证据含糊(BF10=1.08)。
4.1 Task
本研究首次在同一样本中证明任务难度对双模态MMN的一致抑制效应,与部分早期小样本研究相反,但与PPF逻辑吻合:偏差与标准刺激越难区分,系统越依赖先验,预测误差越小。需注意的是,主动oddball设计引入了注意成分,因此MMN不仅反映纯预测误差,还混合注意力分配效应。
4.2 Autistic Traits
未发现自闭症特质的强稳健关联,但趋势暗示社会与非社会维度的分离:沟通困难可能削弱听觉MMN(尤其在容易条件),而RIDO可能在困难视觉任务中放大vMMN,呼应Ford等用面部刺激发现细节关注提升vMMN的结果。这契合遗传与神经证据中社会/非社会自闭特征的独立性,也说明简单刺激可能不足以激发特质相关差异,复杂情境才暴露机制。
4.3 Schizotypal Traits
最意外的结果是假设三(H3)落空:SPQ阳性特质与MMN无显著关联,BF10多支持零效应(0.27-0.86)。这与临床精神分裂症的MMN减弱形成对比,提示亚临床阳性症状未必伴随相同神经标记,可能反映从特质到疾病的非线性跃迁,或任务设计未触及该类人群的关键预测异常域。
4.4 Limitations and Future Studies
局限包括主动范式混淆注意、偏差试次偏少(每条件约76次)、缺乏适应控制、自动化预处理的新颖性,以及学生样本的同质性。未来需拓展被动范式、复杂社会刺激、更大社区样本,并分离偏差大小与任务难度效应。
4.5 Conclusion
任务难度是调制预测误差信号的关键杠杆,双模态MMN均随感知负荷上升而衰减。尽管自闭症与精神分裂样特质未展现强力关联,但社会性沟通困难与非社会性细节导向分别在听视觉通道的趋势级效应,提示多维特质可能差异化塑造预测加工,尤其在挑战性任务中显露痕迹。这为推动MMN从单纯生物标志物转向情境化神经指标奠定基础,也为理解神经多样性群体的感知异质提供了跨模态实证支撑。