基于模型的停止信号数据分析揭示证据积累的稳健神经与临床相关性,而非抑制控制

《Neuropsychopharmacology》:Model-based analysis of stop-signal data reveals robust neural and clinical correlates of evidence accumulation but not inhibition

【字体: 大 中 小 】 时间:2026年04月23日 来源:Neuropsychopharmacology 7.1

编辑推荐:

  本项研究针对传统停止信号任务中抑制控制指标(如SSRT)的局限性,引入了更为精细的RDEX-ABCD模型,旨在从机制层面剖析认知过程。研究团队将该模型应用于IMAGEN大型队列的SST数据,通过弹性网回归和连接组预测建模等方法,深入探究了模型参数与物质使用、脑功能连接之间的关联。结果发现,与抑制控制相关的参数同物质使用并无显著关联,而与一般决策过程相关的参数(如证据积累效率、决策阈值、Go失败概率)及其对应的脑网络活动,能够显著预测大麻和香烟使用。这些发现表明,在物质使用易感性方面,一般性决策机制比传统的抑制控制指标更具预测潜力。

  
在当今社会,物质使用障碍及相关精神健康问题日益受到关注。传统理论认为,个体的“抑制控制”能力不足是导致此类问题的重要风险因素。抑制控制,简单来说,就是我们主动停止一个已经启动或即将启动的不当行为的能力。在实验室中,科学家们常用“停止信号任务”来测量这种能力,并从中计算出一个核心指标——停止信号反应时间。这个指标越小,通常被认为抑制控制能力越强。然而,近年来有声音质疑,这个沿用已久的模型是否太过简化,以至于忽略了任务执行背后更复杂的认知过程。就像试图用一个简单的公式去解释一部精密机器的所有运转机制,难免会遗漏关键细节。那么,抑制控制能力弱,究竟是物质使用的“因”,还是更深层认知缺陷所表现出来的“果”?为了回答这个根本问题,一项发表于《Neuropsychopharmacology》的研究应运而生。它没有停留在表面行为指标,而是动用了一种名为RDEX-ABCD的先进计算模型,像一台高精度CT机,试图“扫描”出人们在执行停止信号任务时,大脑内部到底在进行怎样精细的“计算”和“决策”。
这项研究主要运用了以下几种关键技术方法:首先,研究者利用了大型纵向神经影像队列IMAGEN在参与者19岁和23岁时的数据,样本量超过千人。核心分析工具是RDEX-ABCD模型,这是一个结合了证据积累模型和ex-Gaussian分布的混合计算模型,用于从停止信号任务的行为数据中估计出多个刻画“Go”和“Stop”过程的潜变量参数。接着,他们采用弹性网正则化回归,来探究这些模型参数与通过时间线回溯法评估的物质使用(如香烟、大麻、酒精)之间的多变量预测关系。最后,运用连接组预测建模这种机器学习方法,基于全脑功能连接矩阵,来预测那些与物质使用相关的关键模型参数,从而识别支持这些认知过程的特定大脑网络。
模型拟合
研究者将RDEX-ABCD模型应用于IMAGEN队列的数据,模型比较结果显示,不带触发失败概率的非线性增长函数模型在两个时间点上拟合最佳。模型成功地捕捉了观察到的行为数据,且参数恢复分析表明模型参数可以被可靠地估计。
参数随时间相关性
研究发现,RDEX-ABCD模型的大部分核心参数在19岁和23岁之间显示出中等程度的相关性,表明这些认知特质在个体间具有一定的时间稳定性。值得注意的是,从RDEX-ABCD模型衍生的SSRTRDEX与传统积分法计算的SSRTINT在时间稳定性上没有显著差异。
RDEX-ABCD模型参数与物质使用
通过弹性网回归分析发现,模型参数能显著预测香烟和大麻的使用。其中,匹配选项的积累速率、Go失败概率和反应决策阈值是预测力最强的三个参数。具体而言,更低的匹配积累速率、更高的Go失败概率以及更低的决策阈值,与更高的香烟和大麻使用频率相关。然而,没有任何模型参数能显著预测酒精或其他药物的使用。
CPM结果
连接组预测建模成功预测了多个关键参数。基于Go试次的功能连接网络能够显著预测证据积累效率、决策阈值和Go失败概率。同时,基于成功停止试次的网络也能预测SSRTRDEX和SSRTINT,但在23岁时,网络对SSRTINT的预测不显著。在预测性能上,对证据积累效率的预测最为稳健。
网络强度与物质使用的相关性
进一步分析发现,在19岁时,只有Go失败概率对应的脑网络强度与香烟和大麻使用相关。而在23岁时,证据积累效率和决策阈值对应的脑网络强度与物质使用显著相关,但Go失败概率的网络强度则不再相关。与抑制控制过程相关的脑网络强度在两个时间点上都与物质使用没有显著关联。
研究结论与意义
本研究通过应用先进的RDEX-ABCD计算模型,对大规模青少年队列的停止信号任务数据进行了深度解析,得出了颠覆传统观念的结论。研究发现,那些反映一般性决策过程的认知参数——特别是证据积累效率、决策阈值和Go失败概率,以及支持这些过程的特定脑网络活动——是预测香烟和大麻使用的稳健指标。相反,直接表征抑制控制过程的参数不仅与物质使用缺乏关联,其神经相关性也较弱。
这一结论具有重要的理论和实践意义。理论上,它挑战了“抑制控制缺陷是物质使用核心风险因素”的简化观点,将关注点转向了更为基础的、跨任务的决策机制。证据积累效率低下,意味着个体在嘈杂环境中提取目标相关信息、做出适应性决策的能力较弱,这种普遍存在的认知特质可能构成了多种外化精神病理的共同风险基础。在实践中,这项研究表明,未来的风险评估和干预措施可能需要超越传统的抑制控制训练,转而关注如何提升个体的核心决策效率和信息加工能力。
此外,研究也揭示了方法学上的重要方向。与基于较少试次的停止过程参数相比,从大量Go试次中衍生出的决策过程参数(如EEA)表现出更好的时间稳定性和预测效度。这提示,在未来的认知神经科学研究中,尤其是在关注个体差异和临床预测时,采用更精细的计算模型来分解行为数据,并优先考虑那些测量更可靠、机制更清晰的认知维度,可能比依赖单一的传统行为指标更能揭示本质规律。总的来说,这项研究不仅深化了我们对物质使用风险机制的理解,也为计算精神病学和认知神经科学领域提供了新的分析范式和靶点。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号