《TRENDS IN Neurosciences》：Beyond Bayesian integration: how meaning shapes placebo effects
编辑推荐：
安慰剂效应展示了期望如何强烈地塑造症状感知和治疗结果。当代贝叶斯（Bayesian）理论通过形式化期望如何与感觉信息整合提供了有价值的见解。然而，这些理论难以解释为什么治疗期望在面临否定证据时仍然持续存在，以及为什么安慰剂反应在个体间差异很大。研究人员认为，安
安慰剂效应展示了期望如何强烈地塑造症状感知和治疗结果。当代贝叶斯（Bayesian）理论通过形式化期望如何与感觉信息整合提供了有价值的见解。然而，这些理论难以解释为什么治疗期望在面临否定证据时仍然持续存在，以及为什么安慰剂反应在个体间差异很大。研究人员认为，安慰剂效应源于更丰富的推断过程，其中个体通过推断的解释性状态（这些状态由其动机偏好塑造并指导治疗效应的解释）来理解其观察结果。将贝叶斯原则与潜在状态推断（latent-state inference）和高阶信念相结合，为安慰剂效应提供了更全面的解释，并强调了神经科学和临床实践的新机遇。
论文解读文章
**研究背景与问题**
安慰剂效应（placebo effect）长期以来被临床试验视为方法学干扰因素，掩盖了治疗的真实效果。然而近二十年来，观点从“麻烦”转向“治疗机遇”，承认其为由期望诱导的强健心理生物学现象，影响疼痛、精神疾病及神经系统疾病等多种条件下的症状感知。期望通过指令、自身（或他人）经验以及情境线索塑造，不仅调节主观体验，还影响神经、自主神经和免疫参数等客观治疗结局。大量神经影像学研究已识别出参与安慰剂效应的分布性皮层-皮层下环路，证实其具有明确的神经生物学基础。尽管如此，临床应用中仍难以可靠诱发安慰剂效应，因为关键机制尚不明确——哪些信息来源能最优促进安慰剂效应。当代主流解释基于贝叶斯整合（Bayesian integration）框架，该框架形式化地描述了期望如何与感觉信息通过统计加权相互作用来塑造感知。然而，这种框架难以解释两个关键发现：第一，期望即使在反复被否定后仍可能持续存在；第二，即使接触相同治疗有效性信息，个体间及个体内安慰剂反应仍存在显著变异性。因此，研究者提出需要超越简单贝叶斯整合，引入更丰富的推断架构。
**研究内容与结论**
研究人员在《TRENDS in Neurosciences》发表的论文中，提出安慰剂效应不能仅通过简单贝叶斯整合理解，而是源自更丰富的贝叶斯推断架构，涉及结构学习（structure learning）——通过推断生成观察的潜在状态（latent state）来理解症状变化。该框架将动机偏好（motivational preferences）和高阶信念（higher-order beliefs）纳入，解释它们如何偏向推断过程，使其朝向主观心理最优而非统计最优。结论是：结合贝叶斯原则与潜在状态推断及高阶信念，能为安慰剂效应提供更全面的计算框架，解释其变异性与持久性，并指导未来神经科学和临床实践的研究方向。
**关键技术与方法**
本研究主要采用理论分析框架，结合现有神经影像学证据，提出潜在状态推断（latent-state inference）模型。关键方法包括：基于预测编码（predictive coding）的贝叶斯整合模型形式化；通过模型比较区分潜在状态推断与简单贝叶斯整合；利用神经影像学数据（如静息态功能磁共振成像、任务态脑激活）验证重叠脑区（如腹内侧前额叶皮层、背外侧前额叶皮层、海马）在安慰剂效应与状态推断中的共同角色。研究未涉及具体实验样本队列，但引用了大量关于疼痛、焦虑等领域的神经影像学证据。
**研究结果**
**Placebo effects through the lens of Bayesian integration**
通过贝叶斯整合视角，感知被形式化为将先验期望（prior）与感觉证据（sensory evidence）结合产生后验估计（posterior）的推断过程。在安慰剂情境中，治疗有效性期望作为先验，与传入感觉输入整合，影响感知症状强度。先验与感觉证据的精度（precision）决定其相对权重：高精度期望增强安慰剂效应，高精度感觉证据限制期望影响。先验本身由多种信息来源（个人经验、言语沟通、社会观察）随时间塑造。贝叶斯模型还承认期望通过预测误差（prediction error）更新，涉及背侧纹状体、腹侧纹状体、杏仁核、中脑、岛叶和前额叶皮层等脑区。
**Placebo effects beyond Bayesian integration**
贝叶斯整合难以解释两个关键发现：期望在反复违背后仍持续存在；相同治疗信息下安慰剂反应变异极大。这些现象指向一个额外的解释层，决定治疗期望何时形成、坚持或修正。潜在状态推断框架提供了解释：个体不仅跟踪刺激-结果关联，还推断当前活跃的潜在原因（如治疗成功、治疗失败或与治疗无关的症状波动）。预测误差的解释取决于推断状态：在稳定状态下，预测误差可能被视为噪声而被忽略；当累积证据表明状态变化时，则触发状态转换。这解释了期望的持久性——只要结果被解释为当前状态内的随机波动而非状态改变，期望就得以维持。同时，同一症状变化可被不同个体解释为不同状态，导致变异性。
**Latent-state inference: interpreting changes in symptoms**
在治疗情境中，个体主动理解症状变化，常涉及一个核心判断：治疗是否导致有意义改善。潜在状态推断允许同时考虑多个候选状态（如治疗成功、治疗失败、症状波动），并指定预测误差如何被诠释。当结果与当前状态兼容时，预测误差被低估为噪声，期望持续；当结果不兼容时，系统推断状态转换。状态转换具有后果性，因为推断状态塑造后续期望及其精度。例如，从治疗成功状态转换到治疗失败状态后，后续结果不再在治疗有效假设下评估，积极期望可能被削弱或撤回。这种动态解释了为何微小解释差异随累积可产生重大后果。
**Treatment inferences are shaped by motivational preferences and higher-level beliefs**
潜在状态推断本身不决定状态内容与结构，这些内容由高阶信念（源于疾病治疗经验、医疗人员信息、文化叙事）和动机偏好影响。例如，“安全至上”策略导致负性结局更易触发状态转换（如从治疗成功到治疗失败），而同等正性证据不足以逆转，产生不对称学习（nocebo效应更强更持久）。另一例子是维持自我一致性动机：患者倾向于保护既有解释模型，对挑战性信息进行最小化或重新解释。这些机制可通过改变结果边界（如“何为成功”）、状态切换概率（hazard rate）、非对称转换先验以及精度加权（precision-weighting）来影响推断过程。
**总结与讨论**
论文结论部分指出：安慰剂效应展示了信念和期望如何塑造症状的感知、解释和行动。虽然贝叶斯整合提供了有用基础，但在解释个体如何解释症状和治疗，以及哪些动机偏好和高阶信念引导其意义构建方面存在局限。潜在状态推断提供了一个有前景的理论框架来解释这种偏离。该框架可进行实证检验，例如通过操纵症状波动框架来观察预测误差折扣与状态切换。未来研究应结合潜在状态模型与纵向期望采样，识别触发期望放弃或克服的阈值，并探讨神经生物学基础——重叠脑区（如腹内侧前额叶皮层vmPFC、背外侧前额叶皮层dlPFC、海马）在状态表示与维护中的作用。临床意义上，应将焦点从单纯生成积极期望转向与患者既有解释框架互动，并在必要时挑战期望，从而利用期望来优化治疗结局。
