从神经生理模式解码反刍状态

《Behavioural Brain Research》：Decoding ruminative states from neurophysiological patterns

　　

摘要：抑郁症患者常常对具有挑战性的情境和可能的结果进行重复性的“反刍”思考。尽管反刍状态已被发现与多种单变量神经生理特征相关，但利用多变量模式对其进行解码的可能性仍不确定。在这项原理验证研究中，研究人员训练了针对个体被试的线性支持向量机，利用alpha、beta和theta频带以及通道间连接性的模式来区分反刍状态与分心状态。研究人员采用经过验证的任务，在三次实验的六轮诱导中，对24名抑郁个体分别进行八分钟的反刍或分心诱导。在诱导期间，研究人员记录了64通道脑电图（EEG）数据，并测量了自我报告的反刍水平。参与者报告反刍显著增加，且在所有个体解码器的平均结果中，研究人员以较小但显著的准确率从EEG模式中分类了反刍状态。然而，在个体水平上，24名参与者中仅有10名的解码准确率高于偶然水平，且个体间的特征权重存在异质性。研究结果表明，反刍状态可以从个体间异质的神经生理模式中解码，但反刍过程的变异性限制了解码方法在参与者间的推广性。

论文解读：解码反刍状态的神经生理模式

反刍（rumination）是指个体在遭遇情绪挑战后，长期反复地关注自身痛苦症状及其可能原因和后果的思维模式。反刍既是短暂的、由情境诱发的心理状态，也是一种相对稳定的人格特质。特质性反刍是抑郁症及其他精神障碍的关键临床特征，与抑郁症的发病、病程严重程度及自杀风险密切相关。神经认知模型认为，状态性反刍通过狭窄化注意焦点、维持负性信息于工作记忆，阻碍了抗抑郁策略的提取，从而形成维持抑郁症状的恶性循环。以往研究主要采用单变量分析方法，考察特质性反刍与脑电频谱特征、静息态功能连接等指标的关系，而对状态性反刍的神经生理相关研究较少，且多基于群体平均水平，忽略了反刍过程可能存在的显著个体间变异性。脑电图（EEG）具有高时间分辨率和便携性的优势，适合捕捉反刍状态快速动态变化的神经信号。然而，能否利用多变量模式从个体EEG信号中解码出实验诱导的状态性反刍，以及这些模式是否具有跨个体一致性，仍是尚未解决的问题。为此，研究人员开展了这项原理验证研究，旨在检验个体特异性神经生理模式能否区分反刍与分心状态，并评估这些模式的跨个体泛化能力。

研究人员招募了24名中重度抑郁患者，通过结构式临床访谈和抑郁量表确认诊断及严重程度，并排除了接受当前精神药物治疗或心理治疗、存在急性自杀风险及其他严重躯体疾病的个体。实验采用重复测量设计，每位参与者在三个实验日内各完成一次反刍诱导和一次分心诱导，每次诱导持续八分钟，诱导顺序在参与者间进行了平衡。反刍诱导采用改编自Huffziger和Kuehner的自我关注提示，引导参与者关注自身症状和情绪；分心诱导则包含中性想象、知识判断、词语生成及与症状无关的自我主题等多种任务，以转移注意力。在诱导过程中，每隔一分钟采用视觉模拟量表（VAS）测量自我报告的反刍和情感状态，并在诱导前后分别用状态性持续思考问卷（PTQ-S）和正负性情感量表（PANAS）进行评估。EEG数据使用64通道actiCHamp Plus系统以1000 Hz采样率记录，预处理后分段为7.5秒的epoch，并提取alpha（8-13 Hz）、beta（13-30 Hz）、theta（4-7 Hz）频带功率以及电极间成对相关连接特征，每个epoch共包含1950个特征。研究人员针对每位参与者训练了线性支持向量机（SVM）解码器，采用留一session交叉验证评估分类性能，并分别在八个一分钟时间窗口内进行分析。此外，还训练了跨参与者解码器以检验模式的泛化性，并采用“虚拟损伤”方法分析不同特征集对解码性能的贡献，同时检查了解码概率估计与自我报告反刍之间的关系。

研究结果显示，反刍诱导显著增加了自我报告的反刍水平，分心诱导则降低了反刍水平，诱导操作有效。在群体水平上，个体特异性解码器的平均解码准确率为54.39%，显著高于50%的偶然水平，但总体准确率较低。解码准确率在一分钟、六分钟和七分钟时最高，均超过55%，且这些时间点的准确率显著高于诱导前静息态基线。然而，个体间解码表现存在很大差异，准确率范围从27.6%到82.6%，仅有10名参与者的个体解码准确率显著高于偶然水平，甚至有两名参与者显著低于偶然水平。跨参与者解码器仅达到49.59%的平均准确率，未显著高于偶然水平，表明神经生理模式在个体间的泛化性有限。进一步分析发现，解码概率估计与自我报告的VAS反刍评分在个体内时间过程上存在显著正相关，平均相关系数为0.24，这表明解码结果具有一定的心理效度。特征贡献分析显示，在10名解码显著的参与者中，仅保留连接特征时解码性能最佳且显著高于偶然水平，而单独使用alpha或beta功率也能获得显著高于偶然水平的准确率；但组水平上的特征权重分析仅发现少数通道（如FP2、F5、F6、AF8）的beta活动和CP2-AF3通道间连接具有显著贡献，个体间特征权重模式高度异质。

讨论部分指出，虽然本研究成功地从EEG模式中解码出状态性反刍，但准确率较低且个体差异大，这可能是由于反刍涉及执行功能、注意、记忆、抽象语义推理等多种神经认知过程，这些过程在个体内部和个体间随时间动态变化，导致神经信号在群体水平上较弱且嘈杂。与以往研究对比，本研究解码状态性反刍的准确率远低于Ayd?n和Ak?n解码特质性反刍的90.62%，这可能反映了状态与特质在时间稳定性和情境变异性上的本质差异。此外，本研究中的跨参与者解码失败与先前在健康个体中成功跨参与者分类特质性反刍的报道不同，可能原因是抑郁症患者本身具有显著的临床异质性，以及状态性反刍的动态特性。限制方面，研究仅纳入中重度抑郁且预试验中反刍操纵有效的个体，结果可能无法泛化至其他抑郁个体或精神障碍人群；EEG中的外周生理伪迹虽经清理，但仍不能完全排除影响；每分钟一次的VAS报告可能与反刍过程存在干扰；连接特征基于时域相关，易受容积传导影响；高维特征与有限样本比例可能导致过拟合。尽管如此，这项原理验证研究表明，个体状态性反刍可以在分钟级时间尺度上从神经生理模式中被解码，尽管信息较弱且编码模式高度个体化。该发现为未来研究反刍的神经认知动态演变以及开发基于神经生理数据的反刍量化工具奠定了基础，也可为干预研究提供客观的神经生理监测方法。