《Frontiers in Neuroscience》：Neural encoding of auditory processing in schizophrenia
编辑推荐：
专业术语翻译的摘要
引言： 听觉处理异常是精神分裂症的一个核心特征，并与言语感知、认知功能和日常交流的缺陷有关。目前尚不清楚听觉处理的哪个阶段受到最大程度的破坏，以及在群体水平的神经表征上，这些破坏与症状之间的关系。
方法： 研究人员使用了功能磁共振成像（fM
专业术语翻译的摘要
引言： 听觉处理异常是精神分裂症的一个核心特征，并与言语感知、认知功能和日常交流的缺陷有关。目前尚不清楚听觉处理的哪个阶段受到最大程度的破坏，以及在群体水平的神经表征上，这些破坏与症状之间的关系。
方法： 研究人员使用了功能磁共振成像（fMRI）记录，这些记录是在精神分裂症患者和匹配的健康对照者完成一项受控的组块设计言语感知任务时获取的。体素级编码模型将自监督言语模型表征，连同互补的声学和语言学特征，映射到神经反应上。
结果： 在交叉验证评估中，精神分裂症患者在所有评估的兴趣区（ROI）中均显示出比匹配对照组更高的数值编码对齐度，尽管在这个小样本中没有任何效应通过了错误发现率（FDR）校正。最大的数值组间差异出现在额叶语言区域，包括额中回（MFG）和背内侧前额叶皮层（dmPFC），以及早期听觉皮层。亚组分析表明，没有言语听觉幻觉的患者在很大程度上驱动了这种数值上的分离。
讨论： 这些描述性的、产生假设的发现表明，基于模型的编码可以揭示精神分裂症中的额叶-听觉信号特征，但它们并未建立一个临床可行的生物标志物或证明保留或增强的言语编码。需要进行更大规模、统计效力充足的研究，并采用更丰富的特征空间，以进行验证性推断，并测试基于编码的测量是否可以成为具有临床意义的生物标志物。
论文解读文章
1. 研究背景与科学问题
听觉处理异常是精神分裂症的公认核心特征，严重影响患者的言语感知、认知功能和日常沟通能力。以往研究多采用传统的对比分析，如激活水平差异，但难以揭示群体间在神经表征结构层面的系统性差异。近年来，基于深度神经网络的脑编码模型在健康人群中取得了巨大成功，能够高精度地预测自然刺激下的脑活动，这为量化临床人群的神经表征改变提供了新的可能性。然而，将这一强大工具应用于精神分裂症等临床群体的研究仍十分匮乏。
本研究旨在填补这一空白。研究人员提出，如果脑编码模型能够追踪皮层的表征内容，那么精神分裂症相关的感官或语言表征障碍应表现为可测量的、区域特异性的脑对齐度变化。具体而言，该研究试图回答四个核心问题：1）精神分裂症患者与健康对照者在脑编码模型的对齐度上是否存在差异？2）这种差异是否受言语听觉幻觉（AVH）状态影响？3）脑对齐度在不同刺激条件下（词语、句子、反转言语）如何变化？4）哪些特定脑区表现出最强的差异化对齐模式？
2. 研究方法与技术路线
研究人员采用了公开的fMRI数据集，包含23名伴有频繁AVH的精神分裂症患者（AVH+）、23名无AVH的患者（AVH-）和25名匹配的健康对照者（HC）。实验采用组块设计的言语感知任务，包含词语、句子和不可理解的反转言语三种条件。
关键技术方法如下：
- •
多层级特征提取：从刺激音频中提取三个层级的表征：1）低层声学特征：80维对数梅尔频谱图和13个梅尔频率倒谱系数（MFCCs）及其一阶、二阶差分（共119维）；2）中层自监督言语模型特征：利用预训练的wav2vec 2.0和HuBERT模型，提取其第7层隐藏状态（768维，经主成分分析降至256维）；3）高层语言模型特征：利用预训练的BERT模型，提取其第7层隐藏状态（768维，经主成分分析降至256维）。
- •
体素级带脊回归编码模型：针对每个被试的每个体素，训练一个带脊回归模型，将上述多层级特征映射到fMRI血氧水平依赖（BOLD）信号上。模型采用有限脉冲响应（FIR）模型来模拟血流动力学反应的延迟（4个TR，约8秒）。
- •
评估与统计：模型性能通过预测值与实际BOLD信号的皮尔逊相关系数（r）来衡量。通过留出法方差分解（drop-family analysis）评估各特征族的独特贡献。组间比较采用韦尔奇双样本t检验，并进行本杰明尼-霍赫伯格错误发现率（BH-FDR）多重比较校正。
3. 主要研究发现
6.1 基线模型与深度特征增量
- •
结论：完整的编码模型显著优于简单的任务结构基线（如组块时间、声音有无），表明深度模型表征捕捉到了超越任务结构的额外信息。
- •
研究发现：相对于丰富的非深度基线（包含任务结构、声学、可懂度和词汇控制），完整模型在7/12的ROI中预测性能显著提升（平均Δr = +0.0332）。其中，wav2vec 2.0和HuBERT的独特增量最为显著，分别在5/12和4/12的ROI中达到显著水平，而BERT的增量较小且未在任何ROI中显著。
6.2 探索性特征族方差分解
- •
结论：不同特征族在脑区的表征存在显著的区域性分化。
- •
研究发现：重复测量分析显示特征族的主效应和特征族与ROI的交互作用均显著。声学特征在后颞叶（PTL）、后扣带回（PCC）和场景视觉区有显著独特贡献。wav2vec 2.0在PTL、额下回（IFG）、额中回（MFG）、颞中回（MidTemporal）和早期听觉皮层有显著贡献，其中在MFG贡献最大（Δr = 0.045）。HuBERT在PTL、MFG、眶部额下回（IFGOrb）和物体视觉区有显著贡献。BERT则未在任何ROI中达到显著。
6.3 RQ1发现：SCZ组显示出比HC组更高的数值编码对齐度，但该效应是描述性的，未通过FDR显著性检验
- •
结论：精神分裂症患者在几乎所有ROI中均显示出比健康对照者更高的数值脑对齐度，但这一差异未达到统计显著性。
- •
研究发现：在所有12个有效ROI中，SCZ组的编码准确性均高于HC组。最大的数值差异出现在MFG（Δr = -0.0696）、场景视觉区（Δr = -0.0464）、背内侧前额叶皮层（dmPFC）（Δr = -0.0445）和早期听觉皮层（Δr = -0.0433）。然而，所有比较的p值在FDR校正后均不显著。
6.4 RQ2发现：AVH-亚组显示出比AVH+亚组更高的数值编码对齐度
- •
结论：在患者组内，无幻觉的亚组（AVH-）表现出比有幻觉的亚组（AVH+）更高的数值脑对齐度，但同样未达到统计显著性。
- •
研究发现：在大多数ROI中，AVH-组的编码准确性数值上高于AVH+组，提示无幻觉的患者可能驱动了前述SCZ组与HC组之间的数值差异。
6.5 RQ3发现：刺激条件对脑对齐度的影响存在组别依赖性
- •
结论：不同刺激条件（词语、句子、反转言语）下的脑对齐度模式在不同组别间存在差异，但当前的特征空间似乎更多地捕捉到了组块水平的刺激呈现而非精细的语言内容。
- •
研究发现：条件分析揭示了组别依赖的刺激效应，但整体上，模型预测能力主要由刺激是否存在的组块结构驱动，而非由词语或句子的具体语言内容驱动。
6.6 RQ4发现：最大的组间差异集中在额叶语言区和早期听觉皮层
- •
结论：精神分裂症相关的脑对齐度改变并非均匀分布，而是集中在额叶语言网络和早期感觉皮层。
- •
研究发现：最大的数值组间差异（SCZ > HC）主要集中在额中回（MFG）、背内侧前额叶皮层（dmPFC）等额叶语言区，以及早期听觉皮层，这与已知的精神分裂症功能紊乱区域相吻合。
4. 总结与讨论
讨论总结：本研究的描述性、假设生成性结果表明，基于模型的脑编码方法能够揭示精神分裂症中潜在的额叶-听觉信号特征。然而，这些发现并不足以建立一个临床上可行的生物标志物，也不支持精神分裂症患者言语编码能力增强或保留的结论。研究指出，精神分裂症患者表现出数值上更高的脑对齐度是一个反直觉的发现，可能与任务性质（组块设计）、预处理参数或样本量有关。未来的研究需要在更大、统计效力充足的样本中进行验证，并采用更丰富的特征空间，特别是能够区分刺激内容和组块结构的特征，以确定基于编码的测量是否能成为有临床意义的生物标志物。
研究结论翻译：这些描述性的、产生假设的发现表明，基于模型的编码可以揭示精神分裂症中的额叶-听觉信号特征，但它们并未建立一个临床可行的生物标志物或证明保留或增强的言语编码。需要进行更大规模、统计效力充足的研究，并采用更丰富的特征空间，以进行验证性推断，并测试基于编码的测量是否可以成为具有临床意义的生物标志物。
