抑郁中异常的岛叶活动对负面反馈的反应及对正面反馈学习的减少是适应不良自我信念的基础

Aberrant insula activity to negative and reduced learning from positive feedback underlie maladaptive self-beliefs in depression

作者信息Nora Czekalla, Alexander Schröder, Annalina V Mayer, Janine Stierand, David S Stolz, Tobias Kube, Christoph W Korn, Ines Wilhelm, Jan Philipp Klein, Frieder M Paulus, Sören Krach, Laura Müller-Pinzler
PMID42562807
发布时间2026-08
DOI10.1038/s41398-026-04341-7

实验完整度

包含行为学和神经影像两个证据层级,但缺少体内动物模型或细胞实验等更广泛的功能验证。

主要模型

35名抑郁症患者 32名健康对照

重点核对

样本量:抑郁症组35人,对照组32人 诊断标准:抑郁症(F32.1/2, F33.1/2) 任务:LOOP任务,分4种条件(自我/他人 × 高/低能力),各20个试次 fMRI参数:3T Siemens MAGNETOM Skyra,TR=0.992s, TE=28ms, 体素3×3×3mm3 统计方法:线性混合模型,计算建模(加权效价模型)

摘要

背景:适应不良的自我信念是重性抑郁障碍的核心症状。这些信念因对自我相关反馈的负性偏向整合而得以维持。理解信念更新的神经计算机制可能有助于对抗适应不良信念和抑郁的维持。方法:本研究采用信念更新任务和功能神经影像学,检查重性抑郁个体(n=35)与匹配的健康对照(n=32)自我相关反馈加工的神经计算机制。我们假设抑郁中症状负担的增加与负性偏向的自我信念更新和社交反馈的血流动力学反应改变相关。结果:我们的发现表明,在临床样本中,随着症状负担的增加,意外积极反馈的整合减少,并且岛叶对意外消极反馈的反应性普遍升高。结论:对负面反馈的血流动力学反应性增加与积极反馈学习的减少之间的相互作用为抑郁中的认知扭曲提供了新的见解,并可能解释适应不良自我信念的持续存在,从而解释抑郁的维持。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
抑郁症患者自我信念更新的神经计算机制是否异常,特别是对正负预测误差的处理。
核心机制
抑郁症患者岛叶对消极预测误差的反应性增强,且症状负担越高,对积极预测误差的学习越少,导致自我信念更新倾向于消极。
主要证据
脑成像显示抑郁症组岛叶对消极预测误差的追踪强于对照组;行为上症状负担与积极学习率呈负相关。
研究意义
研究揭示了抑郁中认知扭曲的神经机制,可能为针对自我信念的干预提供新靶点。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

参与者招募与分组

比较抑郁症患者与健康对照在信念更新和神经反应上的差异。

招募35名抑郁症患者和32名健康对照,进行临床量表和任务测试。

2

执行LOOP任务并收集行为数据

测量自我和他人相关反馈下的信念更新过程。

参与者在fMRI中执行LOOP任务,对自身和他人的估计能力进行预测和反馈,同时进行情绪评分。

3

计算建模

估计每个参与者的学习率等参数,反映信念更新模式。

利用强化学习模型(加权效价模型)拟合行为数据,比较组间学习率差异。

4

fMRI数据采集与分析

检验组间对预测误差的神经反应差异,特别是岛叶等区域。

采集fMRI数据,分析反馈阶段的脑活动,比较组间对正负预测误差的追踪。

5

相关分析

探索症状负担、学习率与脑活动之间的关系。

计算症状负担与学习率、脑活动之间的相关性。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
西门子MAGNETOM SkyraSiemens--
MATLAB(2015b版)The MathWorks, Inc.--
SPM12----
RStan----
R----
cocor----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
参与者招募
诊断标准、年龄、性别匹配、排除标准
阅读提示:参见Methods的Participants部分
任务设计
条件设置、试次数量、反馈概率、预测误差控制
阅读提示:参见Methods的Learning Of Own Performance (LOOP) task部分
数据采集
MRI扫描参数、任务内时间参数、情绪评分时间点
阅读提示:参见Methods的FMRI data acquisition部分
数据分析
计算模型、统计模型、ROI定义、多重比较校正
阅读提示:参见Methods的Statistical analysis和FMRI data analysis部分