由韩国神经科学成像研究中心和达特茅斯学院的研究人员领导的一项新研究表明，大脑活动可以预测人们在情感上如何体验自己的想法。利用大脑扫描和个性化的故事叙述，该团队开发了一种将大脑成像与机器学习相结合的方法，以实时解码思想的情感方面。该研究发表在《美国国家科学院院刊》上。
这项研究解决了理解人类思维的一个重大挑战：我们如何跟踪和衡量自发思维过程中出现的个人且往往转瞬即逝的情绪？这种想法随时可能发生，即使我们在休息或睡觉时也是如此。然而，事实证明，捕捉这些想法而不打断它们是很困难的，因为专注于它们的行为本身就可以改变它们的本质。
研究人员希望开发一种方法来预测思想的情绪质量，无论它们是积极的还是消极的，以及它们与人的自我意识的相关程度，而不要求人们实时报告他们的想法。
为了探索这一点，研究人员结合了个性化故事和脑部扫描。首先，每位参与者都接受了采访，以创作一组与他们个人相关的故事。这些故事基于重要的生活经历和情感记忆。然后，参与者阅读这些故事，同时使用功能性磁共振成像 (fMRI) 记录他们的大脑活动，该功能可测量流向大脑不同部位的血流变化。这使得研究人员能够了解大脑对故事中每个时刻的反应。
大脑扫描后，参与者再次阅读他们的故事，并评估他们在叙述的不同时刻感受到的情绪积极或消极程度。他们还评估了他们认为故事内容与自己的相关程度。根据这些评级，研究人员将大脑数据分为与不同水平的情绪积极性（或消极性）和自我相关性相对应的部分。他们为每个参与者创建了这两个维度的 25 种不同组合，代表不同的情绪状态和个人重要性水平。
有了这些数据，团队就使用机器学习（一种可以在大型数据集中查找模式的人工智能）来创建预测模型。这些模型可以读取参与者的大脑活动，并根据功能磁共振成像扫描确定他们的想法是积极还是消极，以及这些想法与他们个人生活的相关程度。
研究人员发现某些大脑网络在这些情绪预测中发挥着关键作用。例如，前岛叶和中扣带皮层特别参与预测想法与人的自我意识的相关程度。
与此同时，背内侧前额叶皮层和左颞顶叶交界处等区域有助于预测想法是积极的还是消极的。这些大脑区域属于更广泛的网络，负责注意力、情绪调节和自我反思，显示出这些过程在自发思维过程中是如何相互关联的。
值得注意的是，研究人员还在另一组 199 人身上测试了他们的模型，这些人没有阅读故事，只是在大脑扫描仪内休息和自由思考。即使参与者没有专注于任何特定任务，模型也能够预测他们的情绪状态以及他们的想法与个人的相关程度。这表明这些大脑模式在不同类型的思维中是一致的，从阅读等结构化任务到更自发的白日梦。
这些发现意义重大，因为它们表明可以使用大脑成像来解码我们内部情感世界的各个方面。该研究的首席研究员 Choong-Wan Woo 指出，虽然许多公司都专注于从大脑活动中解码单词或图像，但很少有公司正在探索这些想法背后的情感。通过关注情绪而不仅仅是思想内容，这项研究可能会带来理解和解决心理健康状况的新方法，例如焦虑或抑郁，其中负面情绪和沉思发挥着核心作用。
基础研究所副所长 Choong-Wan Woo 表示，目前有几家科技公司和研究团队正在努力直接从大脑活动中解码文字或图像，但旨在解码这些想法背后的亲密情感的举措有限。科学，谁领导了这项研究。我们的研究以人类情感为中心，旨在解码自然思维流动中的情感，获取有益于人们心理健康的信息。
博士研究生、本研究的第一作者 Hongji Kim 强调，“这项研究具有重要意义，因为我们解码了与一般思维相关的情绪状态，而不是针对仅限于特定任务的情绪”，并补充说，“这些发现增进了我们的理解”影响主观体验的内部状态和环境，可能揭示思想和情感的个体差异，并有助于评估心理健康。
这项研究提供了一种有前景的新方法，但也有一些局限性。一项挑战是，这些预测虽然很重要，但并不高度准确，特别是当应用于休息时的自发思维时。研究人员承认，使用大脑数据预测如此复杂的个人经历很困难，并且可能需要更复杂的方法。
他们还指出，研究中使用的个人故事可能引起了参与者不同程度的关注，这可能会影响结果。在未来的研究中，他们计划通过使用更广泛的故事并检查思想的其他情感维度来完善模型。
此外，虽然该研究成功地识别了可以预测自我相关性和情绪积极性的模式，但目前还不清楚这些预测在现实世界中的应用效果如何，因为现实世界中的思想和情绪更加动态和复杂。未来的研究需要在更自然的环境中测试这些模型，以确定它们更广泛的适用性。
这项研究《大脑对自发思维的解码：使用个人叙述对自我相关性和效价进行预测建模》由 Hong Ji Kim、Byeol Kim Lux、Eunjin Lee、Emily S. Finn 和 Choong-Wan Woo 撰写。