神经质的人大脑连接不一样

发表在《神经影像》的一项新研究揭示，神经质与大脑不同网络之间的交流改变有关，而非孤立的脑活动。研究人员发现，这种人格特质水平较高的人在负责处理情绪、调节记忆和检测威胁的大脑区域之间显示出更强的连接性。这些发现表明，情绪不稳定源于大脑情感中枢与其他区域的同步方式。

柏林医学院研究员Marvin S. Meiering与一组科学家共同领导了这项研究。该团队想要理解神经质的生物学基础，这是一种涉及经常经历强烈负面情绪倾向的人格特质。神经质水平高的人往往难以从压力事件中恢复，并面临更高的抑郁症等心理健康问题风险。

长期以来，研究人员认为神经质仅仅是由杏仁核过度活跃引起的。杏仁核是大脑深处一个杏仁状的结构，充当情绪警报系统。它检测环境中的潜在威胁并触发恐惧或焦虑反应，但最近的科学综述质疑了这种简单的想法。

较新的理论提出了情绪不稳定的不同机制。焦点转向杏仁核如何与大脑其他部分交流。一个重要的伙伴是海马体，这是一个主要因帮助形成记忆和在物理空间导航而闻名的大脑区域。

最近的科学模型表明，海马体还在为情绪体验创建时间戳方面发挥作用。它帮助将我们的感受锚定到特定事件和情境。如果杏仁核变得过于活跃，它可能会打断这个时间戳过程。

如果没有清晰的边界，负面情绪记忆可能会渗透到其他情境中。这导致糟糕的感觉在压力事件结束很久之后仍然持续。研究人员想要绘制杏仁核如何与不同神经质水平人群的海马体相互作用。

他们检查的另一个重要大脑区域是背外侧前额叶皮层。这个区域位于大脑前部附近，像一个控制中心。它大量参与认知控制，包括调节和平静情绪反应的能力。

为了调查这个问题，Meiering和他的同事招募了115名18至45岁的健康成年人。研究人员使用功能性磁共振成像监测参与者的大脑。这种扫描技术追踪大脑中的血流，使科学家能够实时看到哪些区域活跃。

在扫描仪内，参与者观看了一系列图片。一些图像显示展示负面情绪如恐惧、厌恶和悲伤的人类面孔。其他图像只是中性、周围有彩色边框的打乱图案。

实验中使用的情感面孔来自专为心理学研究设计的专门数据库。图片展示演员表现特定的、强烈的情绪状态。这种视觉设置在可靠激活负责处理负面感受的大脑区域方面有良好的记录。

研究人员没有要求参与者在实验过程中主动管理他们的感受。相反，他们给志愿者一个简单的任务。参与者只需要识别面孔的性别或打乱图像周围边框的颜色。

这种简单的活动确保了大脑中发生的任何情绪调节都是完全自动和无意识的。在脑部扫描之前，参与者还完成了五份不同的人格问卷。研究人员将这些调查的结果合并成每个人的单一、高度准确的分数。

这种数学方法有助于消除仅依赖一项调查时经常发生的随机误差。在分析脑部扫描时，团队首先检查了特定大脑区域的孤立活动水平。关于孤立脑活动的结果在统计上不显著。

杏仁核并没有简单地工作得更努力或在高度神经质个体中更亮。相反，差异出现在不同大脑区域同步其活动的方式上。研究人员测量了功能连接性，这追踪两个大脑区域的活动模式随时间匹配的紧密程度。

他们发现，神经质得分较高的人在左侧杏仁核和左侧海马体之间显示出增强的交流。这种过度活跃的连接与关于情绪记忆的较新理论一致。如果杏仁核和海马体在负面体验期间不断互动，它可能会打断大脑打包这些情绪的能力。

这种生物学怪癖可能解释了为什么高度神经质的人难以应对持续存在的负面情绪，这些情绪会泛化到安全的情境。研究人员还发现了杏仁核和背外侧前额叶皮层之间增强的交流。因为这个前额叶区域通常会平息情绪，这里增强的连接性最初可能看起来像一个积极的特质。

然而，研究人员怀疑它实际上反映了一个低效的情绪控制系统。高度神经质者的大脑可能必须额外努力地自动管理负面感受。他们的控制中心必须不断与杏仁核交流以保持基准情绪反应的检查，这可能会让他们感到情绪疲惫。

扩大视野看整个大脑，研究团队发现了更多独特的连接模式。右侧杏仁核显示出与前岛叶和中扣带皮层的强连接。这两个大脑区域是显著性网络的核心组成部分。

显著性网络是一个不断扫描环境寻找重要信息的大型大脑系统。它帮助大脑决定哪些外部刺激或内部感受需要立即关注。杏仁核与这个网络之间增强的同步表明了一种持续的过度警觉状态。

高度神经质个体的大脑似乎特别设计用于不断搜寻潜在威胁。特别是前岛叶，帮助弥合身体感觉和有意识情绪之间的差距。在实验期间它与杏仁核的强连接为高度神经质者经常报告的身体不适提供了新的生物学证据。

像所有科学研究一样，这项研究也有局限性。使用的成像方法只能显示大脑连接性与人格特质之间的关系。它们不能证明这些特定的大脑模式直接导致一个人变得神经质。

研究人员还指出，他们只在单一时间点检查了参与者。这使得难以区分永久性人格特质和暂时性的坏心情。未来的研究需要追踪参与者数年，以查看这些神经特征是否在一生中保持稳定。

此外，大脑和行为研究经常受困于小的数学效应量。研究人员承认，他们的许多发现不会通过传统的严格统计障碍。为了适应，他们依赖专注于大脑模式的一般大小和方向的高级统计模型。展望未来，科学家需要用数千名参与者复制这个实验，以验证大脑连接性中的这些细微差异。