一种能够读取流动思绪中所含情绪的预测模型被开发出来。
基础科学研究院(IBS)11日表示,脑科学影像研究团副团长禹忠完(成均馆大学全球生物医学工程系教授)研究团队,利用功能性磁共振成像(fMRI·functional MRI)测量大脑活动模式的数据为基础进行机器学习,读取出思绪的自我关联度与情绪状态。
思绪的流动有时或许让人觉得是随机的,但大多与自身相关且含有情感。因为人类在判断信息的重要性时,会考虑其与自己有多大关联(自我关联度)、对自己是正面还是负面(正负面情绪)。
作为思绪主要轴线的“自我关联度”与“正负面情绪”,是反映个人性格、认知特性、精神健康等的重要指标。但由于它们不受意识约束地产生,一旦加以注意内容就可能改变,因此研究上存在困难。
对此,研究团队制作了与无意识思考形态最为相似的个人定制化故事刺激。实验刺激以与参与者进行的一对一访谈内容为基础制作,访谈围绕安全、愉悦等正面主题与危险、疼痛等负面主题展开。故事大多由本人的经历及与之相关的情感构成,因而十分熟悉,阅读时呈现出与无意识思考最相似的样态。这克服了以往研究所使用的外部刺激与我们不受意识约束自然产生的日常思绪相距甚远的问题。
首先,在参与者于fMRI设备内阅读自己的故事期间记录大脑活动模式。之后参与者再次阅读故事,并报告自己每一瞬间感受到的自我关联度与正负面情绪。研究团队将如此收集到的49人的自我关联度与正负面情绪分数,按分布各分为五个水平。此时,为尽可能控制自我关联度与正负面情绪之间的相关关系并独立预测,将两者同时考虑的25种组合对数据进行了量化。
研究团队通过机器学习对各水平对应的大脑活动模式进行学习,开发出预测模型。该模型在代入新的大脑活动模式时,也成功预测了该人每一瞬间感受到的自我关联度与正负面情绪。
更进一步,在没有外部刺激、自由思考或休息期间收集的约200人的大脑活动模式中,也以具有统计学意义的水平读取出上述两项。
第一作者、IBS脑科学影像研究团研究员金洪智表示:“新的预测模型与以往将事先制作的实验刺激统一应用于所有参与者的研究不同,采用了个人定制化刺激”,“不仅如此,它还能解读不局限于实验条件的日常思绪中的情感,这也是其差异所在。”
副团长禹忠完表示:“虽然有各种试图从大脑中读取思绪的尝试,但关于思绪中所含隐秘情感的研究几乎没有开展”,“本次研究有望有助于理解思绪与情感的个体差异,并帮助掌握引发抑郁感或不安感的思绪与情感模式,今后可为人类精神健康提供重要信息。”
本次研究成果于3月28日发表在国际学术期刊《美国国家科学院院刊》(PNAS·Proceedings of the National Academy of Sciences)网络版。






