《Journal of Neuroscience Methods》：Neuroimaging of Reality: A New Approach for Investigating Neural Bases of Decision-Making With Real-World Objects
编辑推荐：
本研究针对神经影像学依赖虚拟刺激生态效度低的问题，开发了Lab-Life设备，该设备能在确保精确监测和电生理记录兼容性的前提下，实现真实物体的操控。研究通过爱荷华赌博任务(IGT)和骰子游戏任务(GDT)验证了该设备在行为数据自动识别、事件相关电位(ERP)精确锁时以及参与者主观体验方面的有效性，为连接实验室研究与真实情境提供了创新方法平台。
我们对于大脑如何工作，特别是其认知功能（如决策能力）的理解，随着技术的演进而不断深入。从菲尼亚斯·盖奇的脑损伤案例到现代神经影像技术，研究手段发生了翻天覆地的变化。如今，神经生理学测量已成为大脑功能研究的重要工具。神经影像使得识别涉及从运动行为、感觉知觉到注意、记忆、语言、决策和情绪调节等各种认知和行为过程的不同脑区成为可能。特别是非侵入性神经影像，因其能够在个体从事心理和/或身体活动时获取大脑活动测量值，极大地推动了我们对大脑工作机制的认识。
然而，利用这些技术测量大脑活动需要满足特定的方法学要求，例如在受控环境（实验室）中进行、连接到计算机，以及对行为或认知过程进行序列化，以确保记录的活动确实归因于某一特定现象而非其他。这些要求与新兴的、希望走出实验室并尽可能接近现实场景的科学愿望相悖。为此，便携式技术被开发出来，用于在传统实验室环境之外测量大脑活动，例如通过移动脑电图(EEG)或移动功能性近红外光谱(fNIRS)。尽管有这些技术发展，但实验的至少部分计算机化仍然是必要的，以满足其他方法学挑战，例如将神经生理活动与环境刺激同步，以及即时自动化地计算表现。
在追求尽可能接近人们日常体验的过程中，对现实生活中的决策进行探索也不例外。许多任务被开发用来模拟决策能力的某些方面。特别是爱荷华赌博任务(IGT)，这是一个最初旨在模拟现实生活决策的纸牌游戏。在该任务中，参与者最初处于不确定性条件下，他们需要通过做出选择来解决这种不确定性，从而在任务结束时形成最优策略。原始任务涉及参与者可以手动操作的四副牌。为了确定决策所涉及的大脑活动，研究人员开发了IGT的计算机化版本，并使其适用于功能性磁共振成像(fMRI)或脑电图(EEG)研究。这些改编基于一个假设，即人们在面对表征（如图像）时的行为方式与面对真实牌组时相同。然而，文献表明，参与者在虚拟版本上表现较差，原因是他们发展出了一种错误的策略，有些作者称之为“交互策略”。参与者采用的策略不仅基于牌的价值，还基于对软件预期反应的猜测。因此，为达成神经影像测量而对IGT进行的修改，使任务偏离了其初始意图，即更接近现实世界的决策。有研究讨论了物理操作纸牌对于理解导致策略形成的潜在机制的重要性。另一个决策任务使用了称为骰子游戏任务(GDT)的掷骰游戏，该任务最初以计算机化形式开发用于评估风险承担。然而，我们很容易假设，物理操作骰子可能导致与虚拟版本不同的表现。事实上，人们早已知道，在骰子游戏中，投掷骰子的力度会根据期望的结果而有所不同。
这些观察让我们思考什么是“真实”，或者说，区分在真实（生态学）环境中执行的行为与在虚拟环境中执行的行为的基本要素是什么？虽然我们看到虚拟现实作为对此问题的一种回应正在蓬勃发展，但我们质疑虚拟物体与真实物体之间的根本区别。从这两个任务观察到的主要区别在于物体的物理维度。真实物体相对于主体有明确的距离、位置和大小；特别是它们可以被触及和抓握；并且它们有自己的纹理。因此，生态学任务发生在现实世界中，参与者可以与固体物体（如纸牌、骰子、棋子等）互动，这与它们在计算机上进行的虚拟版本相对。这种区分似乎更加重要，因为尽管屏幕上显示的表征具有沉浸感和真实感，但它们终究是表征。面对图像的人，通过它处理来自物体本身的信息、表征媒介（屏幕、纸张等）以及图像本身的符号表征。神经科学研究证实了这一点，显示真实物体与图像相比，大脑活动存在差异，例如真实物体会激活背侧脑网络。
尽管先前的研究尝试使用液晶眼镜、移动设备或特设装置来研究真实物体交互，但这些方法存在重要局限性。眼镜可以控制刺激的可见性，但可能不舒适，难以适应不同的头部尺寸，并且难以与神经生理记录同步。移动EEG或fNIRS装置可以在传统实验室之外测量大脑活动，但它们通常依赖虚拟刺激或手动物体操作，这限制了生态效度和精确计时。先前的真实物体设置也经常需要手动记录数据，或者缺乏与行为事件的毫秒级精确同步。
为了解决这些挑战并满足对“沉浸式神经科学”方法日益增长的需求，研究人员开发了Lab-Life，一种混合系统，旨在重现真实世界物体操作的基本特征——如伸手、抓握和处理物理物品——同时保持对感觉输入的完全实验控制。该设备集成了一个带有可切换液晶面板的不透明外壳、一个基于摄像头的物体识别系统和一个电容式反应垫，所有部件均实时同步。这种架构允许实验者精确控制参与者能看到什么，以毫秒精度为物体相关事件打上时间戳，并自动记录行为表现。
通过将实验控制与生态真实性相结合，Lab-Life使参与者能够操作真实物体，同时确保严格的行为和电生理数据收集。其灵活的设计可以容纳各种物体和任务，提供了一种方法学创新，弥合了传统计算机化范式、移动神经成像方法和自然主义真实世界交互之间的差距。
因此，本研究的主要目的是介绍并验证Lab-Life作为一种方法学工具，能够在操作真实物体期间提取可分析的电生理和行为数据。研究并非试图比较不同任务版本的表现或神经活动，而是旨在证明该设备满足三个基本的技术和体验标准。为此，健康参与者在脑活动被移动脑电图(EEG)连续记录的同时，完成了两个涉及不同物理物体的决策任务：爱荷华赌博任务(IGT)和骰子游戏任务(GDT)。选择移动EEG是因为其易于部署以及能够捕捉物体交互期间动作-感知循环相关的精细时间动态。
Lab-Life的验证基于三个假设：(1) 自动物体检测——系统应无误地检测设备内呈现物体的存在和身份；(2) 精确时间同步——电生理信号应准确锁定于物体操作事件，从而能够提取典型的事件相关电位(ERP)成分；(3) 增强与真实物体的互动——与物理物体互动应对参与者的投入和主观体验产生不同于虚拟呈现的差异化影响。作为参考条件（并非用于推断性统计比较），额外的参与者在Lab-Life设备外完成了相同任务的计算机化版本。这些组别仅用于确认范式在标准计算机化条件下能引发预期的行为和电生理特征。
关键技术方法
为开展研究，研究人员主要应用了几项关键技术。首先是Lab-Life混合实验设备，其核心是一个配备可电控切换透明度液晶窗的暗箱，用于精确控制参与者看到物体（如纸牌点数或骰子点数）的时刻。箱内集成红外摄像头和照明系统，用于自动物体识别（如通过识别纸牌上的QR码或骰子点数）。设备还包含一个电容式反应垫用于检测手部放置（决策时刻），以及一个响应按钮用于触发结果揭示。所有行为事件（决策垫接触、按钮按压、液晶窗去极化、物体识别）均通过Lab Streaming Layer (LSL) 协议进行时间标记，并与移动脑电图(EEG)信号在线同步，确保毫秒级的时间对齐。行为实验任务程序通过PsychoPy软件控制。电生理数据采集使用Smarting Mobi EEG设备（11个电极，采样率500 Hz），数据处理（如事件相关电位(ERP)分析，重点关注反馈相关负波(FRN)和P300成分）使用Cartool软件完成。
研究结果
3.1. Lab-Life设备的技术验证
在所有参与混合任务（IGT: n=11; GDT: n=11）的参与者中，Lab-Life的红外摄像头系统实现了100%正确的物体检测，没有丢失或错误识别任何纸牌或骰子。这证实了设备在实时识别物体身份和时间点方面的准确性，满足了设备的第一个验证标准。
3.2. 行为表现
行为分析显示，在混合条件下，预期和检测到的物体价值完全一致，验证了Lab-Life的自动物体识别功能。在IGT中，混合版本和虚拟版本的表现均在前几个区块有所提升，随后大致保持稳定。在GDT中，两个版本的表现水平在各区块间具有可比性。探索性推断比较显示，IGT或GDT的两种版本在最后区块的得分均无显著差异。
3.3. EEG数据质量
EEG数据分析显示，混合版本和虚拟任务条件下有效试验数量相当，ERP模式相似，表明该设备不会引入运动伪影。混合版本的平均接受试验数量与虚拟对照组没有达到统计学差异。
3.4. ERP成分
在IGT和GDT的混合版本中均观察到可识别的事件相关电位(ERP)，特别是P100和N200。对总平均ERP的检查表明，主要成分（包括FRN和P300）的时间在混合版本和虚拟任务版本之间是对齐的，未观察到系统性的潜伏期偏移。
探索性成分振幅比较发现，在IGT中，FRN成分未见显著差异。对于P300，在赢钱条件下，在电极F8、Fz和Cz处发现“混合IGT”组与“虚拟IGT”组之间存在显著差异。在输钱后，仅在电极P3处观察到显著差异。在GDT中，在赢钱后，混合版本与虚拟版本的FRN波幅在电极Pz处观察到显著差异。输钱后，在两个版本之间的平均ERP振幅在电极P3、P4、F7和Pz处观察到显著差异。在赢钱或输钱条件下，两个版本之间的P300未见显著差异。
3.5. 主观体验与策略
参与者在操作真实物体时一致报告比操作虚拟物体时获得更高的愉悦感。在GDT中，混合版本在享受度方面显著高于虚拟版本。关于策略，所有参与混合版本IGT和GDT的受试者都报告他们制定了策略。在虚拟任务中，各有1名受试者表示未制定策略。在IGT中，虚拟版本中有两名受试者使用了不一致的策略。在感知表现方面，IGT两组回答相似，GDT则差异较大。
研究结论与讨论
本研究的主要目的是验证一种新工具“Lab-Life”，它能够在比传统计算机化实验更接近现实生活的条件下操作真实物体，同时允许进行神经生理学记录（特别是EEG）。重要的是，目标是评估Lab-Life的方法学可靠性，而非测试真实条件与虚拟条件之间的认知表现差异。从44名健康志愿者在两种不同决策任务中收集的数据证实，Lab-Life作为行为和电生理数据自动记录与处理的可靠系统是有效的。
Lab-Life凸显了真实物体刺激相对于虚拟范式的优势。真实物体提供了更丰富的多感官输入，包括触觉和本体感觉反馈，这是虚拟任务无法完全复制的。这使得参与者能够进行更自然主义的动作和物体操作，增强了生态效度，并更接近真实世界的决策。真实物体互动还可能引发更强的动机和情绪反应，捕捉可能在纯虚拟任务中被减弱的行为和神经动态。通过将真实物体操作与精确的实验控制相结合，Lab-Life弥合了传统实验室任务与生态效度高的研究设置之间的差距。
在行为表现方面，观察到的模式具有方法学意义。GDT两个版本的表现相似，这与该任务没有探索维度的事实一致。IGT在不确定性维度上表现出更多差异，特别是在虚拟版本中观察到一些参与者未能制定策略或制定了不适当的策略，这表明Lab-Life设备支持对真实物体更自然的投入，且不损害任务的方法学完整性。
事件相关电位(ERP)响应进一步说明了Lab-Life的方法学有效性。视觉ERP成分在混合和虚拟条件下都清晰可辨，表明感觉处理是可靠的。在检查结果评估的认知指标时，混合版本和虚拟版本之间出现了一些差异，这些差异对于设备验证具有参考价值，而非用于比较认知表现。这些振幅差异更可能是由注意力投入、结果显著性或混合与虚拟环境之间互动动态的变化所解释的——这些是已知能调节FRN和P300振幅的因素。
尽管本研究提供了支持Lab-Life设备可靠性的证据，但仍存在一些方法学上的局限性。首先，每组样本量较小，限制了任何推断性比较的统计效力。然而，本研究的主要目的不是测试混合条件与虚拟条件之间的认知表现差异，而是验证设备收集高质量行为和EEG数据的能力。样本量足以评估数据完整性、伪影率和ERP可检测性这些方法学验证的主要标准。其次，年龄和性别的组间变异性可能影响决策行为。虽然这些因素对于严格的认知比较很重要，但它们并不影响对Lab-Life设备技术和程序可靠性的评估。第三，受试者间设计不允许对混合任务和虚拟任务进行受试者内比较。从方法学角度看，此限制主要影响认知比较而非设备可靠性的评估。
总之，Lab-Life巩固了几项先前孤立存在的方法学创新。它将自动物体识别、精确可见性控制、EEG同步事件计时和灵活的真实物体互动整合到一个完全自动化和可重复使用的系统中，从而在真实物体范式中实现了以往仅在虚拟任务中才可能达到的实验精度。
Lab-Life为混合实验设计提供了一个强大且经过验证的工具，能够在操作真实物体的同时，确保行为响应与电生理记录之间的可靠同步。本文展示的两种决策任务作为概念验证，表明该设备可容纳卡片和骰子等不同的物理物体，并能轻松适应其他范式。虽然本研究并非旨在比较不同条件下的认知表现，但未来需要更大样本量的研究来检验真实与虚拟互动如何调节行为和神经处理。重要的是，Lab-Life的设计旨在与多种神经生理测量系统（包括高密度EEG、fNIRS、皮电活动和心脏监测）无缝集成，从而允许在真实的、具身的互动过程中研究大脑动态。此类发展将有助于更精确地描述涉及真实物体的决策相关的神经特征，从而加强实验室发现与真实世界行为之间的联系。
