通过脑岛和丘脑枕的双通路机制揭示视觉预测精度的有效连接

《Human Brain Mapping》：Effective Connectivity Reveals Dual-Route Mechanism of Visual Prediction Precision via Insula and Pulvinar

本文利用7T fMRI和动态因果模型（DCM），揭示了在视觉预测任务中，预测精度调节的神经环路机制。研究发现，高精度条件通过脑岛（insula）到初级视觉皮层（V1）的兴奋性调制，以及脑岛到丘脑枕（pulvinar）和丘脑枕到V1的抑制性调制，构成了一种双通路机制，以实现贝叶斯最优感知整合。该机制为理解神经精神疾病中的精度加权失调提供了新假说。

　　

引言

人脑持续进行预测处理，通过前馈和反馈信号来预测感觉输入并优化感知。该框架的核心是层次化贝叶斯推断，即大脑通过估计信息的精度（方差的倒数）来权衡传入信息的可靠性。精度加权机制的失调被认为是自闭症和精神分裂症等神经精神疾病的关键机制。然而，实现精度相关计算的神经环路仍不清楚，特别是不同脑区如何动态交互以塑造预测及其相关精度。

V1、脑岛和丘脑枕是视觉预测处理中涉及前馈和反馈信号的关键区域。V1作为视觉输入的最早皮层接收区，整合来自视网膜的自下而上信号和来自高阶区域的自上而下信号。脑岛的功能在于整合刺激的显著性和相关性，并相应地调节感觉处理。丘脑枕作为高阶丘脑核团，被提出通过其与V1的广泛互连来调节V1活动以实现精度加权。本研究采用7T fMRI和DCM，在一个包含高、低精度条件的视觉提示任务中，研究这些脑区在精度编码中的有效连接。

方法

31名健康参与者完成了实验。任务采用视觉概率提示范式，使用光栅刺激。有三种提示条件：高精度提示（80%概率预测相同光栅）、低精度提示（60%概率）和平衡提示（10%概率）。行为上，比较高精度和低精度条件下的反应正确率。影像数据使用SPM12进行预处理，并利用DCM分析V1、脑岛和丘脑枕三个感兴趣区域（ROI）之间的有效连接。模型比较采用贝叶斯模型选择（BMS），参数估计采用参数经验贝叶斯（PEB），并通过留一法交叉验证检验连接强度对行为表现的预测能力。

结果

行为结果显示，参与者在高精度条件下的反应正确率显著高于低精度条件（t(28) = 5.75, p= 3.62×10^-6），表明任务有效操纵了预测精度。

DCM和PEB分析表明，高精度预测调节了脑区间的连接：

• •
  引发了从脑岛到V1的兴奋性调制（P_p= 0.95）。
• •
  引发了从脑岛到丘脑枕的抑制性调制（P_p= 0.99）。
• •
  引发了从丘脑枕到V1的抑制性调制（P_p= 0.89）。

这些调节连接的强度与行为上的高精度效应（高精度条件与平均正确率之差）存在相关：

• •
  丘脑枕到脑岛的连接强度正向预测高精度效应（r= 0.36, p= 0.026）。
• •
  丘脑枕与V1之间的双向连接强度负向预测高精度效应（丘脑枕到V1: r= 0.35, p= 0.033；V1到丘脑枕: r= 0.37, p= 0.026）。

讨论

本研究结果表明，视觉预测中的精度调制由一个双通路反馈机制实现：一条是脑岛经丘脑枕到V1的间接抑制通路，另一条是脑岛到V1的直接兴奋通路。高精度预测时，脑岛可能通过抑制丘脑枕的活动来衰减自下而上的感觉输入，同时通过增强到V1的反馈来放大自上而下的预测。这种机制有助于在不确定条件下优化贝叶斯整合。

研究结果对理解精神分裂症等疾病的病理机制具有启示意义，这些疾病中可能存在精度加权的失调，例如过强的脑岛到V1兴奋性调制或过弱的丘脑枕抑制性门控，可能导致内部预测过度主导外部输入，从而产生幻觉等精神病性体验。

局限性

本研究存在一些局限性。DCM模型仅包含三个ROI，未纳入其他可能相关的区域（如额下回、V2、小脑）。研究侧重于左半球，未来需检验半球不对称性。任务设计未提供试次反馈，因此未能研究预测错误的精度调制。此外，未记录眼动，且功能影像数据未进行畸变校正。未来的研究可在此基础上扩展模型，并采用个体化知觉阈值等方法进一步验证。

结论

总之，本研究揭示了脑岛、丘脑枕和V1之间的调节性连接在视觉预测精度加权中的关键作用，提出了一个双通路机制模型，为理解预测处理的神经实现及临床人群的精度加权异常提供了新的视角。