编辑推荐：
本研究通过高时间分辨率的脑电图（EEG）微状态分析技术，结合阿姆斯特丹静息态问卷（ARSQ）的多维度评估，揭示了不同脑电微状态（A-F）的动态参数（发生率、持续时间、全局解释方差等）与自发思维内容（如自我导向思维、计划、视觉思维等）之间的特异性关联。研究发现，微状态C与自我参照加工显著相关，微状态E则与目标导向的认知控制密切相关，证实了微状态可作为大规模脑网络动态活动的电生理标记，为理解自发思维的神经基础提供了重要证据。该成果发表于《Cortex》，对精神疾病病理机制研究具有重要启示。
人脑在静息状态下总会产生源源不断的自发思维，这些内在的心理活动如同一条永不停息的河流，即便在没有外部任务需求时，我们的大脑也会自动开启"漫游"模式。然而，科学家们一直面临一个关键挑战：如何精确捕捉这些转瞬即逝的思维活动与大脑神经活动之间的动态关联？传统的神经影像技术如功能磁共振成像（fMRI）虽然能够定位大脑活动区域，但其时间分辨率有限，难以追踪毫秒级别的神经动态变化。而脑电图（EEG）虽然具有卓越的时间分辨率，但如何将其与具体的思维内容联系起来仍是一个未解的难题。
正是在这样的背景下，Anthony P. Zanesco团队开展了一项创新性研究，他们通过EEG微状态分析这一前沿技术，结合经验取样方法，系统探讨了大脑电生理活动与自发思维维度之间的动态共变关系。微状态是持续时间极短（几十到几百毫秒）的脑电拓扑图模式，被认为反映了大规模脑网络活动的瞬间协调状态。研究人员假设，不同的微状态可能与特定类型的思维内容存在对应关系，比如与自我反思相关的默认模式网络活动可能对应特定的微状态模式，而与认知控制相关的网络活动则可能体现为另一种微状态特征。
为了验证这一假设，研究团队招募了64名参与者，在静息状态下进行了8次短暂（2-2.5分钟）的闭眼休息EEG记录，每次休息后立即使用阿姆斯特丹静息态问卷（ARSQ）评估他们刚才经历的自发思维内容。问卷涵盖了九个思维维度，包括身体意识、舒适度、思维不连续性、他人导向思维、计划、自我导向思维、困倦度、言语思维和视觉思维。通过这种密集取样的设计，研究人员能够捕获思维内容的瞬时波动，并将其与EEG微状态的动态变化进行关联分析。
关键技术方法包括：采用64导EEG记录脑电活动，使用Cartool软件进行微状态拓扑聚类分析识别出6个典型微状态（A-F），通过经验取样法获取ARSQ九个维度的思维内容评估，运用多水平混合效应模型分析微状态参数与思维维度的关联，并采用源定位技术估计微状态的神经发生器。
微状态动态参数与思维维度的关联
研究发现，不同的微状态与特定的思维维度呈现出显著的特异性关联。微状态C与自我导向思维密切相关，表现为当个体报告更多自我相关思维时，微状态C的出现率、持续时间和全局解释方差（GEV）均显著增加。这一发现与微状态C被认为与默认模式网络（default-mode network）活动相关的观点一致，而默认模式网络已知在自我参照加工中起关键作用。
相反，微状态E则与计划性和目标导向思维显著相关。当参与者进行更多未来规划和问题解决思维时，微状态E的出现率和GEV明显升高。这一模式表明微状态E可能反映了认知控制相关网络的活动，这些网络负责引导思维朝向目标相关内容。
思维内容对微状态转换概率的影响
除了微状态的静态参数外，研究还发现思维内容会影响微状态之间的转换概率。当个体体验更多言语思维时，从其他微状态向微状态E的转换概率显著增加，这表明言语思维过程可能依赖于微状态E所代表的神经网络的协同活动。
同时，自我导向思维与从多个微状态向微状态C的转换概率增加相关，包括从微状态B到C、C到D、D到C以及F到C的转换。这一复杂的转换模式提示，自我参照思维可能涉及多个神经网络之间的动态交互，而不仅仅是单一网络的孤立活动。
微状态序列的髙阶动态特征
通过分析微状态的时间序列结构，研究人员发现思维内容不仅影响单个微状态的参数，还调节着微状态序列的整体组织模式。具体而言，计划性和视觉思维的强度与微状态序列的多元结构显著相关，表明这些思维维度与大脑状态的复杂时间演化模式存在密切联系。
个体差异与特质维度的关联
在个体差异水平上，研究发现某些思维特质的个体差异与微状态参数存在稳定关联。例如，具有更高正念描述能力的个体表现出微状态C的增强活动，而更多日常做白日梦和持续性负性思维的个体则显示微状态E的活动减少。这些发现将微状态动态与个体在自然状态下的思维模式特征联系起来。
神经发生器的源定位分析
通过EEG源定位技术，研究进一步确定了不同微状态的神经发生器。微状态C的神经源主要位于默认模式网络的关键区域，包括内侧颞叶子系统（medial temporal lobe subsystem），特别是海马旁回（parahippocampal gyri）区域。这一发现为微状态C与自我参照思维和自传体记忆加工的关联提供了神经解剖学基础。
综合以上结果，该研究建立了EEG微状态动态与自发思维维度之间的系统性联系，证实了微状态可作为大规模脑网络电生理活动的有效指标。微状态C与自我参照思维的相关性支持了其在默认模式网络功能中的角色，而微状态E与计划性和控制性思维的关联则表明了其在认知控制网络中的重要性。
这些发现对理解大脑如何支持自发思维具有重要理论意义，为研究各种精神病理状况（如抑郁症、焦虑症）中的思维异常提供了新的方法论工具。通过将毫秒级别的电生理动态与具体思维内容联系起来，该研究架起了大脑活动与主观体验之间的桥梁，为未来研究思维的大脑机制开辟了新的方向。
该研究的创新性在于首次采用密集取样设计，在单个实验会话中多次评估思维内容，从而能够捕获思维内容的瞬时波动及其与脑电动态的共变关系。此外，研究通过区分个体内和个体间效应，提供了对思维-大脑关系的更精确描述。这些方法学上的进展为未来研究自发思维的神经基础建立了重要范式。
值得注意的是，该研究也存在一些局限性。 retrospective（回顾性）的思维报告可能受到记忆偏差的影响，且虽然采用了密集取样，但思维评估的时间精度仍低于EEG记录。未来研究可结合实时经验取样方法，以更精确地捕捉思维内容与神经动态的瞬时对应关系。
总之，这项研究通过创新性地结合EEG微状态分析和多维思维评估，揭示了自发思维的神经基础，为理解人类意识体验的大脑机制提供了重要见解。相关成果已发表于著名神经科学期刊《Cortex》，对推动认知神经科学领域的发展具有重要意义。
