腹内侧前额叶皮层有助于健康老年人的原型表征形成

《Neurobiology of Aging》：Ventromedial prefrontal cortex supports prototype representations in healthy older adults

衰老对概念学习中的原型与实例模型神经机制影响研究。

　　

Caitlin R. Bowman | Dagmar Zeithamova

俄勒冈大学心理学系，1227 University of Oregon, Eugene, OR 97403

摘要

从具体实例中学习广泛概念的能力在我们的一生中都非常重要，因为新的概念不断出现，我们寻求获取新的技能和爱好来丰富我们的生活。虽然年龄增长与记忆具体实例的能力下降有关，但关于这些下降如何影响概念学习与泛化，以及老年人使用哪些神经系统来支持抽象思维，目前了解得还不多。在本研究中，我们使用基于原型的类别学习作为领域来测试年龄在概念学习中的差异。年轻人和老年人在接受功能性磁共振成像（fMRI）扫描的同时完成了类别学习任务。我们根据抽象能力和对个别类别成员的记忆能力，对行为数据和脑部数据进行了形式化的原型模型和示例模型拟合。研究发现，两种模型对年轻人的拟合效果都更好，而老年人则更倾向于被原型模型所解释，较少被示例模型所解释。尽管只有年轻人在海马体中表现出明显的原型追踪现象，但年轻人和老年人都动员了腹内侧前额叶皮层（VMPFC）来支持基于原型的泛化。尽管在全脑分析中发现了年龄在原型表征上的差异，但在VMPFC和海马体中的差异证据并不明显。因此，VMPFC原型学习系统的参与可能有助于老年人保持概念的泛化能力。

引言

众所周知，记忆具体经历细节的能力下降是正常衰老的一部分（Alghamdi和Rugg, 2020; Hashtroudi等人, 1989; Prull等人, 2006; Stark等人, 2010）。然而，记忆并不仅仅用于回忆特定经历；我们还利用记忆来跨经历进行概括，以学习新概念（Morton和Preston, 2021; Schapiro等人, 2017; Zeithamova和Bowman, 2020）。然而，年龄增长如何影响记忆泛化尚不清楚。一方面，一些记忆理论认为，记忆特定事件的能力和泛化能力基于相同的记忆表征（Hintzman, 1984; Kumaran和McClelland, 2012; Nosofsky, 1988），在这种情况下，我们预期记忆特异性的下降也会对老年人的泛化能力产生负面影响。另一方面，老年人的一些记忆能力相对完好，理论上可以支持泛化。老年人倾向于编码经历中的共同特征并提取其“要点”（Brainerd和Reyna, 2015, Brainerd和Reyna, 2002），而不是区分相似经历的细节（Bowman等人, 2019; Bowman和Dennis, 2015; Gallo等人, 2006; Koutstaal和Schacter, 1997）。与先前经历的部分重叠更有可能在老年人中触发回忆（即模式完成）（Vieweg等人, 2015; Wilson等人, 2006; Wynn等人, 2021）。这些发现表明，老年人的记忆能力可能更适合形成跨经历整合的记忆表征，从而支持概念学习和泛化。

由于分类通常涉及学习个别类别成员和对新例子的泛化，因此它非常适合研究年龄增长如何影响形成新概念知识的能力。关于分类的老龄化研究表明，分类表现存在年龄差异，这种差异的程度因类别结构和任务而异（参见Bowman等人, 2023）。研究表明，在学习典型类别成员时，年龄差异很小或没有；但在学习非典型或例外项目时，年龄差异较大（Bowman等人, 2022; Davis等人, 2012; Valdez等人, 即将发表）。先前的研究还表明，分类中的年龄差异主要出现在学习阶段，几乎没有证据表明泛化存在特定缺陷（Bowman等人, 2021），有时即使在学习表现上有缺陷，泛化表现也与年龄匹配（Bowman等人, 2022; Valdez等人, 即将发表）。因此，有证据表明老年人学习个别类别成员的能力不如年轻人，但这种缺陷并不总是对他们泛化能力产生重大影响。

此外，分类是一个有用的领域，用于测试记忆判断背后的表征机制，因为存在不同的分类模型，这些模型强调记忆特异性与整合和抽象的不同方面。示例模型认为，类别由存储在记忆中的个别类别成员表示，泛化涉及联合检索这些个别成员以确定待分类的例子与存储的例子之间的相似性（Medin和Schaffer, 1978; Nosofsky, 1991）。相比之下，原型模型认为，类别由原型表示——这是一种从个别例子中抽象出来的理想化类别表征（Minda和Smith, 2011; Posner和Keele, 1968）。基于原型的泛化涉及确定待分类的例子与相关类别原型之间的相似性。鉴于老年人相对完好的基于要点的记忆能力和记忆特异性的下降，人们可能预期老年人比年轻人更依赖原型表征。然而，在老龄化研究中，使用正式的示例模型与原型模型的情况有限，研究结果也有所不同。有些研究发现老年人比年轻人更倾向于依赖原型策略（Bowman等人, 2022; Mata等人, 2012），也有研究发现不同年龄组的策略相似（Mata等人, 2012; Schenk等人, 2016; Valdez等人, 即将发表）。因此，需要进一步的证据来了解年龄增长如何影响基于原型和示例的分类。

分类的另一个优势是，原型模型和示例模型的潜在变量可以拟合到fMRI数据中，使研究人员能够测试大脑是否跟踪进行基于原型或示例的分类判断所需的信息。在年轻人中，已经确定腹内侧前额叶皮层（VMPFC）和前海马体与原型相关（Bowman等人, 2020; Bowman和Zeithamova, 2018; Liu等人, 2025）。这些发现与VMFPC和海马体在多个记忆领域中的整合作用一致（Shohamy和Wagner, 2008; van Kesteren等人, 2010; Zeithamova等人, 2012）。相比之下，示例相关因素在枕叶和顶叶区域（Blank和Bayer, 2022; Bowman等人, 2020; Mack等人, 2013）、下外侧前额叶皮层（Bowman等人, 2020; Mack等人, 2013）以及海马体（Blank和Bayer, 2022）中被发现。值得注意的是，虽然有些研究只显示了大脑中的原型相关因素（Bowman和Zeithamova, 2018）或仅示例相关因素（Mack等人, 2013），但也有研究在同一任务中同时发现了原型和示例相关因素（Bowman等人, 2020），甚至在同一个体中也是如此（Blank和Bayer, 2022）。因此，脑成像可以提供关于可用于进行泛化判断的表征类型的新信息，即使某种表征策略在行为中最为突出。然而，尚未在老年人中拟合原型和示例模型与fMRI数据，这使得他们分类判断的神经基础仍不清楚。

在本研究中，我们旨在测试老年人在支持基于原型的分类时是否调动与年轻人相同的区域（VMPFC和前海马体），以及这些区域中原型相关因素的年龄差异程度。为此，年轻（18-30岁）和老年人（60岁以上）使用具有10个二进制特征的新卡通动物学习了基于原型的类别结构（图1A）。在这种结构中，一个卡通作为类别A的原型，包含了该类别成员中最常见的特征版本。类别B的原型是与类别A原型没有共同特征的刺激。与类别A原型共享更多特征的刺激被认为是类别A的成员，反之亦然。通过这种结构，我们可以确定任何一对刺激之间的共享特征数量，从而根据原型和示例模型的形式化计算基于原型和示例的相似性。参与者在扫描仪外完成了基于反馈的类别训练任务（图1B），然后在分类测试期间进行了fMRI扫描，该测试包括训练项目和新的泛化项目，但不包括反馈（图1C）。我们对行为分类测试反应和fMRI测量的大脑激活水平进行了形式化的原型模型和示例模型拟合。我们测试了年龄在类别学习和泛化表现上的差异程度，行为反应在多大程度上能被原型模型或示例模型最好地解释，以及前海马体和VMPFC中的信号与原型模型的预测之间的相关性。

数据与代码可用性

去标识化的行为数据和fMRI数据以及分析代码可通过OpenNeuro公开获取（审稿人链接）。该研究未预先注册。

参与者

从俄勒冈大学及其周边社区招募了42名年轻成人（招募范围=18-30岁）和40名老年人（招募范围=60岁以上），他们参与研究并获得了经济补偿。样本大小是根据检测到小到中等效应大小（d = 0.4）的能力确定的。

训练

图2A展示了按训练项目距离和年龄组划分的每个训练块的平均准确率。为了测试年龄在类别学习上的差异，我们计算了一个年龄组（年轻 vs. 老年）× 项目距离（与原型不同的2个 vs. 4个特征）的混合因素方差分析（ANOVA）。年龄组的主效应显著，F(1,62) = 26.37, p <.001，${\eta }_p^2$ =.30，年轻人的整体表现优于老年人（YA M

讨论

在本研究中，我们测试了VMPFC和前海马体是否像在年轻人中一样在老年人中也支持原型表征。正如预期的那样，老年人比年轻人更倾向于被原型模型所解释，尽管两种模型的整体拟合效果在老年人中都较差。在大脑中，我们发现年轻人和老年人在VMPFC中都表现出明显的原型追踪现象，但前海马体中的原型效应

结论

我们测试了基于原型的类别泛化的神经基础是否存在年龄差异，发现年轻人和老年人在调动VMPFC以支持原型表征方面的程度相当。因此，老年人能够调动VMPFC来支持抽象概念表征。这种相对完好的VMPFC功能与泛化表现的年龄缺陷缺乏相结合。这些发现提出了利用基于原型的处理方法的可能性

未引用的参考文献

(Bowman和Zeithamova, 无日期; Valdez等人, 无日期)

CRediT作者贡献声明

Dagmar Zeithamova：写作——审稿与编辑、监督、方法论、研究、资金获取、概念化。Bowman Caitlin：写作——初稿、可视化、项目管理、方法论、研究、资金获取、形式分析、概念化。

致谢

这项工作得到了美国国立卫生研究院通过R01-NS112366（Zeithamova）和F32-AG054204（Bowman）项目的支持，以及Lewis家族基金会的支持，该基金会支持俄勒冈大学的Robert和Beverly Lewis神经影像中心。

验证

通讯作者声明，本提交的内容是作者的原创作品，之前未发表过，也没有在其他地方考虑过。所有作者都批准了提交的稿件版本。