编辑推荐：
在心理学和神经科学研究中，心理状态对人类健康和生产力影响重大，但以往对其量化受限。研究人员开展 “自我报告映射大脑成像衍生任务状态” 研究，发现自我报告能可靠映射任务状态，为相关研究提供新视角。
在心理学和神经科学的研究领域，心理状态如同一个神秘的 “黑匣子”，对人们的幸福指数和工作效率有着至关重要的影响。想象一下，我们在工作时，有时会思维敏捷、效率奇高，而有时却会思绪飘忽、状态不佳。这些不同的心理状态背后，究竟隐藏着怎样的奥秘呢？长期以来，科学家们一直试图揭开这个谜底，但却面临着诸多挑战。传统观点认为，依靠内省（introspection）来量化心理状态存在很大的局限性，其准确性备受质疑。这就好比让一个人描述自己内心的想法，他可能会因为各种因素，如记忆偏差、表达能力等，无法准确地呈现真实的心理状态。那么，有没有一种方法能够更加准确地描绘心理状态与客观认知指标之间的关系呢？
为了解开这个谜团，来自加拿大皇后大学（Queen’s University）等多个研究机构的研究人员展开了一项意义非凡的研究。他们的研究成果发表在《Communications Psychology》杂志上，为我们打开了一扇了解大脑与心理状态关系的新窗口。
研究人员采用了多种先进的技术方法来开展这项研究。首先，他们运用多维度经验抽样（multi - dimensional experience sampling，mDES）方法，让参与者在执行任务的过程中，多次对自己的思维进行评价，从多个维度描述自己的体验。同时，结合功能磁共振成像（functional magnetic resonance imaging，fMRI）技术，获取大脑在执行不同任务时的活动数据。此外，研究人员还借助主成分分析（Principal Components Analysis，PCA）和典型相关分析（Canonical Correlational Analysis，CCA）等机器学习算法，对收集到的数据进行深入分析，构建出 “思维空间”（thought - space）和 “大脑空间”（brain - space），进而探究自我报告与大脑活动之间的关系。
研究结果
- “思维空间” 的构建与分析
研究人员通过对 mDES 数据进行 PCA 分析，构建了一个 5 维的 “思维空间”。这个空间包含了五个主要成分，分别为 “情景知识”（Episodic Knowledge）、“侵入性分心”（Intrusive Distraction）、“任务解决问题”（Task Problem - solving）、“感觉参与”（Sensory Engagement）和 “内心言语”（Inner Speech）。这些成分能够很好地描述参与者在不同任务中的思维模式。例如，在阅读任务中，“侵入性分心” 的得分较高，这表明在阅读过程中，参与者容易出现分心的情况；而 “感觉参与” 的得分较低，说明阅读任务更多地依赖于过去的知识，而非当下的感觉输入。通过进一步分析发现，不同任务在 “思维空间” 中的分布呈现出明显的差异，这意味着不同任务会引发不同的思维模式。而且，“思维空间” 具有良好的泛化性，不会受到单个任务的过度影响。
- “大脑空间” 的构建与分析
研究人员利用人类连接组计划（Human Connectome Project，HCP）的静息态连接数据，构建了一个 5 维的 “大脑空间”。这个空间中的维度反映了不同大脑系统之间的平衡关系。通过将不同任务的大脑活动数据投影到 “大脑空间” 中，研究人员发现每个任务在 “大脑空间” 中都有其独特的位置，这表明不同任务会激活不同的大脑区域和神经通路。例如，一些任务会更多地激活感觉运动皮层，而另一些任务则会使默认模式网络（default mode network）和前额顶叶网络（frontoparietal network）等区域的活动发生变化。
- “状态空间” 的构建与分析
研究人员运用 CCA 方法，将 “思维空间” 和 “大脑空间” 相结合，构建了一个 “状态空间”。通过对 “状态空间” 的分析，他们发现 “思维空间” 和 “大脑空间” 之间存在着显著的关联，这种关联并非偶然。而且，前三个 CCA 成分具有良好的泛化性，说明该模型能够稳定地反映不同任务中思维与大脑活动之间的关系。进一步分析发现，不同的 CCA 维度与不同的认知和心理过程相关。例如，“刻意解决问题”（Deliberate Problem - Solving）维度与要求较高的任务情境相关，在 Go/No - Go 任务和 2B Faces 任务中表现突出；“详细知识”（Detailed Knowledge）维度与记忆引导的行为相关，在 Hard Maths、2B Face 等任务中较为明显。
- 大脑状态预测准确性
为了验证模型的有效性，研究人员进行了一项预测实验。他们选取了 Memory、Go/No - Go、Documentary 和 Hard - Math 这四个任务，在新的样本中收集 mDES 数据，并将这些数据投影到之前构建的 “思维空间” 中，然后利用训练好的 CCA 模型预测大脑在 “大脑空间” 中的坐标。结果发现，除了 Go/No - Go 任务与 Hard - Math 任务之间的距离比较外，其他任务的预测结果都显示出较高的准确性，即预测的大脑坐标与真实坐标之间的距离明显小于与其他任务预测坐标之间的距离。这表明该模型能够利用未见过的自我报告数据，较为准确地预测大脑状态。
研究结论与讨论
这项研究表明，在特定任务背景下，内省报告能够准确反映不同任务状态的特征，自我报告数据包含的信息可以有效地映射到由大脑活动定义的任务状态图景中。研究构建的 “状态空间” 具有良好的泛化性，能够基于未见过的内省报告合理准确地预测大脑活动特征。这一研究成果具有重要的意义，它为心理学和神经科学研究提供了新的视角和方法。以往研究中，自我报告信息常被认为存在局限性，但本研究证明了其在刻画个体当前任务情境方面的准确性，这对于探究人类心理和大脑的奥秘具有重要价值。例如，在心理健康研究中，自我报告可能是了解个体内心状态的重要依据，而本研究为其提供了更坚实的理论支持。
然而，研究也存在一些局限性。虽然内省能够区分不同任务的感觉，但参与者可能并不清楚自己思维特征的原因以及潜在的认知和神经机制。而且，mDES 数据中哪些特征与行为的表面特征相关，哪些与隐藏的心理状态相关，仍有待进一步研究。此外，研究中的任务电池并非涵盖了人类所有的任务，个体在大脑组织结构和任务执行能力上存在差异，这些因素都限制了研究对不同思维模式神经关联的深入理解。未来的研究可以通过扩展任务集、结合在线大脑活动收集以及对个体进行精确映射等方法，进一步完善这一研究领域。
总之，这项研究虽然存在一些不足，但它为我们打开了一扇通往大脑与心理状态关系研究的新大门，为后续的研究奠定了坚实的基础，有望在未来推动心理学和神经科学领域取得更多的突破。
