达特茅斯大学的研究人员和他的同事们发现了一种方法可以用来预测基于大脑活动的人类情感。

这项研究是不寻常的，因为它的准确率——超过90%——大量的参与者反映的是一般的成年人而不仅仅是大学生。这一发现有助于诊断和治疗一系列的身心健康疾病。

“这是一个令人印象深刻的演示，从大脑活动解码我们的感情，想象我们的感觉，”达特茅斯大学心理和脑科学助理教授，首席作者Luke Chang说。“情绪是我们的日常生活的中心，而情绪失调则是许多脑和身体相关疾病的核心，但我们没有一个清晰的认识，大脑是如何处理情绪的。因此，了解产生和减少负面情绪体验的神经生物学机制是至关重要的。”

在最近几年里，探索如何理解“情绪化的大脑”已经激发了数以百计的神经影像学研究。若非神经影像学是有用的，就必须开发出敏感和特异的“大脑信号”，后者可应用到个人使其产生情感体验信息、神经病理学或治疗的预后。迄今为止，情感神经科学已经取得了许多重要的成果，但没有情绪体验方面的指标。

在他们的新研究中，研究人员的目标是开发能够对唤起图像产生负面情绪的强度做出预测的大脑信号；测试信号与个体参与者和图像无关的普遍性；检测信号与疼痛的特殊相关性并探讨预测负面情绪体验的神经回路。

Chang和他的同事们研究了观看负面照片（身体伤害、侵略行为、仇恨团体、车祸、人类粪便）和中性照片的182名参与者。另外三十名参与者也遭受了痛苦的高温。利用脑成像技术和机器学习技术，研究人员确认负面情绪的神经信号——分布在整个大脑的单一神经激活模式，可以准确地预测一个人在观看感到不愉快的图像后会产生怎样的负面情绪。

“这意味着大脑成像有可能准确地揭示出人是什么感觉而不知道他们的大脑活动以外的任何事情，”Chang说。“这对于提高我们对情绪是如何产生和调节的理解有着巨大的影响，而众所周知这一过程是难以界定和衡量的。此外，，当人们有异常的情绪反应时这些新类型的神经测量可能被证明是重要的——例如，太多或太少——可能表明健康和精神功能出现了更多的问题。

与以往的大多数研究不同，新的研究包括一个大样本量，反映了一般的成年人口，而不只是年轻的大学生，使用机器学习和统计方法去开发一个情感的预测模型，最重要的是，对参与者在多个不同心理状态下进行测试，这就使得研究人员得以评估他们大脑模型的敏感性和特异性。

“我们感到特别惊讶的是我们的模式是如何对令人厌恶的体验的幅度和类型进行预测的，”Chang说。“基于过度吹嘘和过度解释的结果以及小范围内复制失败从而对神经影像学的怀疑日渐增长，许多神经学家可能会对我们的信号是如何进行工作的感到惊讶。另一个令人吃惊的发现是，我们情绪所用的大脑信号在很多人预测感觉如何时都比他们自己的大脑数据都表现得更好。有一种直觉，感觉是非常特殊的且因人而异。然而，因为我们的训练模式使用了这么多的参与者——例如，4到10倍的标准磁共振成像实验——我们能够发现除了训练样本还包括新的参与者的反应都非常好。”