兒童展示攻擊性行為時大腦是什么樣的？機器學習給出答案

兒童精神疾病（如注意力缺陷和多動癥）的特征包括憤怒和攻擊性行為的爆發。對驅動這些爆發的因素，科學家現在有了更好的了解，有助于為治療方案提供信息。耶魯大學的研究人員現在使用了一種基于機器學習的方法，發現表現出攻擊性行為兒童的大腦連接被破壞了。

雖然以前的研究集中在特定的大腦區域，但新的研究確定了整個大腦的神經連接模式與兒童的攻擊性行為有關。發表在《分子精神病學》雜志上的研究結果建立在一個被稱為“連接組”的大腦功能的新模型上，該模型描述了這種全腦連接的模式。

在這項研究中，研究人員讓兒童進行了一項會顯示情緒的任務，同時收集了孩子們大腦功能性磁共振成像的數據。研究人員說，表達情緒的面孔可以激活與情緒產生和管理相關的大腦狀態，這兩者都與攻擊性行為有關。然后，科學家們應用機器學習分析，識別出區分有和沒有攻擊性行為歷史的兒童的神經連接。他們發現，參與社會和情感過程的大腦網絡模式，例如對家庭作業感到頭疼，會導致攻擊性行為。為了證實這些發現，研究人員隨后在一個單獨的數據集中進行了測試，發現同樣的大腦網絡預測了攻擊性行為。特別是在對有攻擊性行為和焦慮癥、多動癥和自閉癥等疾病的兒童分組進行測試時，背外側前額葉皮層的異常連接成為預測攻擊性的一致因素。背外側前額葉皮層是參與調節情緒和高級認知功能（如注意力和決策）的關鍵區域。

蘇霍姆林斯基補充說：“這種攻擊性的連接組模型也可以幫助我們開發臨床干預措施，可以改善這些大腦網絡和前額葉皮質等樞紐之間的協調。這種干預措施包括教授調節負面情緒（如挫折和憤怒）所需的技能。”

該研究論文題為"Large-scale functional brain networks of maladaptive childhood aggression identified by connectome-based predictive modeling"，已發表在《分子精神病學》期刊上。主要作者為Karim Ibrahim。

前瞻經濟學人APP資訊組

參考資料：https://www.nature.com/articles/s41380-021-01317-5

標簽： 攻擊性行為 機器學習