社会推理的神经特征预测现实生活中的社会接触数量和自闭症严重程度｜Nat. Commun. 速递

关键词：社会认知，神经影像学，社交网络，自闭症，预测分析

论文标题：Forecasting small-scale dynamics of fluid turbulence using deep neural networks

期刊来源：Nature Communications

斑图链接：https://pattern.swarma.org/paper/5e2b9ca8-2751-11ee-b5f3-0242ac17000d

论文地址：https://www.nature.com/articles/s41467-023-40078-3

我们经常从观察他人的行为中推断其思想和感情，这种能力对于成功的社交行为和互动至关重要。然而，这种能力如何影响我们在现实世界中的社交联系数量，以及它与自闭症严重程度之间的关系，一直是科学家们关注的问题。

最新发表于Nature Communications的这项研究探讨了两个问题：一是实验室中获取的社会推断的神经激活模式是否能预测现实世界中的社交联系数量；二是这种神经激活模式是否能预测自闭症症状的严重程度。研究者采用了预测性模型，并在神经典型个体的两个复制样本中进行了交叉验证。此外，他们还在一个自闭症样本中测试了这个预测模型。研究者使用了一个经过良好验证的神经影像任务，该任务隔离了社会推断，既用于定义所有后续分析的感兴趣的大脑区域，也用于作为预测个体社交联系数量的输入特征。

研究结果显示，实验室中获取的社会推断的神经激活模式可以预测现实世界中的社交联系数量。这一结果在三个神经典型样本（总计126个）和一个成年自闭症样本（23个）中得到了验证。研究还发现，社会推断的大脑模式在这些组别的个体之间具有普遍性。此外，大脑区域的激活也预测了自闭症样本的自闭症症状严重程度。

这项研究结果为理解社交网络特性如社交联系数量可以从特定的神经标记——即人们在思考他人心理状态时产生的大脑活动模式——进行预测，提供了最有力和最具体的证据。此外，这项研究还揭示了神经激活模式与自闭症症状严重程度之间的关系，为理解和治疗自闭症提供了新的视角。这些发现不仅对神经科学和心理学的研究具有重要价值，也对改善人们的社交行为和处理自闭症等神经发育障碍具有重要的实践意义。