情绪冲突监测功能性脑连接特征预测2型糖尿病患者认知下降

这对糖尿病患者为何重要

许多人知道2型糖尿病会损害心脏、眼睛和肾脏，但较少有人意识到它也会悄然影响大脑。细微的思维和记忆问题可能在痴呆出现前多年就已出现，然而医生仍缺乏简单方法来识别谁更可能受累。这项研究提出了一个及时的问题：大脑活动模式结合现代人工智能，能否揭示2型糖尿病患者认知问题的早期预警信号？

在情绪混淆中观察大脑

为探究这一点，研究者招募了40名中年2型糖尿病患者和30名匹配的非糖尿病成人。所有受试者完成了一系列认知与情绪测评，然后在进行“情绪斯特鲁普”任务时躺入脑成像扫描仪。在该任务中，志愿者看到带有快乐或恐惧表情的面孔，上面叠加了有时与表情一致、有时相冲突的情绪词语。他们需要快速判断面孔是快乐还是恐惧，同时忽略干扰性的词语。这样的设置制造了情绪冲突，迫使大脑更费力地聚焦并过滤无关信息。

管理冲突的关键脑枢纽

团队关注了一组已知有助于心理控制的脑区，尤其是在情绪高涨时。这些区域包括额叶部分和扣带皮层，以及与记忆和内在意识相关的一处脑区。先前的大规模研究表明，这些区域形成一个通用网络，帮助人在面对干扰或令人不安的信息时保持任务执行力，跨越多种心理健康状况。在本研究中，研究者测量了参与者在处理情绪冲突任务时这些区域之间的交流强度——即功能连接性。

教人工网络解读脑信号

研究者并未仅仅比较群体间的平均脑活动，而是采取更个体化的方法。他们将每位糖尿病患者的数据输入一种称为全连接网络的计算模型，这是一类用于机器学习的人工神经网络。对每位受试者，模型接收五项信息：情绪冲突对其反应速度的减慢程度，加上关键冲突监测区域与其他控制区和记忆区之间的四项连接强度。模型的任务是预测该个体在蒙特利尔认知评估（MoCA）上的得分——这是衡量整体认知能力的常用筛查测试。研究者使用严格的十折交叉验证方案，模型在大部分患者数据上反复训练，并在剩余少数患者数据上测试，直到每个人都有一个预测得分。

与认知能力相关的脑连接模式

人工网络学会了将脑连接模式与真实世界的认知得分匹配，效果令人惊讶地好。在训练数据中，预测得分与实际得分高度一致，即便在先前未见过的患者中，预测也与真实情况呈现出有意义（尽管较温和）的关联。最具信息量的特征来自涉及前扣带皮层的连接——该区域有助于监测冲突并在需要更多心理努力时发出信号。该枢纽与其他控制区和记忆区之间沟通的改变，似乎对识别认知表现较差的患者尤其重要。这些发现表明，糖尿病相关的情绪网络与控制网络互相作用的变化，可能在严重问题出现前悄然削弱思维与记忆。

对日常照护的潜在意义

目前，这项工作仍是早期概念验证，受限于样本量较小且仅针对单一时间点而非长期变化。然而，它指向了一个前景：精细的大脑扫描与智能算法可能帮助临床医生识别在认知下降方面特别脆弱的糖尿病患者，从而实现更早的生活方式干预或治疗。作者还指出，情绪冲突任务的简化版本，配合传统的纸笔工具如经典斯特鲁普测试，未来或能在MRI扫描之外以低成本捕捉到部分相同的预警信号。通俗地说，研究提示糖尿病患者大脑在处理情绪与注意力时的方式，可能成为一种早期的“脑部故障指示灯”，提示谁可能需要额外支持以维持认知敏锐度。

引用: Cheng, Y., Wei, L., Chen, YH. et al. A neuroimaging functional connectivity signature of emotional conflict monitoring predicting cognitive decline in type 2 diabetes. Sci Rep 16, 10436 (2026). https://doi.org/10.1038/s41598-026-41082-5

关键词: 2型糖尿病, 认知下降, 脑连接性, 情绪斯特鲁普, 机器学习