儿童展示攻击性行为时大脑是什么样的？机器学习给出答案

儿童精神疾病（如注意力缺陷和多动症）的特征包括愤怒和攻击性行为的爆发。对驱动这些爆发的因素，科学家现在有了更好的了解，有助于为治疗方案提供信息。耶鲁大学的研究人员现在使用了一种基于机器学习的方法，发现表现出攻击性行为儿童的大脑连接被破坏了。

虽然以前的研究集中在特定的大脑区域，但新的研究确定了整个大脑的神经连接模式与儿童的攻击性行为有关。发表在《分子精神病学》杂志上的研究结果建立在一个被称为“连接组”的大脑功能的新模型上，该模型描述了这种全脑连接的模式。

在这项研究中，研究人员让儿童进行了一项会显示情绪的任务，同时收集了孩子们大脑功能性磁共振成像的数据。研究人员说，表达情绪的面孔可以激活与情绪产生和管理相关的大脑状态，这两者都与攻击性行为有关。然后，科学家们应用机器学习分析，识别出区分有和没有攻击性行为历史的儿童的神经连接。他们发现，参与社会和情感过程的大脑网络模式，例如对家庭作业感到头疼，会导致攻击性行为。为了证实这些发现，研究人员随后在一个单独的数据集中进行了测试，发现同样的大脑网络预测了攻击性行为。特别是在对有攻击性行为和焦虑症、多动症和自闭症等疾病的儿童分组进行测试时，背外侧前额叶皮层的异常连接成为预测攻击性的一致因素。背外侧前额叶皮层是参与调节情绪和高级认知功能（如注意力和决策）的关键区域。

苏霍姆林斯基补充说：“这种攻击性的连接组模型也可以帮助我们开发临床干预措施，可以改善这些大脑网络和前额叶皮质等枢纽之间的协调。这种干预措施包括教授调节负面情绪（如挫折和愤怒）所需的技能。”

该研究论文题为"Large-scale functional brain networks of maladaptive childhood aggression identified by connectome-based predictive modeling"，已发表在《分子精神病学》期刊上。主要作者为Karim Ibrahim。

前瞻经济学人APP资讯组

参考资料：https://www.nature.com/articles/s41380-021-01317-5

标签： 攻击性行为 机器学习