基于神经影像元分析揭示后悔与庆幸的神经关联：共同与分离的脑系统
一、 研究团队与发表信息
本研究由香港浸会大学管理与市场学系的Mohith M. Varma和Rongjun Yu*，以及哈佛医学院麻省总医院的Avijit Chowdhury共同完成。研究论文《The road not taken: common and distinct neural correlates of regret and relief》发表于2023年10月17日在线出版的《NeuroImage》期刊第283卷，文章编号为120413。该期刊在神经科学领域具有重要影响力，此项研究标志着首项针对后悔与庆幸这两种反事实情绪的神经基础进行的综合性定量元分析。
二、 学术背景与研究动机
本研究的科学领域属于认知神经科学与情感神经科学，特别是关注高级社会情感（如后悔与庆幸）的神经机制。在日常生活中，人们不仅评估已获得的结果，也会思考“如果当初做了另一个选择会怎样”这种反事实（counterfactual）结果。这种反事实推理能力对于在不确定环境中学习和优化未来决策至关重要。伴随反事实比较而产生的两种核心情绪是后悔（regret，因未选择的选项结果更好而产生的负面情绪）和庆幸（relief，因未选择的选项结果更差而产生的正面情绪）。尽管大量功能性磁共振成像（fMRI）研究探索了这些情绪的神经关联，但研究结果存在显著的异质性（heterogeneity）。例如，关于腹侧纹状体（ventral striatum, VS）在两种情绪中的作用，不同研究结论不一，有的认为它只对后悔有反应，有的则认为只对庆幸有反应。此外，过去研究多聚焦于离散脑区的功能，而现代认知神经科学更强调大脑是以大规模网络（large-scale network）的形式运作。因此，为了整合已有发现、澄清矛盾，并超越局部脑区的视角，本研究旨在通过先进的元分析技术，系统性地探究后悔与庆幸体验背后共同与分离的神经关联，特别是从脑网络层面进行解析。研究目标明确：通过坐标激活似然估计（Activation Likelihood Estimation, ALE）和基于网络的激活网络映射（Activation Network Mapping, ANM）等元分析方法，揭示支持这两种情绪处理的大脑区域和网络。
三、 研究流程与方法细节
本研究是一项基于已有文献数据的元分析（meta-analysis），不涉及新的被试实验，其核心流程包括文献检索与筛选、数据提取、多种元分析方法的执行以及结果验证。
1. 文献检索与筛选： 研究团队于2022年8月29日在PubMed、ProQuest和BioRxiv等数据库进行了系统性文献检索，关键词包括“fMRI”、“neural”、“neuroimaging”与“regret”、“relief”、“counterfactual”、“fictive”的组合。初步检索得到3148篇文章，经过去重和全文审查，最终筛选出27篇符合条件的文章（共包含29个独立实验）。纳入标准包括：使用fMRI技术、研究对象为健康成年人、在决策后记录fMRI数据、报告了基于随机效应的结果、并提供了Talairach或MNI坐标空间的激活坐标。最关键的是，研究必须包含有效的后悔或庆幸相关对比（contrast），即对比条件需涉及基于个人责任的反事实比较（例如，将所选结果与未选的更好/更差结果进行比较，或通过参数调制（parametric modulation）量化后悔/庆幸强度）。
2. 数据提取与编码： 从每篇纳入文献中，研究者提取了与后悔和庆幸体验相关的脑激活峰值坐标（foci）。这些坐标被分为“后悔”和“庆幸”两个独立的对比组。表1（研究中Table 1）详细列出了每项研究的样本量、参与者年龄、使用的实验范式（如“命运之轮”赌博任务、“魔鬼”序贯决策任务、股票投资任务）以及用于提取坐标的具体对比条件。
3. 核心元分析方法： 研究采用了三种互补的元分析技术，从不同层面探究神经基础： * 坐标激活似然估计（ALE）分析： 这是基于坐标的元分析。使用GingerALE软件（3.0.2版），将每个实验报告的激活焦点建模为三维高斯概率分布，然后计算所有实验的激活焦点在脑内空间上的收敛似然。通过统计检验，找出在后悔或庆幸条件下被一致激活的脑区。分析采用簇水平（cluster-level）家族误差（family-wise error, FWE）校正，阈值设为p < 0.05。 * 激活网络映射（ANM）分析： 这是基于脑网络的元分析，是一种较新的技术。其原理是，认知功能或症状与离散脑区受损的相关性不如与这些脑区所嵌入的功能网络的相关性高。具体步骤为：首先，以每个纳入实验的激活坐标为中心创建球形种子点（seed），并将同一实验的所有种子点合并为一个“组合激活种子”。然后，利用研究团队自己收集的207名健康成人的静息态fMRI数据，计算每个“组合激活种子”与全脑所有体素的功能连接（resting-state functional connectivity, RSFC）。最后，通过重叠分析，找出在超过60%的实验中，其功能连接网络都显著重叠的脑区，从而识别出支持后悔或庆幸处理的共同功能网络。 * 功能连接性分析： 包括静息态功能连接（RSFC）和基于任务的元分析连接建模（Meta-Analytic Connectivity Modelling, MACM）。RSFC以ALE分析中发现的显著脑簇作为种子区域，分析其与全脑的功能连接模式。MACM则利用BrainMap数据库，找出在任务态fMRI研究中与这些种子区域共同激活的其他脑区，从而揭示任务态下的协同激活网络。
4. 鲁棒性检验与对比分析： 为了评估ALE结果的稳健性，防止发表偏倚（publication bias）的影响，研究者采用了“失效安全数”（fail-safe n, FSN）方法。该方法估计需要添加多少篇报告随机（零）结果的“噪音”研究，才能使当前元分析发现的显著脑区变得不显著。FSN值越高，表明结果越稳健。此外，研究还进行了ALE的联合分析（conjunction analysis，找出共同激活区域）和对比分析（contrast analysis，找出差异激活区域），以直接比较后悔与庆幸的神经关联。
5. 数据分析流程： 整个分析流程高度依赖专门的软件和代码。ALE分析使用GingerALE；ANM和RSFC分析使用DPARSFA和SPM12进行预处理和统计；坐标转换使用tal2icbm_spm算法；FSN分析使用了公开的R代码生成噪音研究数据。所有分析脚本和数据已通过开放科学框架（Open Science Framework）公开，确保了研究的可重复性。
四、 主要研究结果
本研究通过多层次分析，清晰地描绘了后悔与庆幸神经基础的异同。
1. 区域水平结果（ALE分析）： * 共同神经基础： 联合分析显示，右侧腹侧纹状体（right ventral striatum） 在后悔和庆幸体验中均被显著激活。这表明VS作为奖赏预测误差（reward prediction error）的关键区域，可能参与编码反事实比较产生的信号（后悔对应“负向”预测误差，庆幸对应“正向”预测误差）。 * 分离的神经基础： 对比分析（relief > regret）发现，庆幸体验特异性地与左侧腹侧纹状体（left VS）、左侧壳核（left putamen）、左侧腹侧前扣带回（left ventral anterior cingulate cortex, vACC）、左侧腹内侧前额叶皮层（left ventromedial prefrontal cortex, vMPFC）以及右侧海马（right hippocampus）的更大激活相关。 而反向对比（regret > relief）未发现任何脑区有显著更强的激活。这意味着在区域水平上，庆幸比后悔调动了更广泛、更偏左侧化的边缘系统和前额叶区域，这些区域通常与积极结果处理和奖赏加工有关。 * 鲁棒性检验： FSN分析表明，右侧VS（后悔）、双侧VS和左侧vACC（庆幸）的激活收敛是稳健的，能够抵抗相当数量的潜在未发表阴性结果的干扰。而左侧壳核、左侧vMPFC和右侧海马在庆幸中的激活稳健性相对较弱。
2. 网络水平结果（ANM分析）： ANM提供了更宏观的视角。结果显示，后悔和庆幸的处理共享一个核心的“中皮层边缘奖赏网络”（mesocorticolimbic reward network）。该网络包括腹侧纹状体、腹侧前扣带回、腹内侧前额叶等区域，涉及奖赏敏感性和预期处理。 * 后悔的特异性网络节点： 在共享网络的基础上，后悔处理额外特异性地涉及双侧内侧眶额叶皮层（medial orbitofrontal cortex, mOFC）。这与早期损伤研究（如Camille等人，2004）的发现一致，强调了mOFC在整合后悔情绪到决策过程中的关键作用。 * 庆幸的特异性网络节点： 庆幸处理则额外特异性地涉及双侧内侧扣带回皮层（medial cingulate cortex, MCC）。MCC与自我导向的奖赏加工有关，可能专门处理庆幸这种由反事实比较产生的、与自我相关的积极结果。
3. 功能连接性结果（RSFC与MACM）： 以ALE发现的脑区为种子进行的功能连接分析显示，后悔和庆幸共享与双侧腹侧纹状体的广泛功能连接。然而，与ANM结果略有不同，功能连接分析发现，只有庆幸处理显示出腹侧纹状体与腹内侧前额叶皮层（vMPFC）之间更强的功能连接。这种差异可能源于种子区域选取的不同（ANM使用单个研究的坐标，而功能连接使用ALE组水平簇）。
五、 研究结论与意义
本研究通过综合性的神经影像元分析，首次系统性地揭示了后悔与庆幸情绪体验背后共同与分离的脑系统。主要结论如下： 1. 共同基础： 后悔和庆幸共享一个基于腹侧纹状体的核心神经机制，该机制可能负责计算反事实比较产生的奖赏预测误差信号。 2. 分离特征： 在区域水平，庆幸比后悔激活了更广泛的、与积极情绪和奖赏处理相关的脑网络（包括左侧vACC、vMPFC和海马）。在网络水平，两种情绪共享中皮层边缘奖赏网络，但后悔特异地招募内侧眶额叶皮层（mOFC），而庆幸特异地招募内侧扣带回皮层（MCC）。这提示mOFC和MCC可能是区分这两种对立反事实情绪的关键枢纽。
本研究具有重要的理论与临床价值： * 理论价值： 研究结果整合了以往矛盾的发现，为理解反事实情绪如何被整合到决策过程中并影响未来行为提供了更清晰的神经框架。它强调了从离散脑区到功能网络的研究范式转变的重要性。 * 临床价值： 研究结果可能为与后悔相关的情绪障碍（如抑郁症、焦虑症）的治疗提供神经生物学见解。例如，抑郁症患者的反刍思维和过度后悔可能与mOFC的功能异常有关，这为针对该脑区的神经调控（如经颅磁刺激）或药物治疗提供了潜在靶点。另一方面，缺乏后悔感是心理病态（psychopathy）的一个特征，理解其神经基础可能有助于开发针对此类人群的干预措施。
六、 研究亮点
七、 其他有价值内容
研究在讨论部分也指出了本元分析的局限性及未来方向： 1. 情绪类型聚焦： 本研究主要关注由财务决策任务诱发的、基于反事实比较的“回顾性”后悔与庆幸。未来的研究可以扩展到其他领域（如社会情绪）或不同前因的情绪（如由不愉快经历结束引发的“时间性庆幸”）。 2. 任务范式差异： 纳入研究使用了不同的实验任务（如“命运之轮”、“魔鬼任务”），它们在风险呈现方式（描述性风险 vs. 经验性风险）上有所不同。由于研究数量有限，未能进行基于任务的亚组分析。未来可探讨任务特征对神经反应的影响。 3. 主观测量： 多数研究通过客观的反事实结果差值来定义情绪，而非直接测量被试每 trial 的主观感受。未来研究需更好地区分情绪体验与纯粹的反事实计算。 4. 前瞻性情绪： 本研究未涵盖“预期性后悔/庆幸”。未来神经影像研究可探索对未来可能情绪的预演所涉及的神经机制。
这项研究为理解人类两种基本但复杂的反事实情绪——后悔与庆幸——的神经机制提供了迄今为止最全面、最系统的证据，架起了连通基础神经科学与临床心理病理学的重要桥梁。