DeepSeek：孤独症干预注定是一件难事！

DeepSeek始终以复杂性、未知性和不可控性的视角来阐述“孤独症干预注定是一件难事”。无论大语言模型（LLMs）有多好，无论是有几千亿个或上万亿个参数，还是使用了几千亿个或上万亿个token的训练数据集 ，它最多只能与训练的数据和提供的数据一样好。

然而，我们人类的思考超越感觉，无论是作为对感觉材料的详尽阐述，还是作为对完全超出感觉范围的对象的理解。我想从对人脑工作机制的已知性再进一步阐述“想改变一个人注定是一件难事！”

我们的大脑由860亿个神经元和类似数量的非神经元细胞组成，并由它们组成复杂的神经回路和网络。

脑科学的新纪元：人脑单细胞图谱

只要活着，大脑的神经元会一刻不停的活动。发生在皮层内的神经元自发性活动，不是以前人们认为的“噪音”，而是大脑全局性的模型；由刺激或任务参与触发的神经活动则是该模型自适应的表现。

感觉的输入不会进入一个“空”的大脑丨新研究揭示了大脑持续的内在活动对有意识视觉感知影响的网络机制

自发性大脑动力学在皮层预先配置了一组核心的内在神经网络，提供了一组低维度元素集的网络时空架构。这些元素通过选择性地参与和脱离以形成特定的任务驱动神经网络。因此，内在神经网络负责全局性的架构和整合功能，扮演着吸引子的角色，控制着任务驱动神经网络的功能和表现。

神经科学前沿研究：发现了决定孤独症干预结果好坏的内在原因和解决方案

值得注意的是，大脑通过“知觉解耦”构建了其“防火墙”，使来自外部和内部的信息刺激只能按照现成的“内在神经网络”机制生成“任务驱动神经网络”。常态人群之所以常态，是因为其内在神经网络在常态范围。神经发育障碍或精神障碍人群，是因为其内在神经网络不在常态范围。

你应该了解：为什么治疗孤独症是一件难事？

孤独症干预的全生命周期、非线性发育、复杂的大脑视角,DMN是现代神经科学最具影响力但又最具挑战的发现之一。默认模式网络 (default mode network，DMN) —— 一组分布在额叶、颞叶和顶叶的高度相关波动的大脑区域 —— 大脑内在神经网络中的最重要一种，涉及复杂思维和行为的许多方面，比如自我参照、社会认知、情景记忆、语言理解和语义记忆以及走神。DMN 整合并传播记忆、语言和语义表征，以创建反映我们个人经历的连贯“内部叙事”。这种叙事是自我意识构建的核心，塑造了我们如何看待自己和与他人互动，可能起源于儿童时期的自我导向言语，并构成了人类意识的重要组成部分（Menon, 2023）。

对单个个体的详细高分辨率分析表明，默认网络不是历史上描述的一个单一的网络，而是由多个相互交织的（独立）网络组成。这些相互交织的网络共享一个共同的组织基序（支持一类依赖于内部构建而不是外部约束的表征的一般处理功能），每个独立网络专门用于不同的处理域（Randy & DiNicola, 2019）。

尽管 DMN 通常是根据功能来定义的（即，强大的静息状态功能连接和外部导向任务期间的相对较低的活动），但其子区域也通过长距离束连接（Alves et al., 2019; Mantini et al., 2011），并且每个子区域与主要感觉和运动区域的距离最大（Margulies et al., 2016）。这种地形允许DMN的活动与此时此刻的知觉解耦（Christoff et al., 2009; Karapanagiotidis et al., 2017; Mason et al., 2007; Smallwood et al., 2021），因为神经信号在皮质区域之间逐渐从捕捉感官输入细节的区域转变为捕捉环境更抽象特征的区域（Brincat et al., 2018; Hirabayashi & Miyashita, 2014）。

这些观察结果表明，DMN 中的神经活动有可能既不同于感觉输入，又包含外部世界的抽象表征。这解释了DMN为什么会涉及复杂思维和行为的许多方面。DMN 已成为人类认知研究的中心领域，促进了我们对大脑回路如何组织、它们如何促进认知和情感功能以及它们的损伤如何导致精神病理学的理解。

关于DMN作用的理论最初集中于内定向认知及其与任务正性网络的对抗，但越来越多的证据表明，DMN的活动与外部刺激的内容和外部导向的任务需求有关（Simony et al., 2016; Yeshurun et al., 2017）。此外，DMN 子区域可以与任务正性网络区域共同波动（Braga et al., 2013; Spreng et al., 2010）。DMN和FPN（另一种内在神经网络）共激活是身心健康、在学校、工作和生活中取得成功、以及认知、社交和心理发展必不可少的大脑功能。FPN的主要功能：抑制和工作记忆、认知灵活性、推理、问题解决、决策和计划，使得目标导向和意志控制成为可能。而前脑岛[AI] 凭借行动至上和有效的连通性，充当DMN和FPN共激活的看门人(Cai et al., 2021; Molnar-Szakacs & Uddin, 2022)。

更好地了解 DMN 的解剖结构

McGill大学和其他研究所的研究人员最近进行了一项研究，旨在更好地了解 DMN 的解剖结构，特别是检查其中的神经元的组织，这被称为细胞结构。研究团队使用了两种主要的实验方法，称为死后组织学和体内神经成像。第一种方法需要对已故患者保存的脑组织进行显微镜检查，而第二种方法涉及扫描活体个体的大脑。他们的研究结果于2025年1月28日发表在《自然神经科学》上，研究表明 DMN 对人脑及其相关的认知和行为功能具有广泛影响。

DMN通常被认为包括(1)海马旁皮层（PHPC），(2)楔前叶（Prec）和后扣带皮层，(3)顶叶下小叶（IP）的尾端区域，(4)颞叶中皮层（MT），(5) 下额叶（IF）外侧皮层，(6)前额叶皮层（PFC）的一个区域，主要覆盖额上回和前扣带，以及额叶中回的一小部分（下图a）。

研究结果表明DMN 在细胞结构上是异质性的。皮层区域间细胞结构最显著的差异是层状分化的程度，即层的可区分性和厚度。层状分化程度在初级感觉区最高，沿皮层幔层逐渐减弱，在与海马和梨状异位皮质相邻的颗粒皮质层分化程度较低。这种层状分化的梯度被概括为六种皮层类型，最初由Von Economo定义（上图a）。投射模式也沿着这个梯度系统地变化，形成了一个跨越主要感觉区域到前额叶皮层和海马体的层次结构。皮层类型（与感觉层次同义）被认为反映了底层皮层微电路的不同专业化，范围从外部聚焦的感觉区域到单模和异模皮层，再到无颗粒的旁边缘区域。这种假设的关系主要基于非人类灵长类动物的神经生理学证据和人类的病变研究，通过对皮质类型的元分析解码，使用来自数千个 fMRI 研究的激活图，支持了这种假设。

基于DMN图谱与皮质类型的细胞结构图谱的重叠，研究人员发现DMN包含六种皮质类型中的五种（上图a）。这种构成相对于其他功能网络是独特的。事实上，两两比较表明，所有网络都表现出独特的皮层类型组成。值得注意的是，在所有功能网络中，DMN 包含通常与感觉信息处理及其渐进整合相关的三种 eulaminate 类型的最平衡表征（eulaminate-I、-II 和 -III）。此外，DMN 包含异常颗粒和非颗粒皮层，它们通常与内部生成的过程（如记忆和情感）有关。然而，这些皮质类型在 DMN 中的表征并不相同。大约 90% 的 DMN 是eulaminate，这一比例甚至高于整个皮层 84% 的比例。研究发现 DMN 过度表征了 eulaminate-I，传统上称为异模皮层，据推测它可以处理来自多个感觉域的信息。DMN 中广泛的皮层类型，加上 eulaminate-I 的过度表征，与该网络在整合来自多个系统的信息（包括与感觉和记忆过程相关的系统）中的作用是一致的。

在确定 DMN 包含广泛的皮质类型后，研究人员接下来采用了一种数据驱动的方法来表征细胞结构变异的细粒度空间模式。研究使用专门定制的皮质配位程序，将功能性网络图谱1转化为死后人体细胞染色的3D大脑。利用细胞体染色强度的皮质内剖面（上图1c，e），研究人员评估了DMN内的细胞结构变化，通过非线性流形学习绘制细胞结构变化。该流形的第一个特征向量（E1），下文称为细胞结构轴，描述了底层细胞结构轮廓的形状从峰值到平坦的变化（上图1e），并反映了细胞密度的变化（上图1c）。细胞结构轴的一端锚定在单模eulaminate-III皮层（例如，后压部和颞中后部），另一端锚定在非颗粒皮层（例如内侧海马旁回和前扣带回）。因此，细胞结构轴的端点是 DMN 中发现的最极端的皮质类型。然而，在这些端点之外，细胞结构轴偏离了皮层类型所描述的梯度。这种模式不区分DMN的亚区，也不遵循神经元密度的前后梯度。相反，研究人员观察到 DMN 子区域内不同空间地形的马赛克，其中相邻点有时不同，而远处的点有时相似。研究的数据驱动方法表明，DMN 内的组织与跨感觉层次观察到的组织不同，并且相对不受大规模空间梯度的限制。

仔细观察细胞结构的地形图突出了 DMN 中相邻区域的（不）相似性。鉴于皮层中无处不在的局部连接，地形为空间连续子区域内的通信形式提供了重要信息。研究使用两个互补的度量来量化这些差异：平滑度和波纹度。研究人员发现，子区域在平滑度和波纹度方面存在显著差异。海马旁回的平滑度特别高，表明其细胞结构轴遵循相对平滑的梯度。相反，前额叶皮质表现出特别高的波纹度。这种在皮质层中频繁变化的模式，在两种对比特性之间来回切换，让人联想到已知存在于前额皮质中的交叉连接模式。该分析表明，DMN 包含不同的细胞结构模式，代表了神经信号在皮质中整合的两种不同方式：内侧颞叶梯度与信息的逐渐汇聚有关，前额叶的交叉使得来自不同来源的信息能够联系起来。总之，这些指标量化了不同子区域之间细胞结构景观的变化，从海马旁回中相对简单的梯度（可以通过空间回归模型很好地解释，且波纹度较低）到背侧前额叶皮质中明显的波动（以高波纹度和较差的回归模型性能为特征）。

研究人员接下来使用了多模态MRI来探索DMN的可变细胞结构如何与其连通性相关。他们假设连通性将与细胞结构轴（E1，上图d）共变，因为连通性倾向随着细胞结构相似性的增加而增加。尽管这一原则已经在整个联合和感觉区域中被观察到，但它如何特别适用于DMN仍不清楚。

首先，研究人员使用扩散 MRI 纤维束成像技术测量了白质束的通信效率。导航是一种分散的通信策略，特别适合于空间嵌入式网络，最近被提出用于研究人类大脑的结构连接和结构-功能关系。发现与其他皮质区域进行交流的倾向（以平均 Enav为指标）在 DMN 内有所不同（变异系数 = 18%）。DMN细胞结构轴一端的区域，特别是那些具有更多尖峰细胞结构的区域，如前扣带区和楔前叶前部，表现出与皮质其余部分更有效的通信（r = −0.60; Pspin = 0.001；下图a（i））。这种效应在与感知耦合的皮质类型（koniocortical/eulaminate-III/eulaminate-II；r  = −0.63/−0.60/−0.38，Pspin  < 0.025；下图a（i））的通信中尤为明显。因此，DMN的细胞结构组织也与基于束的通信的空间模式相关，特别是在DMN和从事感觉处理的皮质区域之间。这种协变模式特定于DMN和非DMN区域之间的连接，并不适用于DMN内的连接，这表明网络间和网络内的连接可能涉及嵌入在更一般的皮层范围的原则中的不同组织规则，例如结构模型。

结构组织对大脑皮层信息功能流动的影响

接下来，研究人员研究了这种结构组织对大脑皮层信息功能流动的影响。他们将rDCM（一种可扩展的有效连接生成模型）应用于静息状态fMRI时间序列的400个等皮层包裹，覆盖整个等皮层。在当前的工作中，研究人员进行了全皮质 rDCM，然后选择 DMN 包裹作为功能输入分析的目标，选择 DMN 包裹作为功能输出分析的种子。功能估计的输入和输出在 DMN 内有所不同（变异系数分别为 24% 和 29%）。输入的平均强度在DMN中具有更多尖峰细胞结构的区域显著更高(r = - 0.54；Pspin < 0.001)，也就是说，在上面的结构连通性分析中，这些区域也被强调为与皮层的其他部分具有更有效的通信。对类型特异性连通性的检查显示，皮层类型之间的区别有限，因此，来自外部和内部聚焦的皮层类型的输入都集中在具有尖峰细胞结构轮廓的DMN区域(上图a（ii),（iii））。因此，几个输入集中在DMN亚基的一个子集上，如下顶叶区和楔前叶区，而DMN亚基的一个子集-那些具有扁平细胞结构的亚基-仍然相对隔绝于皮层输入。输出值不随细胞结构轴而变化(r = - 0.18；Pspin = 0.064；上图a(ii),(iii))。这些发现在复制数据集中以及在模型中包含皮层下结构和海马体时是一致的。总的来说，这些分析表明 DMN 包含两个微架构上不同的子集——一个子集与参与感知的皮质区域进行高效的基于束的通信，并接收来自所有感觉层次的汇聚输入，另一个子集与皮质的其余部分进行效率较低的基于束的通信，并且相对不受来自感觉系统的输入信号的影响（上图b）。

该研究还发现了DMN 以平衡的方式与所有皮质类型进行交流。与其他功能网络相比，DMN 表现出跨皮层类型最平衡的通信效率；可以进一步说明，DMN 的输出在各个皮质类型之间是平衡的，但输入却不是（上图 c(i)）换句话说，DMN 向所有皮质类型（即所有级别的感觉层次）输出强度大致相同的信号。在人类皮质的所有功能系统中，只有 DMN 在皮质类型之间表现出这种输出平衡（上图c(ii)）。因此，DMN 的空间分布、内部异质性和连通性产生了一种独特的能力，可以接收时间上不同的信号，然后发送以相似方式影响所有级别的感觉层次的神经信号。

为了证明该研究结果适用于个体大脑，研究团队使用 7-T MRI 对八名健康人群进行了高分辨率定量 T1（qT1）弛豫 MRI 以及扩散加权和功能性 MRI。方法与上面描述的方法相同，只是组织学被 qT1 取代。他们假设qT1对皮层髓鞘敏感，可以概括细胞结构的区域差异，因为皮层区域和皮层内层是由细胞或髓结构排列确定的，他们之前的工作已经表明了组织学和qT1 MRI得出的微结构分化主轴的强烈对应关系。虽然qT1和组织学数据集在生物敏感性（髓鞘vs细胞体）和分辨率（500 μm vs 100 μm）方面存在差异，但DMN中微结构分化的模式在两种模式之间具有适度的相似性。例如，前额叶皮层与外侧颞叶区域的突出的微观结构差异（下图a）。研究人员还使用个体特定的 DMN重复了分析，并发现了高度相似的轴。因此，DMN 内的微观结构变化不是由于 DMN 相对于群体平均图谱的特殊定位造成的。

尽管特异性和跨模态差异是明显的，特别是在侧顶叶和前扣带区，但在qT1和组织学数据集中，微建筑分化的地形是相似的，从中颞叶的平滑梯度到前额叶皮层的较高波浪形（上图b）。事实上，子区域平滑度（ravg = 0.51；Pavg = 0.09）和波纹度（ravg = 0.74；Pavg = 0.011）在数据集之间是相关的。此外，根据研究的主要分析，DMN 亚区域与皮层其余部分之间的通讯效率在微结构轴的一端更高（ravg = -0.38；Pavg-spin = 0.015）。这种效应在与感知耦合的皮质类型（koniocortical/eulaminate-III：ravg = -0.40/0.37；Pavg-spin = 0.044/0.089）的交流中尤为明显。最后，功能输入也趋于沿微结构轴减少（ravg = -0.26；Pavg-spin = 0.101）。总的来说，这些个体层面的分析表明，DMN 的微架构轴将多模收敛区与相对不受外部输入影响的核心区分开来（上图c）。因此，与组织学证据一致，基于 MRI 的方法强调 DMN 的一部分与外部输入相对隔离。

总的来说，该研究提供了一系列关于人类大脑如何形成抽象表象的解剖学假设，并利用这些假设来指导一系列领域的认知。具体而言，DMN 的功能多样性取决于其内部异质性、接收器和更多绝缘子单元的拥有情况以及与各个层次的感觉层次的平衡通信。这组独特的特征勾勒出DMN内部的解剖景观，这可能解释了为什么DMN涉及跨越传统心理类别的状态，并且可能具有相反的特征。

自概念化以来，DMN 一直饱受争议

各种方法都产生了 DMN，这导致了一定的本体论容量，也就是说，对于 DMN 是什么以及如何定义它存在一定程度的模糊性。该研究表明，DMN 在空间和概念上的模糊性可以通过子区域内微结构的变化及其与皮质其他区域的独特连接来解释。具体来说，DMN 可以通过招募每个子区域的不同部分来实现不同的认知形式，而更广泛的系统则保持向大脑其他部分广播连贯信号的能力。一组分布的、功能多样的大脑区域以一致的方式运作的能力可能是大脑功能如何支持我们作为一个物种能够参与的一系列不同行为的核心特征。

然而，大量的研究表明孤独症大脑的DMN、FPN的内部以及与其他网络间的连通性异常(Padmanabhan et al., 2017; Harikumar et al., 2021; Lee et al., 2022; Nair et al., 2020; Chen et al., 2022; Krishnamurthy et al., 2022; Lin et al., 2019; Wan et al., 2023; Kupis et al., 2020; Guo et al., 2022; Watanabea & Rees, 2017; May & Kana, 2020; Lee et al., 2022; Zhang et al., 2024; Watanabe & Watanabe, 2023)。

孤独症孩子的行为不仅受限于其神经发育，也限制其神经发育丨干预方法的流行，靠的是兜售焦虑，而非有用。