🌀 nonlinear sciences

Deviance from a pink noise regime in the temporal organization of semantic relations in psychosis

这项研究表明，精神病患者在其语义言语模式中表现出异常强的长程时间相关性，偏离了典型的“粉红噪声”机制并趋向于过度持久，这与该疾病相关的脑功能偏离临界态的已知现象相平行。

原作者： Paola Moreno Ancalmo, Emre Bora, Rieke Roxanne Mülfarth, Svenja Seuffert, Tilo Kircher, Frederike Stein, Philipp Homan, Wolfram Hinzen

发布于 2026-06-23

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Paola Moreno Ancalmo, Emre Bora, Rieke Roxanne Mülfarth, Svenja Seuffert, Tilo Kircher, Frederike Stein, Philipp Homan, Wolfram Hinzen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

核心理念：倾听思想的“节奏”

想象你正在聆听一条河流。在一条健康、自然的河流中，水流有着特定的节奏。它有大的波浪，也有小的涟漪，两者之间层层递进。如果你在短时间内观察水面，它看起来是混乱的。但如果你拉长视角，从长远来看，你会发现一种模式：小涟漪看起来就像缩小的波浪。科学家称之为**“粉红噪声”（pink noise）**。它处于一个“金发姑娘区”（意指恰到好处的状态）——既不过于随机，也不过于僵化，而是处于完美的平衡之中。这种平衡让一个系统（如大脑或河流）能够保持灵活性并快速适应环境。

这项研究表明，当人们说话时，他们的思想通常也遵循这种健康的、平衡的节奏。然而，在精神病性障碍（psychosis）（一种影响大脑处理现实能力的疾病）患者身上，这种节奏却“卡住了”。

实验过程：测量语言的“流动”

研究人员想要观察精神病性障碍患者的说话方式是否与健康人群有所不同。他们不仅观察人们使用了哪些词汇，还观察了这些词汇的“意义”随时间变化的规律。

工具： 他们使用了一个能够理解词汇“意义”的计算机程序（人工智能）。想象一下，每个词在巨大的地图上都有一个位置。如果你先说“狗”再说“猫”，这两个词在地图上的距离很近；如果你说“狗”和“宇宙飞船”，它们之间的距离就很远。
测试： 他们对人们说话的录音进行了处理，测量了每两个词之间的“距离”。这创建了一条线图，展示了对话的意义是在剧烈跳动还是保持稳定。
数学方法： 他们使用了一种特殊的数学测试（称为 DFA），来观察这条线图是否具有健康的、平衡的节奏（粉红噪声），还是已经破碎。

研究发现：“卡住”的唱片

结果显示两组人群之间存在明显的差异：

健康对照组： 他们的言语具有平衡的节奏。他们的思想移动得非常自然，在不同的想法之间跳转，但仍与过去保持着灵活的联系。这就像一条自由流淌的河流。
精神病性障碍患者： 他们的言语呈现出不同的模式。研究人员发现，他们词汇的意义过于持久（too persistent）。

类比：
想象一台唱片机。

健康的言语 就像一张正在播放音乐的唱片，唱针在沟槽中平滑移动，自然地变换着音符和节奏。
精神病性障碍的言语 则像是一张唱针卡在某个沟槽里的唱片。它不断地重复同样的模式。思想不会自然地漂移，而是会“卡”在循环中，过度执着于相同的想法。

用科学术语来说，患者表现出“过度持久性”。他们的语义波动（意义的变化）过于强烈且持续时间过长，从健康的“粉红噪声”平衡状态向更加僵化的状态偏移。

这为什么重要？

这篇论文表明，语言是观察大脑运作情况的一扇窗口。

大脑的联系： 我们知道，健康的大脑运作在“粉红噪声”的平衡之上。当大脑出现问题（如精神病性障碍）时，这种平衡会被打破，大脑会变得“卡住”，陷入僵化的模式。
言语的联系： 这项研究表明，我们在脑电信号中看到的这种“卡住”模式，也会出现在人们的言语中。人们如何将词汇串联起来，揭示了其内在的“节奏”已经偏离了健康的平衡点。

重要局限性（论文中并未提及的内容）

目前还不是诊断工具： 论文并未建议医生开始使用这种数学测试来诊断患者。它是一个“概念验证”，证明了这种数学方法是行得通的。
与特定症状无关： 研究人员发现，这种“卡住的节奏”并不完全对应于幻听或抑郁等特定症状。相反，它似乎是反映了一个更深层的、关于整个系统如何组织运作的基本问题。
需要更多数据： 由于部分参与者说话时间不够长，研究不得不剔除了一些人。这种数学计算需要大量的词汇量才能生效，而这在简短的医生问诊中很难实现。

总结

可以将健康的思考想象成一位爵士乐手在即兴表演：它既有结构又有灵活性，有着连接过去与未来的自然流动。而在精神病性障碍中，论文暗示这位乐手被困住了，只能一遍又一遍地演奏那几个重复的音符。这项研究证明，通过测量词汇之间的“距离”，我们可以从数学上检测到这种“卡住”的节奏，这表明精神病性障碍患者的说话方式，正是其大脑在组织时间和意义方面发生深层变化的直接体现。

技术摘要：精神病性障碍中语义关系时间组织偏离粉红噪声机制的研究

问题陈述
语言产生是一个跨越多个尺度（从词汇到话语）展开的时间过程。复杂系统理论表明，健康的系统运行在“临界点”附近，表现出具有长程时间相关性的无标度动力学特征（粉红噪声）。这种偏离该机制——向无相关性的白噪声或过度持久的布朗噪声偏移——已成为生理领域（如步态、心率）病理性的既定标志。虽然批判性特征已在语言的各个层面（如齐夫定律、互信息衰减）被观察到，但目前尚不清楚语义关系的语义时间组织是否也表现出类似的无标度动力学，以及对该机制的偏离是否表征了精神病性障碍。传统的自然语言处理（NLP）指标往往无法捕捉这些长程时间依赖性，因为它们侧重于局部转换或静态全局指标。本研究通过调查精神病性障碍中的言语是否表现出改变的语义相似性时间序列的缩放特性，来填补这一空白。

方法论
本研究分析了来自三个独立数据集（苏黎世、马尔堡和伊兹密尔）的临床转录文本。这些数据集包括精神分裂症谱系障碍（SSD）患者、精神特质组、重度抑郁障碍（MDD）患者及健康对照组（HC）。

数据预处理： 音频录音通过自动转录与人工审核转换为文本。仅保留长度为100个单词或以上的连续言语片段，以确保能够进行稳定的去趋势波动分析（DFA）估计。
语义嵌入： 使用 Qwen3-Embedding-8b 模型通过 SentenceTransformers 库生成词级语义嵌入。
时间序列构建： 通过计算相邻词嵌入之间的余弦相似度（ $K(X, Y) = \langle X, Y \rangle / (||X|| \cdot ||Y||)$ ）创建一个连续的时间序列。
去趋势波动分析 (DFA)： 应用 DFA 对这些余弦相似性时间序列进行量化。过程包括：
- 对减去均值后的时间序列进行积分。
- 将积分序列划分为不同长度（ $n$ ）的非重叠窗口。
- 移除每个窗口内的局部线性趋势。
- 计算每个窗口大小下的均方根波动 $F(n)$ 。
- 将 $\alpha$ 定为 $\log F(n)$ 对 $\log n$ 回归的斜率。
- $\alpha$ 为 0.5 表示白噪声（无相关性）；数值接近或超过 1 则表示布朗噪声（高度持久性）。
统计分析： 在各个任务中对参与者层级的 $\alpha$ 值进行平均。使用线性回归模型（OLS）比较各数据集中的组间差异（患者 vs 对照组），并对协变量（单词数、年龄、性别）进行调整。同时计算偏 Spearman 相关系数，以评估 $\alpha$ 与症状评分（PANSS, SAPS, SANS）之间的关系，并控制诊断变量。

核心贡献

将 DFA 应用于语义空间： 本研究引入了一种方法，通过对基于 BERT（具体为 Qwen）的余弦相似性时间序列应用 DFA，来量化话语中语义关系的时间缩放特性。
跨数据集验证： 研究结果在涉及不同语言（瑞士德语、德语、土耳其语）和多样化临床人群的三个独立数据集中得到了验证。
将语言与批判性联系起来： 本工作将批判性假说从生理信号和词频分布（齐夫定律）扩展到了精神病性障碍中语义相似性的时间动力学。

结果

组间差异： 在所有三个数据集中，SSD 患者表现出显著高于健康对照组的 DFA 缩放指数 ( $\alpha$ $α$ )。
- 苏黎世： SSD 患者的 $\alpha$ 显著高于低精神特质对照组 ( $\beta = 0.0295, p = 0.001$ )；高精神特质对照组与低精神特质对照组之间没有差异。
- 伊兹密尔： 慢性精神分裂症（SZH）患者的 $\alpha$ 显著高于健康对照组 ( $\beta = 0.0303, p = 0.006$ )；首发精神病（FEP）和分裂情感性障碍（SZA）组相对于对照组呈现趋势，但未达到统计学显著性。
- 马尔堡： SSD 患者的 $\alpha$ 显著高于健康对照组 ( $\beta = 0.0241, p = 0.039$ )；MDD 组与对照组之间没有显著差异。
症状相关性： $\alpha$ 与特定症状维度的关系并不一致。在苏黎世和马尔堡数据集中，相关性分布在阳性和阴性症状中，且极少有能在 FDR 校正后存续的相关性。土耳其数据集未显示显著关联。
协变量： 在各数据集中，说话的单词数与缩放指数呈负相关。年龄在苏黎世和马尔堡数据集中呈现正相关。

意义与主张
作者声称，精神病性障碍中升高的缩放指数表明存在异常强的长程相关性和过度的持久性。在复杂系统框架下，这代表了从健康系统所特有的近临界（粉红噪声）状态向更具持久性的“布朗噪声”状态的偏移。

本文认为，这种语言时间组织的改变可能作为神经动力学改变的读出信号。该发现与现有文献相呼应，即在 SSD 患者自发神经活动中观察到的幂律缩放破坏和时间持久性增加。作者指出，正如神经密度降低可能与词频分布（齐夫定律）的偏差相关联一样，语义相似性时间缩放的偏差可能反映了大脑语言系统自组织批判性中更深层的、原发性的紊乱。

研究结论认为，尽管由于向量表示中的噪声和短时间序列的原因，缩放指数并未达到粉红噪声的标准 $\alpha = 1$ ，但跨独立样本的一致性向高 $\alpha$ 值的偏移，为精神病性障碍中意义时间组织的系统级紊乱提供了经验证据。作者提醒，缩放指数可能并不索引特定的症状，而是反映了系统组织原则的根本性崩溃。