Distributed resting-state functional connectivity patterns predict language performance in later adulthood
这项研究表明，成年晚期的语言表现主要由跨越领域通用网络的分布式全脑静息态功能连接模式而非语言特定区域来预测，且支持该表现的具体神经架构随受教育程度和年龄而异。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
几十年来，关于人类大脑如何处理语言的标准叙述一直是一个关于特定“邻里”的故事。科学家们曾认为，如果你想理解单词，你需要大脑左侧一个专门的区域；如果你想说话，你需要附近另一个区域。对这些特定部位的损伤会导致语言功能失效，从而让人产生一种错觉，即语言是一个自给自足的系统，与大脑的其他机制相互隔离。然而，现代脑成像技术正逐渐重写这张地图。事实证明，语言并不是一座孤岛，而是发生在整个大脑中的一场对话。即使在我们不说话或不听话时，我们的大脑也在通过活动而“嗡嗡作响”，而不同区域之间连接的强度——即我们在休息时它们彼此交流的顺畅程度——蕴含着关于我们能力的线索。这向随着年龄增长的人们提出了一个引人入胜的问题：在晚年，理解和阅读单词的能力是取决于那个特定语言区域的健康，还是取决于该语言区域与大脑中更广泛的注意力、记忆和规划系统之间的连接能力？
帕多瓦大学的一个研究小组致力于通过观察 445 名 40 至 86 岁成年人的大脑来回答这个问题。他们利用一个庞大的脑扫描数据库和测试分数，试图观察是否仅通过观察一个人大脑在静息状态下的连接模式，就能预测其语言任务的表现。参与者参加了两项特定的测试：一项是通过选择正确的图片来识别所听单词的含义，另一项是朗读一份单词列表。研究人员将大脑划分为 400 个微小区域，并测量了当人在扫描仪中静止不动时，每个区域与其他每个区域之间的连接强度。他们在寻找一个信号：这些区域是如何相互连接的，能否预测一个人的词汇量或单词识别准确度？
结果显示，大脑的语言网络并非孤立工作。当研究人员建立一个预测测试得分的模型时，最重要的线索并非来自语言网络内部的连接。相反，最强的预测因子是连接语言网络与其他主要系统的“桥梁”，例如默认模式网络（该网络在思维游离或回忆记忆时活跃）和额顶网络（该网络有助于专注和决策）。事实上，对于词汇和阅读测试，最重要的连接都是这些不同系统之间延伸出的连接。语言网络确实参与其中，但它并不是主角；正是语言区域与大脑其他部分之间的这种“团队协作”，最好地预测了人的表现。
这项研究还发现，这种团队协作会根据个人的生活经历（特别是受教育程度和年龄）而发生变化。对于受教育年限较少的人来说，拥有一个非常高效、紧密结合的语言网络似乎有助于他们理解单词。这就像是他们依赖于一个专门的内部团队来完成任务。然而，对于受教育程度较高的人，情况则发生了反转。这些人的表现更好，是因为他们的语言网络不再孤立，而是与大脑的其他部分联系得更加紧密。他们似乎受益于一个更广泛、更分布式的通信网络，从注意力和记忆系统中汲取资源来支持其语言技能。这表明，高等教育可能训练了大脑去使用一个更广泛、更灵活的网络来进行语言处理，而不是仅仅依赖于一个专门的语言中心。
年龄在改变这些连接的重要性方面也起到了类似的作用。在研究中的年轻成年人中，语言区域与其他大脑区域之间的强连接与更好的表现相关。但随着年龄的增长，这种关系在特定的左颞叶区域发生了逆转：对于最年长的参与者来说，在这些区域拥有广泛的连接实际上与较低的分数相关联。这符合一种关于衰老的理论，即大脑的网络会随着时间的推移变得不再清晰且更加混杂。年轻的大脑可能会利用广泛的连接来提升表现，而年长的大脑可能会在这些特定区域边界模糊时感到吃力，这表明特定大脑连接的价值完全取决于使用者的年龄。
最终，这项研究挑战了关于语言仅仅涉及大脑中几个特定位点的旧观念。相反，它描绘了成年晚期语言能力是一种全脑现象。理解一个单词或阅读一个句子，取决于语言网络如何与大脑的通用思维和记忆系统进行整合。这些模式并非固定不变，它们受到一个人学习程度和年龄的影响。研究结果表明，要真正理解衰老过程中的语言能力，我们不能只盯着语言中心看，而必须开始关注支撑它们的整个连接网络。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。