冲动性是包含IGD在内的多种成瘾障碍的核心症状，但冲动性是一个多维度的概念，分为短暂的“状态冲动性”和稳定的“特质冲动性”。目前，关于IGD患者状态与特质冲动性的神经基础以及IGD如何与这种高冲动倾向相互作用，仍然缺乏深入的理解。阐明这一高危人群的神经认知机制，对于在慢性神经适应发生不可逆转之前发现早期生物标志物具有重要的理论与临床价值。
近日，西南大学心理学部、认知与人格教育部重点实验室何清华教授团队在国际精神病学权威期刊《Molecular Psychiatry》（中科院SCI医学大类1区，IF=10.1，神经科学、精神病学top期刊）发表了题为“Neural representations of dynamical state and trait impulsivity in individuals at risk for internet gaming disorder”的研究论文。研究者招募了87名存在IGD风险的大学生（发现集），并引入了另一个包含84名具有相似IGD特征的独立队列（验证集）。研究采用改进的卡片猜测任务，在连续损失的决策框架下捕捉被试的动态状态冲动性（即追损行为，loss chasing behavior），并通过经典冲动性量表UPPS-P量化个体特质冲动性倾向。研究结合功能磁共振成像（fMRI）与基于连接组的预测模型（CPM）机器学习算法，揭示了IGD高危个体的状态与特质冲动性独特且相互关联的神经表征。
一．行为表现与状态冲动性的神经激活
作者首先通过改进的卡片猜测范式，要求被试与计算机进行随机赌博，并考察其在连续输/赢反馈时的押注行为，从而捕捉个体的状态冲动性(追损行为的出现，如图1范式示意图)。行为潜变量生长曲线模型表明，在连续损失的反馈框架下，被试的状态冲动性显著增加，具体表现为随着连输次数的增加，被试下注的金额动态上升（即追损行为），证实了该范式对状态冲动性的有效操控（见图1结果）。
图1 研究范式（改编版卡片猜测任务）与行为结果
神经影像单变量分析进一步解码了预测下一回合冲动决策的反馈相关神经活动。结果发现，右侧额中回、额上回、纹状体、岛叶、后扣带回/楔前叶以及感觉运动皮层等关键脑区在损失反馈中的激活，能够显著预测被试随后的冲动性下注决策。基于多变量模式分析MVPA，这些代表“状态冲动性”的神经表征能够成功对高风险与低风险IGD个体进行分类，部分证实了前额叶-纹状体与边缘系统环路在非适应性冲动决策中的关键作用。
二．基于脑网络的特质冲动性预测
为了探讨这些任务态识别出的状态冲动性神经表征是否能够反映个体稳定的特质，研究者提取了状态冲动性分类贡献度最高的Top 5%脑区（共50个节点）构建了静息态功能连接网络（rs-FCN）。随后，使用基于连接组的预测建模（CPM）框架结合支持向量机算法进行分析。结果表明，该rs-FCN不仅能够高度准确地对IGD风险进行分类（准确率0.828），还能稳健地预测个体的自评特质冲动性（UPPS-P得分）和IGD严重程度（2a）。值得注意的是，预测特质冲动性贡献最高的区域主要跨越额顶网络、突显网络和感觉运动系统，与状态冲动性主要依赖的“前额叶-皮层下情绪评估系统”在拓扑空间上表现出显著的分离(图2b-c)。更为重要的是，该CPM模型的预测性能在另一个间隔两年的纵向独立验证集中（Dataset 2）得到了高度重现，证实了提取的网络特征具有极高的稳健性与可泛化性。
图2 状态冲动相关rs-FCN预测特质冲动性及节点权重分布
三．状态与特质冲动性的神经-行为中介关系
最后，研究者通过探索性中介分析评估了脑网络在IGD严重程度与特质冲动性之间的桥梁作用。结果跨越三个数据集一致地证实了一条显著的间接路径： IGD风险通过与状态冲动性紧密关联的静息态脑网络模式（rs-FCN），间接影响了稳定的人格特质冲动性。这一发现提示，反复的、情境诱发的状态冲动性发作，可能会在神经生物学层面上固化，从而加剧IGD患者适应不良的冲动特质。
文章结论与展望
该研究深入探讨了IGD高危人群在风险决策过程中状态与特质冲动性的神经表征及其相互作用。研究证实了动态环境（如连续游戏损失）下的状态冲动性是由前额叶-皮层下的情绪评估网络驱动的，而稳定的特质冲动性则依赖于更大尺度的跨网络静息态连接。状态冲动性脑网络介导了IGD严重程度对特质冲动性的影响，冲动性并非单一结构，而是贯穿了从短暂的任务驱动反应到持久的静息网络架构的连续体。该研究为理解IGD中从短暂冲动状态向持久冲动特质转变的神经行为连续带提供了极其重要的理论机制与潜在的生物学早筛标记。
西南大学心理学部副教授、北京师范大学认知神经科学与学习国家重点实验室访问学者赵海潮博士为该论文第一作者，西南大学心理学部何清华教授为论文最后通讯作者，刘佳丽副教授为共同通讯作者。北京师范大学认知神经科学与学习国家重点实验室肖志兵博士、李淑宇教授为该论文做出了重要贡献。该研究得到了国家自然科学基金（32300859, 32400867, 31972906）、教育部人文社会科学研究项目（23YJC190039, 24XJC190004）、重庆市自然科学基金（2023NSCQ-MSX0899）、中央高校基本科研业务费（SWU2409728）以及认知神经科学与学习国家重点实验室开放研究基金（CNLYB2303）等多个项目的资助。
