生物行移动版

长期以来，科学家们都知道多巴胺能帮助大脑从奖励中学习，但一项新的计算模型首次展示了为何精神分裂症患者的这一学习系统会出现故障，并同时产生两种截然不同的核心症状——幻觉妄想（阳性症状）与认知动力缺乏（阴性症状）。

这篇于2026年4月24日发表在《细胞》杂志上的研究，提出了一种统一的理论，摒弃了传统的“多巴胺过多”或“多巴胺过少”的区域性观点。过去的理论往往试图将精神分裂症的症状归因于大脑特定通路的多巴胺水平异常，但无法解释为什么这两种极端症状常常共存。该模型认为，精神分裂症的根本缺陷在于预测误差的编码过程。

学习的化学信使

预测误差是大脑中一个基础性的计算信号。当结果好于预期时，多巴胺神经元会释放大量的多巴胺，促使重复该行为；而当结果差于预期时，多巴胺水平会急剧下降，起到警示作用。该模型指出，精神分裂症患者的多巴胺信号具有极低的信噪比，无法准确地区分“意外的好结果”与“意外的坏结果”。

在被试进行概率奖励学习任务的同时，研究团队使用计算模型来拟合他们的行为，并用正电子发射断层扫描测量其多巴胺合成能力。结果显示，精神分裂症患者的预测误差信号表现出高度的随机性，与症状的严重程度密切相关。

混乱的信号如何同时产生幻觉与冷漠

当大脑无法可靠地区分这一信号时，会发生什么？该模型令人信服地解释了一对看似矛盾的症状：

为什么会产生“幻觉”？ 为了在一个充满噪音的世界中生存，大脑必须学习统计规律，不然它就会试图在无意义的数据中发现隐藏的模式。当多巴胺预测误差信号混乱时，大脑会在纯粹随机的巧合中过度解读出“因果关系”。一个无关的环境事件变得极具“显著性”，被错误地标记为重要。如果这种错误的显著性判断涉及到自我归因，就可能产生妄想；如果涉及到内部言语的错误标记，就可能产生幻觉。

为什么同时会有“认知缺乏”（意志淡漠、快感缺乏）？ 混乱的预测误差不仅会产生错误的显著性，还会系统地干扰对真实奖励的学习。即使客观上获得了奖励，错误的信号也阻止大脑将其识别为“比预期好”。结果，患者无法构建一个关于“哪些行为能带来成功”的内部模型，导致自愿行为的全面崩溃。

高危人群的早期筛查

这项发现具有直接的临床转化潜力。可以设计简短的计算机化概率学习任务，并测量脑电图或瞳孔反应作为预测误差的替代指标。研究小组目前正在一个有精神分裂症家族史的高危青少年队列中验证这一反应模式，希望能在症状出现之前数年识别出发病风险较高的个体。

药物研发的新梦想

目前临床上使用抗精神病药物阻断D2受体以抑制多巴胺能亢进来治疗幻觉。但正如本模型所预测的，这并不能解决预测误差信噪比低下的根本计算问题。如果幻觉源于信号中随机噪音太多，单纯降低多巴胺总水平可能让信号更微弱、更混乱。

新提出的理论为下一代药物研发指明了方向：增强多巴胺信号编码的精确度，而非简单增加或减少多巴胺总量。例如，通过调节乙酰胆碱能或谷氨酸能系统作为多巴胺的“增益调节器”。此外，神经调控策略（如经颅磁刺激）可被精确设计靶向特定的皮层-纹状体环路，以恢复它们向多巴胺系统发送信号时的同步性。

该研究作者指出，精神分裂症不仅仅表现为多巴胺过多或过少——而是多巴胺信号失去了分辨预期与现实之间差距的能力。此发现为连接幻觉与意志淡漠这两种长期以来看似不相关的症状提供了统一的神经生物学桥梁。

来源：伦敦大学学院、牛津大学，发表于《细胞》，2026年4月24日