JNeurosci：大脑如何跨感官融合面孔与声音以解码情绪

高效的人类日常沟通离不开对微妙社交与情感信号的持续解读。在日常交往中，评估他人的情绪状态往往依赖于将“所见”与“所闻”深度整合——例如将挑起的眉毛与带有讽刺意味的语调联系起来，或将睁大的双眼与恐惧的喘息声相匹配。然而，大脑究竟如何将这些来自不同感官通路的异质信号融合成统一的情感认知，长期以来一直是认知神经科学领域的核心谜题。

在一项发表于《神经科学杂志》（The Journal of Neuroscience, JNeurosci）的研究中，来自比利时鲁汶大学（UCLouvain）和根特大学等机构的国际科研团队绘制了大脑对表达不同情绪的面孔与声音的响应图谱。结果表明，社交大脑网络中的感觉处理比经典模型所预设的更加高度互联，且表现出显著的感官无关性（sensory-invariant）。

该研究由鲁汶大学的 Olivier Collignon 博士和根特大学的 Stefania Mattioni 博士共同领导。研究团队利用功能性磁共振成像（fMRI）技术，记录了受试者在感知情绪面孔、情绪发声或二者同步呈现时的神经活动模式。

传统理论通常认为，面部特征由专门的视觉皮层处理，而语调则由听觉皮层处理。然而实验发现，当受试者分别评估面部表情和声音语调时，情绪内容引发了跨感觉皮层的广泛激活，且这些神经信号完全打破了传统的感觉边界。

研究人员指出，专门处理面孔的皮层区域同样携带了从声音语调中提取的情绪信息；反之，专门处理声音的听觉区域也能解码从面部表情中看到的情绪。甚至在某些脑区中，无论是通过视觉感知还是听觉接收，大脑对同一种底层情绪的神经表征形式高度一致。这表明，高阶感觉皮层维持着关于情感状态的抽象概念表征——即大脑是在编码“恐惧”或“喜悦”等情绪概念本身，而非仅仅记录声学频率或视觉几何构型。

更重要的是，当面孔和声音同步呈现时，大脑的反应并非简单的视听信号线性相加。相反，多模态输入的结合从根本上动态重组了整个社交和情绪处理网络的神经响应。这种网络层面的重塑解释了大脑在复杂的现实环境中如何快速消除模糊情绪表达的歧义：当视觉和听觉线索吻合时，多模态网络能够迅速交叉比对传入数据，从而大幅加快情绪识别速度并优化社交判断。

从演化生物学的角度来看，这种跨模态架构提供了显著的生存优势。当某一种感觉通道因距离、光线昏暗或背景噪音而受损时，高度重叠的神经网络仍能提供冗余通道，确保个体能快速评估环境中的意图、威胁或友好倾向。

这项研究不仅阐明了融合视听情绪编码的核心神经回路，也为探究社交认知障碍提供了客观的神经生理学框架。在自闭症谱系障碍（ASD）或社交沟通障碍等神经发育疾病中，患者往往在解读多模态复杂社交线索时面临困难。精准定位跨感官情绪整合发生的关键皮层节点，并阐明该结合过程在何处发生异常，未来有望为开发新型诊断工具和改善社交线索整合的行为干预策略提供理论支撑。