شبکه های مغزی در خودشیفتگی کشف شد

یک مطالعه‌ی جدید درباره‌ی اینکه چگونه‌های شبکه‌های ساختاری مغز در صفات شخصیت خودشیفته نقش دارند بینش‌هایی به دست آورده است.

در این مطالعه محققان از تکنیک‌های پیشرفته‌ی یادگیری ماشین برای بررسی شبکه های مغزی استفاده کردند و الگوهای خاصی را در ماده‌ی خاکستری و سفید شناسایی کردند که تمایلات خودشیفتگی را پیش‌بینی می‌کنند. این یافته‌ها در European Journal of Neuroscience منتشر شده است.

یک مطالعه جدید شبکه های مغزی در خودشیفتگی را کشف کرد

افرادِ دارای سطح‌ بالای خودشیفتگی ویژگی‌هایی همچون حس بزرگ‌منشانه از اهمیت خود، نیاز افراطی به تعریف و تمجید و عدم همدلی کردن با دیگران را نشان می‌دهند.

این صفت‌ها تأثیر چشم‌گیری بر سلامت روان و روابط بین فردی دارد و منجر به مشکلات اجتماعی و شخصی مختلفی می‌شود.

اختلال شخصیت خودشیفته، حدود ۱ تا ۱۵ درصد جمعیت آمریکا را در موقعیت‌های بالینی تشکیل می‌دهند و یک چالش مهم در سلامت روان است زیرا نشانه‌های پیچیده‌ای دارد که اغلب با سایر اختلال‌های شخصیت همپوشانی دارند.

محققان اخیراً به بررسی شبکه های مغزی در اختلالات مختلف علاقه‌مند شده‌اند و ما شاهد انتشار مقالات خوبی در این زمینه هستیم. گروچی و همکاران (۲۰۲۴) به شبکه های مغزی در اختلال شخصیت خودشیفته و ويژگی‌های خودشیفتگی علاقه‌مند بودند و مطالعه‌ای را برای بررسی آن‌ها انجام داده‌اند.

شبکه های مغزی در خودشیفتگی

علی‌رغم شیوع نسبتاً زیاد صفات خودشیفتگی و اختلال شخصیت خودشیفته، پژوهش‌هایی که به زیربنای نوروبیولوژیکی آن بپردازد اندک هستند.

مطالعات موجود اصولاً بر ماده خاکستری و سفید به صورت جداگانه تمرکز کرده‌اند و از روش‌های تک‌متغیره برای بررسی تعامل‌های پیچیده در درون مغز استفاده کرده‌اند.

هدف مطالعه‌ی جدید پر کردن این شکاف با بررسی نقش مشترک ماده خاکستری و سفید در صفات خودشیفتگی با استفاده از رویکردهای یادگیری ماشین چندمتغیره بود.

«در آزمایشگاه علوم اعصاب بالینی و عاطفی، ما علاقه‌مند به ایجاد مدل‌های عصبی-پیش‌بینی‌کننده‌ی شخصیت هستیم تا به عنوان راهنمای آینده برای طبقه‌بندی بالینی و پیشگیری از شکل‌گیری یک بیماری کامل عمل کند. شخصیت تعریف می‌کند که ما چه کسی هستیم. با این حال، درک ما از مبانی عصبی شخصیت و اینکه چگونه می‌توان شخصیت را از روی ویژگی‌های عصبی‌پیش بینی‌کرد، چیزی است که هنوز قابل درک نیست».

الساندرو گرکوچی (Alessandro Grecucci)، نویسنده این مطالعه، استاد علوم اعصاب عاطفی و فناوری اعصاب در دانشگاه ترنتو، گفت: در آزمایشگاه خود ما در تلاش هستیم تا راه را برای رسیدن به این هدف هموار کنیم.

برای بررسی زیربنای عصبی ویژگی‌های شخصیت خودشیفته، محققان از داده‌های مجموعه داده‌های MPI-Leipzig Mind Brain-Body که شامل MRI و داده‌های رفتاری ۳۱۸ شرکت‌کننده است، استفاده کردند. برای تجزیه و تحلیل خود، آنها بر روی زیرمجموعه ای متشکل از 135 فرد سالم، شامل 64 زن و 71 مرد با میانگین سنی 31.94 سال تمرکز کردند. این شرکت‌کنندگان بر اساس سلامت، عدم استفاده از دارو و نداشتن سابقه سوء مصرف مواد یا بیماری‌های عصبی انتخاب شدند.

ویژگی‌های شخصیتی با استفاده از پرسشنامه سبک‌ها و اختلالات شخصیت (PSDI)، یک پرسشنامه‌ی خودگزارشی معتبر که سبک‌های شخصیتی مختلف را اندازه‌گیری می‌کند و می‌تواند اختلالات شخصیتی بالقوه را نشان دهد، ارزیابی شد. محققان بر روی خرده مقیاس‌های خودشیفتگی، هیستریونیک، ناایمن/اجتناب‌کننده و پارانوئید تمرکز کردند تا شبکه‌های عصبی مرتبط با این ویژگی‌ها را متمایز کنند.

برای تجزیه و تحلیل داده‌ها، تیم پژوهشی از تجزیه و تحلیل مؤلفه مستقل موازی (p-ICA)، یک تکنیک یادگیری ماشینی استفاده کرد که اجزای مستقل را در داده‌های چندوجهی شناسایی می‌کند. این روش به آن‌ها اجازه داد تا تنوع مشترک ماده‌ی خاکستری و سفید را بررسی کنند. آنها سپس از رگرسیون گام به گام و رگرسیون جنگل تصادفی (Random Forest regression) برای پیش بینی صفات خودشیفتگی بر اساس این شبکه‌های مغزی استفاده کردند.

کشف شبکه های مغزی: محققان هشت شبکه‌ی مستقل را در ماده‌ی خاکستری و سفید شناسایی کردند. ماده‌ی خاکستری عمدتاً از اجسام سلول‌های عصبی، دندریت‌ها و سیناپس‌ها تشکیل شده است و در پردازش و تفسیر اطلاعات در مغز نقش دارد. از سوی دیگر، ماده‌ی سفید از دسته‌هایی از آکسون‌های میلین‌دار تشکیل شده است که نواحی مختلف ماده‌ی خاکستری را به هم متصل می‌کند و ارتباط بین آنها را تسهیل می‌کند.

در میان این شبکه‌ها، یکی به ویژه به دلیل ارتباط قوی با ویژگی‌های خودشیفتگی برجسته بود. این شبکه شامل نواحی در لوب‌های پیشانی، گیجگاهی و آهیانه‌ای، از جمله نواحی درگیر در شناخت اجتماعی و همدلی، مانند شکنج گیجگاهی فوقانی، شکنج زاویه‌ای و شکنج گیجگاهی میانی بود. علاوه بر این، شامل مناطق ماده‌ی سفید در مخچه و تالاموس است که برای پردازش شناختی و عاطفی حیاتی هستند.

قابل توجه است که مناطق ماده‌ی خاکستری شناسایی‌شده تا حد زیادی با شبکه‌ی حالت پیش فرض (DMN) همپوشانی دارند. DMN به دلیل نقش خود در تفکر خودارجاعی، شناخت اجتماعی و پردازش تجربیات عاطفی شناخته شده است. این همپوشانی نشان می‌دهد که DMN نقش مهمی در بروز ویژگی‌های خودشیفتگی بازی می‌کند و این ایده را تقویت می‌کند که این ویژگی‌ها عمیقاً در ساختار و عملکرد مغز مرتبط با ادراک از خود و تعاملات اجتماعی ریشه دارند.

مدل پیش‌بینی این مطالعه که با استفاده از رگرسیون جنگل تصادفی توسعه یافته است، استحکام این یافته‌ها را تأیید می‌کند. این مدل نشان داد که شبکه‌ی شناسایی شده می‌تواند به طور قابل اعتمادی ویژگی‌های خودشیفتگی را در افراد جدید پیش‌بینی کند و پتانسیل استفاده از داده‌های تصویربرداری مغز را برای ارزیابی ویژگی‌های شخصیتی برجسته کند.

گرکوچی به PsyPost گفت: «ما در تلاش هستیم تا مدل‌های عصبی شخصیت خودشیفته را توسعه دهیم. «اختلال شخصیت خودشیفته یک وضعیت سلامت روانی است که با الگوی فراگیر بزرگ‌نمایی، نیاز دائمی به تحسین و عدم همدلی با دیگران مشخص می‌شود. این اختلال می‌تواند منجر به اختلالات قابل توجهی در روابط شخصی و حرفه‌ای و عملکرد کلی شود. در مطالعه قبلی، ما بر روی ماده‌ی خاکستری آن تمرکز کردیم. در این مقاله‌ی جدید، ما یافته‌های خود را به گونه‌ای گسترش دادیم که سهم ماده‌ی سفید را نیز شامل شود.

به لطف روش نوآورانه‌ی یادگیری ماشینی همجوشی داده‌ها، ما یک مدار ماده‌ی خاکستری و سفید متغیر پیدا کردیم که اطلاعات کافی برای پیش‌بینی شخصیت خودشیفته را رمزگذاری می‌کند. سپس یک مدل پیش‌بینی استخراج شد که به لطف آن می‌توان سطح خودشیفتگی شما را از این مدار پیش‌بینی کرد.»

گرکوچی توضیح داد: «این مدار با شبکه حالت پیش‌فرض همپوشانی دارد، شبکه‌ای از نواحی مغزی در حال تعامل که وقتی فرد در حال استراحت است فعال است و مربوط به سرگردانی ذهن، درون‌نگری، تفکر است». ما به این نکته اشاره می‌کنیم که این می‌تواند یکی از قطب‌هایی باشد که شخصیت ما را رمزگذاری می‌کند. ما دخالت آن را در سایر ویژگی‌های شخصیتی مانند مرزی، ضداجتماعی و اخیراً در شخصیت وسواسی اجباری نشان دادیم.

این تحقیق بر پایه‌های عصبی ویژگی‌های شخصیت خودشیفته نور می‌افکند. اما محدودیت‌هایی وجود دارد که باید در نظر گرفت. تکیه بر داده‌های ساختاری به‌تنهایی به این معنی است که داده‌های عملکردی مغز در نظر گرفته نشده است، که می‌تواند درک جامع‌تری از مکانیسم‌های عصبی ارائه دهد.

حجم نمونه، در حالی که بزرگتر از بسیاری از مطالعات قبلی است، هنوز هم می‌تواند برای تجزیه و تحلیل‌های قوی تر ارتباط مغزی افزایش یابد.

محدودیت دیگر ارزیابی صفات خودشیفتگی با استفاده از PSDI است که بین انواع آسیب‌پذیر و بزرگ‌منشانه‌ی خودشیفتگی تمایز قائل نمی‌شود. تحقیقات آینده می‌تواند این زیرگروه‌ها را به طور جداگانه مورد بررسی قرار دهد تا ببیند آیا شبکه‌های مختلف مغز درگیر هستند یا خیر.

شما می‌توانید مقاله‌ی اصلی کشف شبکه های مغزی در اختلال شخصیت خودشیفته را در زیر ببینید:

The study, “Narcissus reflected: Grey and white matter features joint contribution to the default mode network in predicting narcissistic personality traits,” was authored by Khanitin Jornkokgoud, Teresa Baggio, Richard Bakiaj, Peera Wongupparaj, Remo Job, and Alessandro Grecucci.