过去十年间，神经科学界对致幻剂的药理认知几乎被同一套叙事笼罩：药物瓦解了大脑原有的精密分工，让神经网络陷入无序的狂欢。莫纳什大学神经科学家 Devon Stoliker 领衔的团队于 2026 年 8 月 19 日在《Nature》（Volume 656, pp 936–947）发表的 PsiConnect 研究，给出了完全不同的答案。这项试验招募了 62 名从未接触过致幻剂的健康受试者，给药 19 毫克赛洛西宾（psilocybin），借助前沿机器学习捕捉大脑动态，发现神经活动非但不是混乱无序的白噪声，反而随着外部情境展现出严密的几何轨迹。
这篇成果真正的技术增量，并不在概念层面上唱反调，而在方法学上打破了功能性核磁共振长年以来的数据滤镜。当研究者跳出传统的全局时序均值与人群求和陷阱，致幻大脑对外部环境的敏感响应才被完整打捞出来。不过，顶刊光环难以掩盖设计层面的缺陷：缺乏安慰剂对照、测试顺序固定混杂，加之未经临床验证的自评量表，让这项惊艳的基础计算研究在通往精神科诊室的路上依然步履蹒跚。
均值算法下的混沌假象，被 CEBRA 动态流形击穿
神经科学界此前广泛接纳以熵脑假说与 REBUS 框架为主的解释，认为赛洛西宾削弱了高级皮层自上而下的认知束缚，神经信号复杂性激增，大脑退回高熵状态。这种理论很难解释一个现实反差：如果大脑只是退化成一锅随机沸腾的乱粥，为何大量受试者反而能经历极具条理的精神顿悟，甚至带来长期的抑郁缓解？
答案藏在数据处理方式里。传统功能性核磁共振研究习惯在两个维度上做求和平均：一是把数分钟内数百个脑扫描切片压缩成单一数值，二是把不同受试者的数据合并抵消。这种做法假设动态波动属于噪音，恰好把瞬间形成又瞬间瓦解的结构化信号抹杀殆尽。
为了还原未经失真的神经图景，PsiConnect 课题组在数据端做足了准备。其完整的多模态基线数据集早于 2026 年 5 月 21 日发表在《Scientific Data》（DOI: 10.1038/s41597-026-07312-1），涵盖多回波 fMRI、弥散 MRI、脑电图及长周期行为记录。在本次研究中，团队采用低维流形学习工具 CEBRA 表征受试者全脑 332 个脑区的连续活动，配合支持向量机分类器与时间图模型 TAVRNN，把时序数据映射成三维潜空间内的动态轨迹。
分析显示，当受试者处于清醒未服药状态时，不同情境下的脑活动轨迹相对重叠；而在服药状态下，机器学习模型能通过脑区活动轨迹清晰辨别受试者所处的即时情境。大脑并非随机震荡，而是把自身的内部动力学紧密锚定在外部输入之上。
视觉边界崩塌 85%，“天人合一”在预测编码中着陆
为了确保受试者体验不被打断，PsiConnect 刻意剔除了常规的认知测试任务。在给药约 80 分钟后的核磁共振与 150 分钟后的脑电扫描中，受试者依次经历了静息、冥想、音乐和看云彩视频四个环境。传统认知任务会引发让体验中断的着陆效应，而放手让受试者沉浸，才促成了这场关于主客观界限的测量。
在药物作用下，大脑内部原本严密的模块化网络瓦解，各功能区开始跨界对话。这种连接结构的重组在感知层面表现得极其激进。
在视觉网络内部，受试者闭眼冥想与睁眼观看云彩影像之间的功能连接差异缩小了 85%。与此同时，负责门控视觉信号输入的脑电波 Alpha 频段功率减少了近一半。在计算神经科学的预测编码模型中，这意味着大脑负责构建信念与联想的高阶脑区占据了主导，原本负责校验现实的初级感觉皮层退居次席。受试者闭眼看到的幻觉，在神经信号层面已经与睁眼看到的物理世界几乎难分彼此。
负责维持自我叙事的默认模式网络与负责外部采样的视觉系统，在药物作用下各自贡献了超 20% 的特征重塑，二者的表征边界趋向模糊。高熵并未造成思维解体，它只是扩充了神经系统的状态词汇表，并在极度贴近环境的同时，让受试者体验到自我融入外部世界的嵌入感。
开放标签与固定顺序，顶刊光环下的三大硬伤
将数据维度的几何秩序等同于临床治愈机制，中间跨越了数道未经证实的逻辑断层。
从同行评审与实验设计的视角审视，这项研究存在三个无法回避的硬伤：
第一是缺乏对照组。生物科学评议平台 preLights 指出，这项实验采取全开放标签，完全没有设置生理盐水安慰剂或活性安慰剂对照。参与实验的 62 人全都知道自己摄入了精神活性物质，强烈的心理预期足以显著改变大脑功能连接与次日主观评估。
第二是测试顺序不可逆。核磁共振扫描期间固定按照静息、冥想、音乐、云彩视频的次序推进。情境差异与血液内药代动力学浓度峰值、体内代谢时间以及受试者的疲劳程度高度绑定，很难在统计上剥离出纯粹的环境变量因果关系。
第三是指标未经标准化。研究声称多数受试者次日出现了积极心智转变，但该评价依赖课题组自行设计的 11 维度自评问卷，并未采用精神医学界公认的汉密尔顿抑郁量表等金标准。另外，实验中有一半受试者接受了正念冥想训练，但对比数据显示，冥想训练组与非训练组在脑动态和主观体验上并没有显著统计学差异。
机器学习能在三维空间画出优雅的流形，却无法向监管机构证明这些轨迹能置换成患者的情绪稳定。
加州大学旧金山分校神经学者 Lorenzo Pasquini 曾指出，致幻剂的抗抑郁机制究竟来自主观奇幻体验本身，还是来自神经回路的生理重塑，学界尚无共识。圣路易斯华盛顿大学的 Nico Dosenbach 则提出了更现实的商业化困境：如果赛洛西宾的神经效应高度依赖环境刺激，意味着未来的临床转化绝不可能像常规口服药那样批量分发，而必须配备高标准的隔音诊室、专业治疗师和定制试听流程。
- 风险.过度神化前沿计算模型发现的环境对齐现象，容易掩盖致幻疗法在双盲试验中的高脱落率，并将医疗机构推入极度沉重的临床环境成本陷阱。
PsiConnect 让我们看清了致幻剂在微观尺度并非杂乱无章的破坏者，但精神医学从来不需要漂亮的流形图形来充饥。下一阶段的检验标尺十分明确：只有在引入活性安慰剂、打乱刺激顺序并直面重度抑郁症患者队列时，这种被算法打捞出的神经秩序，才能证明自己不是一场由预期与算力共同织就的华丽幻觉。