音乐训练加剧了工作记忆中与食物线索相关的干扰 肖明月（Mingyue Xiao） 郭雅桐（Yatong Guo） 宋友佳（Youjia Song） 庞雅芝（Yazhi Pang） 施攀（Pan Shi） 赵佳（Jia Zhao） 刘勇（Yong Liu）

《Behavioral Sciences》：Musical Training Amplifies Food Cue-Related Interference in Working Memory Mingyue Xiao, Yatong Guo, Youjia Song, Yazhi Pang, Pan Shi, Jia Zhao and Yong Liu

　　**摘要**
**背景**：音乐训练一直被广泛认为与认知能力的提升有关，然而其对与食物相关的认知处理的影响仍 largely 未得到探索。已知食物渴望会干扰工作记忆（WM），尤其是在食物线索非常显著的情况下。本研究探讨了音乐训练如何与食物渴望相互作用，从而影响与食物相关的环境中的 WM 表现。

**方法**：38 名大学生参与了这项研究，他们中有些人接受过音乐训练，有些人没有。这些学生完成了涉及高热量和低热量食物图片的“2-back”任务，同时进行了脑电图（EEG）记录。研究评估了行为表现（反应时间和准确性）、事件相关电位（ERPs）以及自我报告的食物渴望程度。通过中介和调节分析来探讨与渴望相关的维度在任务表现中的作用。

**结果**：接受过音乐训练的参与者反应时间比未接受过音乐训练的参与者更长，而两组之间的准确性没有差异。EEG 结果显示，面对高热量食物线索时，接受过音乐训练的个体的 N2 波幅更大，表明认知冲突增加。中介分析表明，与食物渴望相关的意图和计划间接地将音乐训练与较慢的任务表现联系起来；调节分析则表明，这种效应在训练时间较长时更为显著。

**结论**：这些发现表明，音乐训练并不统一地促进与食物相关的环境中的工作记忆，而可能增加对具有动机显著性的食物线索的敏感性，从而增加了认知干扰。该研究强调了个体经验和内在状态在塑造对食物线索的认知反应中的重要性，并提供了关于专业知识如何影响与食物相关的认知和决策的新见解。

**1. 引言**
执行功能（EFs）指的是一系列高级认知过程，这些过程在需要集中注意力、抑制冲动、灵活调整策略或处理复杂信息时调节个体的行为和思维。EFs 主要包括抑制控制、工作记忆（WM）和认知灵活性（Diamond, 2013）。在这些组成部分中，WM 发挥着核心作用，因为它使个体能够在短时间内维持和操作信息，以服务于正在进行的目标（A. D. Baddeley, 2013）。经典理论模型提出，WM 由三个相互作用的子系统组成：协调注意力资源的中央执行系统、专门处理语言信息的语音回路，以及负责视觉-空间表示的视觉空间画板（A. D. Baddeley & Hitch, 1974）。WM 通常通过诸如 n-back 任务（Leon-Dominguez et al., 2015）、运行记忆任务（Pollack et al., 1959）和字母记忆任务（Cohen et al., 1997）等任务来评估。WM 不仅参与信息维护，还与抑制控制和认知灵活性相互作用，以成功完成复杂任务。
神经影像学证据进一步表明，WM 涉及一个分散的神经网络。具体来说，背外侧前额叶皮层（DLPFC）参与执行控制和操作，而后顶叶皮层（PPC）支持感觉信息的维持。皮下结构，包括丘脑和基底神经节，也参与信息调控和协调（Haque et al., 2021）。在视觉工作记忆领域，前额叶-顶叶回路起着核心作用，DLPFC 调节执行控制，而 PPC 则支持存储和有限容量的表示（Mayer et al., 2007）。此外，在编码和维持过程中，枕颞叶皮层的感官区域也会被激活，其活跃程度会受到注意力需求和感知与记忆过程之间资源竞争的影响。WM 处理还可以通过多个事件相关电位（ERP）成分来表征。特别是 N2 成分与 WM 任务中的认知控制和处理负荷有关，反映了任务难度对认知资源分配的影响（Kramer et al., 1995）。P2 成分被认为反映了早期的注意力处理（Cepeda-Freyre et al., 2020），而 P3 成分与 WM 表现期间的刺激评估和资源更新相关（Guo et al., 2023）。稍后的正电活动，如 P5，可能进一步反映了与任务完成相关的后感知处理（Buss et al., 2014）。β 波段活动也与 WM 有关，β 波幅的增加表明大脑在维持和操作信息时面临更高的认知需求（Scholz et al., 2017）。同时，较高的θ波幅通常与 WM 任务的信息编码和维持阶段相关，表明认知资源的分配更加高效（Sauseng et al., 2010）。WM 受个体内在因素和外部控制因素的影响，其中包括饮食和音乐训练，这两种因素都被证明会对个体的 WM 表现产生显著影响（Blasiman & Was, 2018）。
渴望是指一种强烈的、急切的想要摄入某种物质或执行某种行为的主观体验，其特征是多维度的认知、情感、感官和生理成分（Hormes & Rozin, 2010; Miele et al., 2023）。特别是食物渴望，包括侵入性思维、多感官想象以及强烈的消费动机冲动，常常伴随着自我控制的减弱和对奖赏的预期（Taylor, 2019）。Tiffany（1990）的认知模型认为，当非自动过程被激活以抑制或覆盖自动行为时会引发渴望，消耗额外的认知资源（Tiffany, 1990）。因此，渴望会干扰需要控制处理的认知操作，如 WM 任务（Baxter & Hinson, 2001）。实证研究表明，高热量食物线索会损害 WM 表现，尤其是在具有强烈渴望倾向的个体中（Meule et al., 2012），并且食物图片可以引发渴望并干扰认知控制（Green et al., 2000）。研究还表明，在 2-back 任务中使用的食物线索会导致任务表现受损，而饮食状况会间接影响禁食后的食物渴望（Meule, 2016）。当刺激物的热量值较高时，这种干扰最为明显，因为这会强烈激活动机系统并降低任务效率（Gurbuz & Gokce, 2023）。渴望的神经生物学机制涉及一个分散的皮质-纹状体-边缘网络，包括腹侧纹状体、杏仁核、前扣带回皮层（ACC）和眶额叶皮层（OFC），所有这些都会被与渴望相关的线索激活（Ray & Roche, 2018）。前额叶皮层到伏隔核的谷氨酸能投射失调被认为会增强线索的显著性并削弱抑制控制（Kalivas & Volkow, 2005; Koob & Volkow, 2010）。岛叶和 DLPFC 的功能改变会进一步损害渴望期间的执行调节，加剧认知冲突和分心的脆弱性（Courtney et al., 2016）。此外，越来越多的证据表明，中枢神经系统中的催产素系统也参与饮食行为、食物动机和食物线索的处理。中枢催产素信号传导与食欲调节和食物摄入有关，人类研究进一步表明催产素可以减少由奖励驱动的食物摄入并调节对食物线索的神经反应（Kerem & Lawson, 2021; Ott et al., 2013; Plessow et al., 2018; Spetter et al., 2018）。食物渴望研究同样将催产素认定为一个相关的神经内分泌因素（Huang et al., 2023）。这些发现突显了渴望与 WM 之间的竞争性互动，因为两者都需求重叠的认知资源。

另一个影响 WM 的重要因素是音乐训练。长期训练不仅与音乐特定能力的提升有关（Habibi et al., 2018），还与非音乐认知功能的变化有关（Nan, 2017; H. Wang et al., 2015）。然而，关于这些影响的范围和普遍性，研究结果尚无定论。一些研究表明，音乐家在 WM 更新能力方面表现更好（Lu & Greenwald, 2016），并在听觉 n-back 任务中优于非音乐家（Ding et al., 2018）。其他研究则认为，音乐训练的好处可能是领域特定的，是通过音乐 WM 而不是直接转移到视觉空间 WM 的（Silas et al., 2022）。年龄也可能是一个因素：接受过音乐训练的儿童在 WM 任务中表现优于同龄人，而受过训练的成年人与未受过训练的成年人之间的差异则不那么明显（Lee et al., 2007）。因此，音乐训练对 WM 的影响似乎取决于年龄、训练类型和任务领域。此外，与音乐相关的个体差异可能不仅仅通过正式训练来完全捕捉，还可能体现在更广泛的音乐素养上，包括音乐技能、感知能力和日常音乐行为。在本研究中，我们主要从正式训练的角度来操作化音乐经验。
尽管食物渴望和音乐训练通常分别针对认知进行考察，但它们对 WM 的共同影响在理论上也可能是有意义的。食物渴望可以吸引注意力并消耗成功的 WM 表现所需的认知资源，尤其是在面对食物线索时（Meule et al., 2012; Tiffany, 1990）。同时，音乐训练与注意力控制、执行功能和与 WM 相关的处理方面的差异有关（Pallesen et al., 2010; Zuk et al., 2014）。因此，音乐训练可能会调节与食物相关的线索对 WM 表现及其神经相关因素的干扰程度。

**2. 方法**
**2.1. 参与者**
在本研究中，我们招募了两组参与者：一组是音乐训练组，另一组是对照组。音乐训练组的参与者至少接受了 2 年的正式音乐训练，而对照组则没有这样的经验。这种分类旨在操作化训练背景的差异；然而，它并不直接评估音乐专长或音乐素养，也没有控制音乐背景的具体特征，如乐器类型、训练强度或其他详细的训练方面。为了获得足够的统计功效，在实验前使用 G*Power 3.1（Faul et al., 2007）计算了所需的样本量。本研究采用了混合设计，包含一个组间因子（即组）和两个组内因子（即刺激和试验）。事先的功效分析表明，至少需要 36 名受试者才能以 95% 的统计功效（f = 0.25）检测到中等效应，显著性水平为 α = 0.05。本实验共收集了来自社交媒体平台的 38 名参与者的数据。所有参与者在完成实验前都提供了书面同意书。此外，所有参与者报告没有心理障碍史，并且视力正常或矫正后正常。本研究已获得大学伦理委员会（IRB No. H22020）的批准。

**2.2. 程序**
为了标准化，所有参与者在实验前至少需要禁食 3 小时。进入实验室后，首先测量参与者的身高和体重（以计算 BMI），然后完成问卷调查，包括基本信息、食物渴望问卷：特质问卷（FCQ-T）和视觉类比量表（VAS）。最后，所有参与者在记录 EEG 数据的同时完成了 2-back 任务。

**2.3. 问卷**
**2.3.1. 视觉类比量表（VAS）**
参与者在从“完全不”到“非常想”的 100 毫米视觉类比量表上评估他们的饥饿感和进食欲望。

**2.3.2. 食物渴望问卷-特质问卷（FCQ-T）**
FCQ-T 用于测量所有参与者的食物渴望特质。它包含 37 个项目（Cepeda-Benito et al., 2000）。对于每个项目，参与者需要在 1（从不）到 6（总是）的 6 级量表上进行评分。问卷包括九个子量表：(1) 有消费食物的意图和计划；(2) 对进食可能带来的积极回报的预期；(3) 通过进食缓解负面状态和情绪的预期；(4) 对进食缺乏控制；(5) 对食物的想法或痴迷；(6) 作为生理状态的渴望；(7) 在渴望食物或进食前或期间可能经历的情绪；(8) 可能触发食物渴望的线索；(9) 因渴望食物和/或屈服于渴望而产生的内疚感。在本研究中，这些子量表的Cronbach’s α系数范围从0.835到0.912。

2.4. 刺激物和2-back任务
实验中使用的食物图片被分为高热量和低热量两类，这些图片选自中国食物图片数据库（Liu等人，2022年）。共有60张食物图片，其中高热量和高热量食物各30张。在这个2-back任务中，刺激物逐一呈现，参与者需要对每个刺激物做出反应。具体来说，当当前刺激物与之前两次呈现的刺激物相同时（目标试验，图S1），他们需要按“F”键；当当前刺激物与之前两次呈现的刺激物不同时（非目标试验），则按“J”键。参与者首先进行一个包含20次试验的练习阶段，并在回答错误时获得反馈。只有当参与者得分超过60分时，才能进入测试阶段。测试阶段分别包含高热量食物图片和低热量食物图片（各组的顺序是平衡的）。每个阶段有60次试验，包括30个目标试验。试验的顺序是伪随机的，两个阶段的目标试验数量相同。每张图片显示2000毫秒，或直到有响应为止。试验之间显示空白屏幕500毫秒（图S1）。因此，每个阶段的持续时间大约为3分钟。

2.5. 行为分析
对参与者的 demographics 信息、当前饥饿水平以及FCQ-T每个子量表的得分进行了描述性统计和独立样本t检验。对于那些未通过Levene方差齐性检验的变量，报告了Welch t检验的结果。
在2-back任务中，主要关注的是反应时间和准确性（ACC）。在分析反应时间时，排除了超过平均值三个标准差或回答错误的试验（Li等人，2020年）。具体来说，进行了两个2（组：音乐训练组和非音乐训练组）× 2（刺激物：高热量和低热量食物）× 2（试验：目标和非目标）的混合设计三因素ANOVA，其中组作为组间因素，刺激物和试验类型作为组内因素。
使用PROCESS宏（版本2.16.3）在SPSS 22.0中进行中介分析（Hayes & Preacher, 2013），以考察通过在有消费食物的意图和计划这一中介因素后，组对反应时间（RT）的间接影响。
鉴于我们关注音乐训练及其与食物对工作记忆（WM）的影响，我们检查了音乐训练组内行为结果、自我报告结果和ERP结果之间的Spearman等级相关系数。值得注意的是，一些中介效应揭示了这些变量之间更微妙的关系。同样使用SPSS的PROCESS宏（Hayes & Preacher, 2013）进行了调节分析，以考察因渴望食物和/或屈服于渴望而产生的内疚感通过音乐学习持续时间这一中介因素对任务表现的间接影响。
间接（中介和调节）效应是通过基于5000个bootstrap样本的百分位数bootstrap置信区间来评估的。

2.6. 脑电图（EEG）记录分析
脑电活动由一个32通道放大器记录，采样频率为1000赫兹（ANT Neuro，柏林，德国）。EEG数据使用MATLAB R2022a和EEGLAB工具箱（Delorme & Makeig, 2004）进行处理。EEG数据通过0.1至30赫兹的带通有限脉冲响应（FIR）滤波器进行过滤。左侧和右侧乳突作为参考点。连续的EEG数据根据不同的刺激物标记被划分为试验（-200毫秒到1000毫秒），对每个试验应用基线校正（-200毫秒到0毫秒），并逐个检查EEG数据的质量。排除有异常伪迹的试验。去除超出±80微伏的波动（M?lle等人，2002年）。应用独立成分分析（ICA）方法从数据中去除干扰因素（例如眼动、心电等）。在ICA结果中，通过视觉检查移除了带有EOG伪迹和头部运动的成分（Liu等人，2024年）。选择Fz位置作为数据分析的最佳位置，是因为它与认知控制过程相关，并且其解剖位置不会直接覆盖前运动皮层和运动皮层。这种策略性放置可以减少按钮按压相关运动对记录数据完整性的潜在混淆影响。因此，根据先前的研究（Braboszcz & Delorme, 2011; Jing等人，2024年），确定Fz位置为最佳数据位置。基于总体平均ERP活动，以及先前的研究（Meng等人，2012年），ERP及其时间窗口如下：P2，140–180毫秒；N2，180–240毫秒；P3，240–310毫秒；P5，350–500毫秒。
EEG数据的时间-频率分析采用了固定宽度为250毫秒的汉宁窗（Hanning window）的窗口化傅里叶变换（WFT）。WFT产生了每个时间-频率平面点（t, f）的复杂时间-频率谱估计F（t, f），时间域从-200毫秒到1000毫秒，频率域从1赫兹到30赫兹（以1赫兹为步长）。在受试者层面应用基线校正（刺激前-200毫秒到0毫秒），根据公式计算功率变化：
$$ TFD(t, f) = P(t, f) - R(f) $$
其中P（t, f）是给定时间-频率点（t, f）的功率谱密度，R（f）是刺激前参考区间（刺激开始前-200毫秒到0毫秒）内信号的平均功率谱密度。在食物2-back任务中，当前分析选择了theta（4–8赫兹，200–400毫秒）、alpha（8–13赫兹，400–700毫秒）和beta（13–17赫兹，300–850毫秒）的脑节律活动。

3. 结果
3.1. 行为结果
如表1所示，音乐训练组的正式音乐训练持续时间显著长于非音乐训练组（M = 6.95年，SD = 4.37年 vs M = 0.00年，SD = 0.00年）[t(36) = 6.183，p < 0.001]。在FCQ-T子量表中，音乐训练组在“有消费食物的意图和计划”方面的得分高于非音乐训练组（M = 9.95分，SD = 1.58分 vs M = 7.37分，SD = 1.85分）[t(36) = 5.031，p < 0.001]，而在“对进食缺乏控制”方面的得分低于非音乐训练组（M = 14.21分，SD = 3.52分 vs M = 17.21分，SD = 3.71分）[t(36) = -3.115，p = 0.004]。此外，音乐训练组在“因渴望食物和/或屈服于渴望而产生的内疚感”方面的得分也高于非音乐训练组（M = 8.58分，SD = 2.42分 vs M = 5.21分，SD = 1.61分）[t(36) = 6.486，p < 0.001]。其他变量（年龄、性别、BMI、对积极回报的预期、对缓解负面状态的预期、对食物的想法或痴迷、作为生理状态的渴望、渴望期间的情绪、触发渴望的线索和饥饿感）在音乐训练组和非音乐训练组之间没有显著差异（所有p > 0.05）。
表1. 人口统计信息和自我报告数据的描述性统计。在表S1中，我们展示了参与者的任务表现（RT）的描述性统计。在ACC的分析中，不同条件下没有发现显著差异（表S2）。令我们惊讶的是，在所有条件下，音乐训练组的RT都明显低于未接受音乐训练的对照组。
三因素ANOVA进一步证实了这一结论。分析显示试验（目标）对RT有显著的主效应，F(1,36) = 12.009，p < 0.001，偏η^2 = 0.250，事后检验表明目标试验的RT比非目标试验短。此外，组对RT也有边缘显著的效应，F(1,36) = 2.943，p = 0.095，偏η^2 = 0.076，事后检验显示音乐训练组的RT比非音乐训练组长。试验（目标）和组之间的交互作用也显著，F(1,36) = 1.698，p = 0.045，偏η^2 = 0.201。简单效应分析显示，在音乐训练组内，非目标试验的RT显著长于目标试验，平均差异为68.684毫秒（SE = 17.221，p < 0.001），95%置信区间为33.759毫秒到103.609毫秒。在目标试验中，音乐训练组和非音乐训练组之间存在显著差异（p = 0.038），音乐训练组的RT长于非音乐训练组。
食物类型的主效应不显著，F(1,36) = 0.529，p = 0.472，偏η^2 = 0.014。食物类型和组之间的双向交互作用不显著，F(1,36) = 0.068，p = 0.796，偏η^2 = 0.002。食物类型和目标类型之间的双向交互作用也不显著，F(1,36) = 2.668，p = 0.111，偏η^2 = 0.069。最后，食物类型、目标类型和组之间的三向交互作用也不显著，F(1,36) = 0.035，p = 0.853，偏η^2 = 0.001。

3.2. ERP结果
图1显示了Fz位置的N2、P2、P3和P5的总体平均ERP。这些ERP组分的描述性统计见表2。
图1. Fz位置的N2、P2、P3和P5组分的ERP。缩写：MTG，音乐训练组；NMTG，非音乐训练组；HNT，高热量非目标试验；HT，高热量目标试验；LNT，低热量非目标试验；LT，低热量目标试验。
表2. 2-back任务中所有参与者的N2、P2、P3和P5振幅的描述性统计（M ± SD）。

3.2.1. N2组分
发现试验对N2振幅有显著的主效应，F(1,36) = 8.737，p = 0.005，事后检验表明非目标试验的N2振幅大于目标试验；组与试验之间的交互作用也具有边际显著性，F(1,36) = 3.457，p = 0.071，偏η^2 = 0.088，简单效应分析显示在音乐训练组内，非目标试验的N2振幅显著大于目标试验，p = 0.002。组之间没有显著差异。

3.2.2. P2、P3和P5组分
我们还对P2、P3和P5组分进行了分析。对于P2组分，分析显示试验类型有显著效应，目标试验的振幅大于非目标试验：F(1,36) = 6.186，p = 0.018，偏η^2 = 0.147。对于P3组分，试验类型的效应非常显著，目标试验的振幅显著大于非目标试验：F(1,36) = 23.905，p < 0.001，偏η^2 = 0.399。组或刺激类型之间没有显著差异。对于P5组分，刺激类型和试验类型维度均有显著效应。就刺激类型而言，高热量食物刺激引起的P5振幅大于低热量食物刺激：F(1,36) = 4.270，p = 0.046，偏η^2 = 0.106。就试验类型而言，目标试验的振幅再次大于非目标试验：F(1,36) = 15.632，p < 0.001，偏η^2 = 0.303。组之间没有显著差异。

3.3. 时间-频率EEG结果
时间-频率表示见图2。
表3显示了beta波段的描述性统计。分析显示，试验对平均β波幅有显著的主效应，F(1,36) = 8.451，p = 0.006，偏η2 = 0.190， post hoc测试表明，在目标试验中平均β波功率高于非目标试验。此外，还观察到组和试验之间的显著交互作用，F(1,36) = 5.178，p = 0.029，偏η2 = 0.126。简单效应分析显示，在非音乐训练者中，目标试验的平均β波幅显著高于非目标试验（p = 0.001）。表3显示了所有参与者在2-back任务中Oz和Cz位置的β波幅和θ波幅的描述性统计（M ± SD）。

3.3.2 其他频率带
θ波活动的描述性统计数据显示，在目标试验中θ波功率略有增加，F(1,36) = 3.116，p = 0.086，偏η2 = 0.080，表明与非目标试验相比，目标试验中的θ波功率有增加的趋势。α波段没有发现显著的主效应或交互作用。

3.4 组间中介效应
使用PROCESS 4.0中的模型4，重复抽取了5000个Bootstrap样本，以组为自变量，将“有消费食物的意图和计划”作为中介变量，将高热量非目标试验后的反应时间（RT）作为因变量，进行了调节中介分析。结果显示，组通过食物渴望对任务表现有间接影响（见图3）。也就是说，与对照组相比，音乐训练者在高热量非目标试验后的RT更长。然而，这种效应并非直接观察到，而是通过音乐训练者相比非音乐训练者更强的食物消费意图和计划来中介的。

3.5 音乐训练者中自我报告数据、行为和ERP结果之间的关系
3.5.1 斯皮尔曼相关性
鉴于数据非正态分布和样本量较小（n = 19），我们检查了音乐训练者的自我报告变量和行为变量与事件相关电位（ERPs）之间的斯皮尔曼等级相关性，以探究行为变量与食物相关反应的神经标志物之间的关系（见图S2）。如图S2所示，RT与“有消费食物的意图和计划”以及在高热量非目标、高热量目标和低热量非目标后对负面状态和感受的缓解预期方面呈正相关（p < 0.05）。这表明，无论预期结果的效价（积极或消极），对进食的强烈预期都与任务表现相关。相应地，在高热量目标、低热量目标和低热量非目标后的RT与“因食物渴望而产生的内疚感”方面呈正相关（p ≤ 0.01），表明由食物渴望引起的内疚感可能是任务表现的强大指标。此外，在所有四种条件下，“对可能从进食中获得的积极强化的预期”与N2波幅也呈显著正相关（p < 0.01）。此外，“渴望作为一种生理状态”、“在食物渴望或进食前或期间可能经历的情绪”以及“因食物渴望而产生的内疚感或屈服于它们”这些方面在某些条件下也与N2波幅相关（p < 0.05）。此外，体重指数（BMI）与高热量非目标后的N2波幅呈负相关（ρ = ?0.477，p = 0.039）和低热量非目标后的N2波幅呈负相关（ρ = ?0.477，p = 0.039）。

3.5.2 调节分析
通过使用PROCESS宏（版本4.1）拟合模型1进行了调节分析，以探讨音乐学习时长是否会影响“因食物渴望而产生的内疚感或屈服于它们”对任务表现（RT）的预测效应，如表4所示。“因食物渴望而产生的内疚感或屈服于它们”显著且正向预测了RT-LT（β = 0.590，p = 0.010）和RT-HT（β = 0.541，p = 0.010）。然而，“因食物渴望而产生的内疚感或屈服于它们”对RT-LN的正面预测效应并不显著（β = 0.421，p = 0.022）。此外，“因食物渴望而产生的内疚感或屈服于它们”与音乐学习时长之间的交互项在低热量目标、高热量目标和低热量非目标后的RT中显著（p ≤ 0.05）。这表明音乐学习时长可以间接影响由食物渴望引起的内疚感对RT的预测效应。进一步为了阐明“因食物渴望而产生的内疚感或屈服于它们”与音乐学习时长之间的交互作用，我们根据平均值±一个标准差将音乐学习时长分为高组和低组，然后进行了简单斜率测试并绘制了简单效应分析图。如图4所示，当音乐学习时长较长时，在所有条件下内疚感都显著正向预测RT（p < 0.01）；然而，当音乐学习时长较短时，这种预测关系不再显著。结果表明，只有当音乐训练者的音乐学习时长足够长时，他们因食物渴望而产生的内疚感才能正向预测他们在2-back任务中的RT。

4. 讨论
本研究探讨了音乐训练和食物渴望对工作记忆（WM）的影响，使用了一个食物提示的2-back任务。接受过音乐训练的参与者表现出更长的RT。EEG结果显示，音乐训练者的N2波幅较大，表明认知冲突更大。调解和调节分析显示，与食物渴望相关的意图和内疚感中介了音乐训练与任务表现之间的关系。这些发现共同表明，音乐训练放大了来自食物提示的认知干扰，导致WM表现受损。

4.1 行为表现
本研究提供了关于音乐训练和食物渴望之间复杂相互作用的新见解，以及它们对WM的综合影响。与传统观点相反，即音乐训练普遍增强WM，我们的发现表明，接受过音乐训练的个体相比非音乐参与者表现出更长的RT。这表明，音乐训练可能不仅仅是简单地增强了认知资源，还可能导致额外的认知资源被分配到处理情感上显著的食品提示上，从而损害了WM效率。先前的研究表明，长期的音乐训练与n-back任务的性能改善显著相关，特别是在需要音高 discriminate 的任务中（Ding等人，2018年）。音乐家在需要视觉运动协调、空间记忆和视觉处理速度的WM任务中也表现更好。相比之下，食物渴望一直被证明会损害WM。例如，对巧克力的渴望会选择性地损害与视觉空间草图板相关的认知表现（Tiggemann等人，2010年），而高热量食物提示会损害有高食物渴望倾向个体的WM表现（Meule等人，2012年）。虽然普遍认为音乐训练能增强认知表现，但这些益处在成人中的程度，特别是在涉及视觉工作记忆的任务中，仍存在争议。我们的发现表明，接受过音乐训练的参与者在各种条件下的RT都延长，表明他们需要更多时间来处理与食物相关的刺激。这一观察结果与音乐训练增强WM的传统观点相矛盾（Gagnon & Nicoladis，2021年）。然而，这支持了领域特异性假设，即音乐训练对WM的影响可能取决于刺激类型和任务需求。具体来说，在高热量食物提示下，干扰效应更为明显（见表S1），这与Meule等人（2012年）的发现一致，他们表明高热量食物更可能耗尽视觉空间草图板中的资源。我们假设音乐训练增强了对食物提示的敏感性，从而加剧了与食物处理相关的资源竞争。

4.2 神经机制
接受过音乐训练的参与者在对高热量食物提示的反应中显示出更大的N2波幅，而非音乐组则没有这种效应。N2成分与抑制控制过程相关（Carbine等人，2018a），波幅的增加通常反映了认知资源更多地被分配用于抑制对食物相关刺激的自动反应（Carbine等人，2018a）。这与证据一致，即音乐训练增强了前额叶执行控制能力，同时增加了对奖励相关刺激（如高热量食物提示）的边缘系统敏感性（Quinci等人，2022年）。音乐组中较大的N2波幅可能反映了在面对食物提示时为解决冲突信息所需的更多认知资源分配。这一发现表明，接受过音乐训练的个体在WM任务中可能更容易受到食物提示的干扰，需要更多的注意力来抑制与食物相关的干扰因素。此外，虽然非音乐训练者在目标试验中的β波幅显著大于非目标试验，但在音乐组中这一差异并不存在。这表明，接受过音乐训练的个体可能在需要视觉处理的任务中分配注意力的能力较弱（X. Wang等人，2015年）。非音乐组中观察到的更大β波幅可能表明他们在目标试验中的注意力更加集中（Lundqvist等人，2018年）。这种β波活动的差异进一步支持了音乐训练可能增加对情感显著刺激（如食物提示）的神经资源分配的观点。这些发现与Baddeley的WM多组分模型一致，该模型认为当视觉空间草图板被食物相关提示占据时，可用于WM任务的资源减少（A. Baddeley，1992年）。此外，θ波和α波在音乐组和非音乐组之间没有显著差异，表明这些频率在本研究观察到的WM表现效应中并未起重要作用。这一发现与Tiffany的提示反应理论（Tiffany，1990年）一致，并将该理论模型扩展到食物渴望的背景下。在实验中，音乐训练组的参与者在2-back任务中的RT tend to 长于非音乐组。这可能是由于音乐训练组中食物渴望的增加，增强了对食物相关刺激的自动反应。因此，这些刺激更容易触发与食物渴望相关的非自动认知过程，这些过程消耗了大量认知资源，从而损害了任务表现。事件相关电位结果显示，音乐训练组在处理非目标食物相关刺激时表现出更大的N2波幅，表明在面对此类干扰因素时认知冲突更大，这与先前的研究一致（Folstein & Van Petten，2008年）。P2、P3和P5成分的结果表明，这些ERP成分主要与任务相关的认知过程相关。具体来说，P3成分在目标试验中显示出显著更大的波幅，而P5成分受到食物类型的影响，高热量食物提示引发了更大的P5波幅。这些发现进一步支持了音乐训练和食物提示对WM任务中认知资源分配的影响（Ghin等人，2022年）。此外，中介分析表明，在音乐训练组中，强烈的食物渴望通过中介效应间接影响了任务表现，进一步支持了与渴望相关的非自动过程在认知资源分配中的关键作用。具体来说，音乐训练可能会增强对与食物相关刺激的自动反应，从而导致认知资源的重新分配和随后任务表现的下降。这些发现也与Green等人（Green等人，2000年）提出的理论框架一致。值得注意的是，高热量食物线索对工作记忆（WM）的干扰效应比低热量线索更强，这与Liu等人（2022年）的结果一致。这种增强的干扰可能是由于高热量食物更有可能激活大脑的奖励系统，从而需要额外的认知资源来进行抑制（Liu等人，2022年）。

4.3 执行-奖励-情感三角模型

基于现有文献并整合当前的实证发现，我们提出了执行-奖励-情感三角模型，以调和音乐训练、食物渴望和工作记忆（WM）之间的复杂相互作用，特别是视觉工作记忆（VWM）。该模型认为，行为表现源于三个核心神经认知系统的动态互动：执行控制网络、奖励处理系统和情感显著性网络。长期的音乐训练会诱导经验依赖的神经可塑性适应，增强前额叶-顶叶执行回路的功能效率（Chen等人，2017年；Rodriguez-Gomez & Talero-Gutierrez，2022年），同时增强边缘系统和旁边缘区域（如杏仁核、岛叶和眶额叶皮层）对情感显著和富含奖励的刺激的响应性，包括高热量食物线索（Carbine等人，2018b年；Ray & Roche，2018年）。这种增强的神经敏感性主观上表现为食物渴望的增强，并与正在进行的工作记忆任务产生竞争性的资源分配，从而增加了认知负担（Morris等人，2020年）。因此，我们假设在受过音乐训练的个体中观察到的表现缺陷——反映在反应时间（RT）的延长上——并非源于执行功能本身的缺陷，而是一种“专家悖论”：他们增强的情绪和奖励感知在高冲突情境中成为“易感性负担”，需要更多的认知资源来进行抑制控制和冲突解决。这一点通过扩大的N2振幅得到神经生理学的证实（Carbine等人，2018a年，2018b年），表明认知冲突和补偿控制的增强。当前的结果为这一模型提供了有力支持。与传统观点相反（Benz等人，2016年；Gade & Schlemmer，2021年；Schellenberg & Lima，2024年），我们的数据显示，受过音乐训练的参与者在所有条件下的RT都显著延长，尤其是在非目标试验后。这种模式挑战了领域普遍转移的假设，并强调了音乐专长的情境依赖性。电生理数据进一步阐明了潜在机制：音乐组中高热量食物线索引起的增强N2振幅表明认知冲突加剧，这与模型提出的观点一致，即受过音乐训练的个体对食物刺激进行了更深入的情绪和奖励处理，从而引发了更多的注意力资源竞争，需要执行网络的更强主导控制。

中介分析通过明确因果链证实了这一途径：音乐训练通过食物消费意图和计划的中介作用间接影响行为表现（RT延长）。这一途径阐明了专家诱发的奖励敏感性（例如，对食物的高度激励显著性归属）如何引发资源竞争（Pasqualitto等人，2023年；Short & Dingle，2016年），最终损害效率。此外，调节分析显示，只有在训练时间较长的个体中，内疚感对任务表现的预测能力才显著。这种剂量依赖的效果与经验依赖的可塑性原则相符（Habibi等人，2018年），表明情绪-奖励系统的敏锐化是一个逐渐稳定的过程。总体而言，这些发现表明音乐训练塑造了一种“高冲突大脑”——拥有更强大的控制引擎（执行网络），但同时也具有更敏感的加速器（奖励-情感系统）。在中性条件下，这个系统表现优异；然而，在充满显著干扰因素的环境中（例如，高热量食物线索），过度反应的加速器需要控制系统的持续补偿性制动，消耗更多的认知资源，并在行为上表现为反应延迟（Sweller，2011年）。

执行-奖励-情感三角模型提供了一个细致的、综合性的框架，用于理解个体在认知上的差异。它在一个统一的范式中调和了看似矛盾的发现——音乐训练既能提升又能损害表现——强调了执行控制和奖励-情感网络之间的情境平衡。这项工作的理论贡献在于揭示了音乐专长的双重神经认知影响：它不仅是一种认知控制的训练方法，也是一种强烈的情绪和激励处理的调节器（Neves等人，2025年）。未来的研究应该采用多模态神经成像（例如fMRI）来直接量化这些大规模网络之间的动态相互作用，并识别出影响这种微妙平衡的额外调节变量（例如人格特征、基因多态性），从而更全面地理解人类认知和情感的架构。

4.4 限制

本研究存在几个需要在未来研究中解决的局限性。首先，横断面设计限制了因果推断。未来的研究应采用纵向或实验设计来明确音乐训练、食物渴望和工作记忆表现之间的关系方向，并确定音乐经验是否随时间调节食物线索干扰的影响。其次，相对较小的样本量（N = 38）以及仅关注大学生的样本可能限制了当前发现的普遍性。未来的研究应招募更大且更多样化的样本，包括不同年龄组、教育背景和饮食相关脆弱性水平的个体，以检验这些效应的稳健性和更广泛的适用性。第三，音乐相关的个体差异仅通过一个广泛的音乐训练历史测量指标来索引。未来的研究应通过考虑训练类型（例如乐器 vs. 声乐）、持续时间、强度、起始年龄以及音乐复杂性来更精细地评估音乐经验，以便更好地区分那些尽管没有正式接受过音乐训练但可能仍具有相对高水平音乐相关技能或参与度的个体。第四，本研究依赖于视觉2-back任务来评估工作记忆。未来的研究应包括更广泛的工作记忆范式，如语言、听觉和更新任务，以确定观察到的效应是否特定于视觉诱导的食物线索干扰，或是否适用于工作记忆的其他领域。第五，尽管当前发现提供了行为和ERP证据，但潜在机制仍需进一步澄清。未来的研究可以整合多模态方法，如结合EEG与自我报告、生理测量或神经成像测量，以更好地描述食物渴望、注意力控制和音乐相关经验如何共同影响工作记忆处理。最后，未来的研究还可以探索干预导向的问题，例如，基于音乐的认知训练或渴望调节策略是否可以在动机显著的条件下减少食物相关干扰并改善工作记忆表现。

5. 结论

本研究表明，音乐训练并不普遍提升执行功能（EFs）；相反，它可能会增加对情感显著干扰因素（如食物渴望）的敏感性，尤其是在需要自我调节的情境中。这些发现强调了在评估音乐训练的认知结果时考虑个体差异和情境因素的重要性。从理论上讲，我们的结果挑战了音乐训练对工作记忆具有领域普遍转移效果的假设，表明这些效应受到任务要求和内部状态（如渴望强度）的影响。从实践角度来看，这些发现表明，针对接受过音乐训练的个体的干预措施应包括管理食物相关渴望的策略，特别是在充满高热量食物线索的环境中，这些线索可能会损害工作记忆表现。未来的研究应探索综合干预措施，同时解决工作记忆提升和渴望调节的问题，最终在涉及动机冲突的条件下改善认知控制和任务表现。

补充材料

以下支持信息可在此下载：https://www.mdpi.com/article/10.3390/bs16050659/s1

图S1. 2-back任务的试验结构。
图S2. 所有变量之间的Spearman相关性。
表S1. 所有参与者在2-back任务中的RT描述性统计（均值 ± 标准差）。
表S2. 所有参与者在2-back任务中的ACC描述性统计（均值 ± 标准差）。