Abstract Interoception - the physiological sense of our inner bodies - has risen to the forefront of psychological and psychiatric research. Much of this research utilizes tasks that attempt to measure the ability to accurately detect cardiac signals. Unfortunately, these approaches are confounded by well-known issues limiting their validity and interpretation. At the core of this controversy is the role of subjective beliefs about the heart rate in confounding measures of interoceptive accuracy. Here, we recast these beliefs as an important part of the causal machinery of interoception, and offer a novel psychophysical “heart rate discrimination“ method to estimate their accuracy and precision. By applying this task in 223 healthy participants, we demonstrate that cardiac interoceptive beliefs are more biased, less precise, and are associated with poorer metacognitive insight relative to an exteroceptive control condition. Our task, provided as an open-source python package, offers a robust approach to quantifying cardiac beliefs. Highlights Current interoception tasks conflate cardiac beliefs with accuracy. We introduce a Bayesian method for estimating cardiac belief accuracy and precision. Individuals underestimate their heart rate by -7 BPM (95% CI [-8.6 -5.3]) on average. Cardiac beliefs are associated with reduced precision and metacognitive insight. The task and modelling tools are provided in the Python Cardioception Package.

Abstract The ability to sense, monitor, and control respiration - e.g., respiratory interoception (henceforth, respiroception) is a core homeostatic ability. Beyond the regulation of gas exchange, enhanced awareness of respiratory sensations is directly related to psychiatric symptoms such as panic and anxiety. Indeed, chronic breathlessness (dyspnea) is associated with a fourfold increase in the risk of developing depression and anxiety, and the regulation of the breath is a key aspect of many mindfulness-based approaches to the treatment of mental illness. Physiologically speaking, the ability to accurately monitor respiratory sensations is important for optimizing cardiorespiratory function during athletic exertion, and can be a key indicator of illness. Given the important role of respiroception in mental and physical health, it is unsurprising that there is increased interest in the quantification of respiratory psychophysiology across different perceptual and metacognitive levels of the psychological hierarchy. Compared to other more popular modalities of interoception, such as in the cardiac domain, there are relatively few methods available for measuring aspects of respiroception. Existing inspiratory loading tasks are difficult to administer and frequently require expensive medical equipment, or offer poor granularity in their quantification of respiratory-related perceptual ability. To facilitate the study of respiroception, we here present a new, fully automated and computer-controlled apparatus and psychophysiological method, which can flexibly and easily measure respiratory-related interoceptive sensitivity, bias and metacognition, in as little as 30 minutes of testing, using easy to make 3D printable parts.

Abstract Respiratory rhythms play a critical role not only in homeostatic survival, but also in modulating other non-interoceptive perceptual and affective processes. Recent evidence from both human and rodent models indicates that neural and behavioural oscillations are influenced by respiratory state as breathing cycles from inspiration to expiration. To explore the mechanisms behind these effects, we carried out a psychophysical experiment where 41 participants categorised dot motion and facial emotion stimuli in a standardised discrimination task. When comparing behaviour across respiratory states, we found that inspiration accelerated responses in both domains. We applied a hierarchical evidence accumulation model to determine which aspects of the latent decision process best explained this acceleration. Computational modelling showed that inspiration reduced evidential decision boundaries, such that participants prioritised speed over accuracy in the motion task. In contrast, inspiration shifted the starting point of affective evidence accumulation, inducing a bias towards categorising facial expressions as more positive. These findings provide a novel computational account of how respiratory rhythms modulate distinct aspects of perceptual and affective decision-dynamics.

Abstract Interoception, the perception and integration of physiological signals, is a fundamental aspect of self-awareness and homeostasis. While previous work has explored interoceptive processing in relation to the cardiac system, research in the respiratory domain, particularly in relation to brain structure and function, is limited. To address this gap, we utilised a Bayesian psychophysical model to quantify perceptual, metacognitive, and affective dimensions of respiratory interoception in a sample of 207 healthy participants. We also measured individual whole-brain microstructural indices of myelination, myeloarchitecture, and cortical iron using quantitative brain imaging. Voxel-based quantification analyses revealed distinct patterns of cortical microstructure in the insular, cingulate, and primary sensory cortices, which underpin interoceptive perceptual sensitivity and precision. In addition, metacognitive bias was associated with increased myelination of the cingulate cortex and periaqueductal grey, while metacognitive sensitivity correlated with myelination of the midline prefrontal cortex. At an affective level, sensitivity to respiratory resistance was related to the myelination of the primary somatosensory cortex. By revealing specific histological brain patterns tied to individual differences in respiratory interoception, our results uncover the neural pathways that govern perceptual, metacognitive, and emotional facets of interoceptive processing.

The human brain has a remarkable ability to learn and update its beliefs about the world. Here, we investigate how thermosensory learning shapes our subjective experience of temperature and the misperception of pain in response to harmless thermal stimuli. Through computational modeling, we demonstrate that the brain uses a probabilistic predictive coding scheme to update beliefs about temperature changes based on their uncertainty. We find that these expectations directly modulate the perception of pain in the thermal grill illusion. Quantitative microstructural brain imaging revealed that the myeloarchitecture and iron content of the somatosensory cortex, the posterior insula and the amygdala reflect inter-individual variability in computational parameters related to learning and the degree to which uncertainty modulates illusory pain perception. Our findings offer a new framework to explain how the brain infers pain from innocuous thermal inputs. Our model has important implications for understanding the etiology of thermosensory symptoms in chronic pain conditions.