NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Hesaplamalı Psikiyatri, beynin nörobiyolojisi, çevresi ve zihinsel belirtileri arasındaki ilişkiyi hesaplamalı terimlerle tanımlamayı amaçlamaktadır. Bunu yaparken, psikiyatrik sınıflandırmayı ve akıl hastalığının tanısını ve tedavisini geliştirebilir. Biyolojik indirgemecilik ve yapay kategorizasyondan kaçınırken, birçok tanımlama seviyesini mekanistik ve titiz bir şekilde birleştirebilir. Bilişsel hesaplama modellerinin çevrenin mevcut durumunu nasıl çıkarabildiğini ve gelecekteki eylemleri nasıl tarttığını ve bu modellerin depresyon ve şizofreni olmak üzere iki örnek bozukluk üzerine yeni bakış açıları sağladığını anlatıyoruz. Takviye öğrenme, beynin eylemlerin kurslarını uzun vadeli gelecekteki değerlerine göre nasıl seçebileceğini ve değer verebileceğini açıklar. Bazı depresif belirtiler, ajansın kaybıyla ilgili önceki inançlardan ('yardımsızlık') veya aksi olayların zihinsel araştırmasını engelleyememekten kaynaklanabilecek anormal değerlemelerden kaynaklanabilir. Öngörülen kodlama, beynin, her biri kesinliklerine (veya hassasiyetlerine) göre ağırlıklandırılmış duyusal verileri önceki inançlarla birleştirerek, çevresinin durumu hakkında Bayesian çıkarımını nasıl gerçekleştirebileceğini açıklar. Şizofrenideki birkaç kortikal anormallik, çıkarımsal hiyerarşinin daha yüksek seviyelerindeki hassasiyeti azaltabilir, duyusal verilere karşı önyargılı çıkarım yapabilir ve önceki inançlardan uzaklaşabilir. Bu bağlamda striatal hiperdopaminerjinin uyarlanabilir bir işlevi olup olmadığını ve ayrıca takviye öğrenme ve teşvik edici tuzluluk modellerinin bozukluğa nasıl ışık tutabileceğini tartışıyoruz. Son olarak, Hesaplamalı Psikiyatri'nin Parkinson hastalığı gibi nörolojik bozukluklara yönelik bazı uygulamalarını ve yöntemlerini uygularken kaçınılması gereken bazı tuzakları gözden geçiriyoruz.
Özgün kaynak özetini okuyun
Computational Psychiatry aims to describe the relationship between the brain's neurobiology, its environment and mental symptoms in computational terms. In so doing, it may improve psychiatric classification and the diagnosis and treatment of mental illness. It can unite many levels of description in a mechanistic and rigorous fashion, while avoiding biological reductionism and artificial categorisation. We describe how computational models of cognition can infer the current state of the environment and weigh up future actions, and how these models provide new perspectives on two example disorders, depression and schizophrenia. Reinforcement learning describes how the brain can choose and value courses of actions according to their long-term future value. Some depressive symptoms may result from aberrant valuations, which could arise from prior beliefs about the loss of agency ('helplessness'), or from an inability to inhibit the mental exploration of aversive events. Predictive coding explains how the brain might perform Bayesian inference about the state of its environment by combining sensory data with prior beliefs, each weighted according to their certainty (or precision). Several cortical abnormalities in schizophrenia might reduce precision at higher levels of the inferential hierarchy, biasing inference towards sensory data and away from prior beliefs. We discuss whether striatal hyperdopaminergia might have an adaptive function in this context, and also how reinforcement learning and incentive salience models may shed light on the disorder. Finally, we review some of Computational Psychiatry's applications to neurological disorders, such as Parkinson's disease, and some pitfalls to avoid when applying its methods.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.