异常的等级预测错误与过渡到精神病有关:对不匹配消极性的计算单试分析

科学领域:

• 神经科学是一个神经科学.
• 计算精神病学是一种计算精神病学.
• 精神病研究 精神病研究

背景情况:

• 不匹配负面性的减少是精神分裂症的关键生物标志物.
• 这些减少表明临床高危人群中精神病转化风险增加 (CHR-P).
• 开发了一个计算模型,以了解CHR-P和早期精神分裂症患者的这些减少.

研究的目的:

• 在CHR-P个体和早期精神分裂症患者中计算模拟不匹配的消极性减少.
• 研究层次预测错误在精神病发育中的作用.
• 为了确定潜在的预测性生物标志物用于精神病风险.

主要方法:

• 从CHR-P个体 (包括转换器),早期精神分裂症患者和健康对照组中收集了脑电图 (EEG) 数据.
• 使用了三种听觉奇怪不匹配负面性范式 (持续时间,频率,双偏差).
• 使用分层的高斯过模型来分析感官学习并提取精度加权的预测错误.

主要成果:

• 与对照组相比,在CHR-P患者和早期精神分裂症患者中观察到改变了低水平的感觉和高水平波动性预测错误.
• 后来转化为精神病的CHr-P个体与非转化者相比,显示出明显不同的低级预测错误.
• 这些发现突出了层次预测错误处理中的变化.

结论:

• 改变等级预测错误处理是早期精神病的计算机制,与预测编码理论保持一致.
• 计算模型可以捕捉与早期和未来精神病风险相关的病理生理机制.
• 这个模型显示出作为预测生物标志物和新型治疗干预措施的目标的潜力.