通过漂移扩散建模和功能磁共振成像来分解强化学习缺陷在博障碍中
Antonius Wiehler1,2, Jan Peters1,3
1Department of Systems Neuroscience, University Medical Centre Hamburg-Eppendorf, Hamburg, Germany.
Computational psychiatry (Cambridge, Mass.)
|May 22, 2024
概括
患有博障碍的人因决策值快速下降和价值考虑较少而表现出受损的奖励学习. 强化学习中的这些计算缺陷有助于博障碍.
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.
- 行为经济学是一种行为经济学.
背景情况:
- 博障碍与奖励学习缺陷有关.
- 这些缺陷背后的计算机制尚未得到充分理解.
研究的目的:
- 研究博障碍中强化学习缺陷的计算机制.
- 用计算建模和fMRI来比较有博障碍的个体和对照.
主要方法:
- 一个静止强化学习任务被管理到博障碍的个人 (n=23) 和匹配的控制 (n=23).
- 强化学习漂移扩散模型 (RLDDMs) 用于计算建模.
- 使用功能共振成像 (fMRI) 检查神经相关性.
主要成果:
- 博组的准确性降低,但与对照组相比,反应时间相似.
- RLDDM表明,博障碍与决策门的更快降低以及价值差异对漂移率的影响减少有关.
- 在博组中观察到较短的非决策时间.
- fMRI在关键大脑区域的预测错误或值编码中没有显著的群体差异.
结论:
- 博障碍中强化学习障碍的特征是不适应的决策值调整.
- 在决策过程中对选项价值的考虑减少,有助于博障碍.
- 计算建模为博障碍背后的认知过程提供了洞察力.
