Вычислительная психиатрия: к математически обоснованному пониманию психических расстройств

Цель вычислительной психиатрии — описать взаимосвязь между нейробиологией мозга, окружающей средой и психическими симптомами с помощью вычислительных моделей. Это может улучшить классификацию психических расстройств, а также их диагностику и лечение. Такой подход позволяет строго и механистически объединить разные уровни описания, избегая биологического редукционизма и искусственной категоризации. Мы описываем, как вычислительные модели познания позволяют оценивать текущее состояние окружающей среды и выбирать будущие действия, а также как эти модели открывают новые перспективы для понимания двух расстройств — депрессии и шизофрении. Обучение с подкреплением описывает, как мозг может выбирать действия и оценивать их с учётом долгосрочной будущей ценности. Некоторые симптомы депрессии могут быть обусловлены нарушением оценки ценности действий, которое, в свою очередь, может возникать из-за исходных убеждений об утрате контроля над событиями («беспомощности») или неспособности подавлять мысленное исследование неприятных событий. Предиктивное кодирование объясняет, как мозг может осуществлять байесовский вывод о состоянии окружающей среды, объединяя сенсорные данные с исходными убеждениями и взвешивая те и другие в зависимости от их достоверности (или точности). Некоторые корковые нарушения при шизофрении могут снижать точность на более высоких уровнях иерархии вывода, смещая его в сторону сенсорных данных и от исходных убеждений. Мы обсуждаем, может ли гипердофаминергия в полосатом теле выполнять в этом контексте адаптивную функцию, а также как модели обучения с подкреплением и мотивационной значимости могут способствовать пониманию этого расстройства. Наконец, мы рассматриваем некоторые применения вычислительной психиатрии при неврологических заболеваниях, таких как болезнь Паркинсона, и ряд ошибок, которых следует избегать при использовании её методов.