Накопление фактических данных и нейронные корреляты неопределенности при обсессивно-компульсивном расстройстве

Принятие решений часто связано с принятием риска в условиях неопределенности. Предполагается, что повышенная нетерпимость к неопределенности является критической чертой обсессивно-компульсивного расстройства (ОКР). Однако нарушения латентных механизмов обработки неопределенности и ее нейронных коррелятов при ОКР остаются неясными.

Методы

У 83 участников (24 пациентов с ОКР, которым была выполнена капсулотомия, 28 участников контрольной группы и 31 здоровый участник контрольной группы) мы провели магнитно-резонансную томографию с использованием карточной игры, в ходе которой участники принимали решение, делать ставку или нет на то, что следующая карта будет крупнее текущей. Иерархическая модель диффузии дрейфа была использована для разделения скорости и количества доказательств, накопленных до того, как был достигнут порог принятия решения (т.е. делать ставку или не делать ставки).

Результаты

Высокая неопределенность характеризовалась меньшим объемом собранных данных (более низкие пороговые значения), что отделяло неопределенность от конфликтных задач и подчеркивало специфику этой задачи для проверки неопределенности, основанной на ценности. Пациенты с ОКР проявляли большую осторожность при плохой успеваемости и большем накоплении доказательств в целом, а также при более медленной скорости накопления, особенно при низкой неопределенности. Двусторонняя дорсальная передняя поясная извилина и передний островок различали процессы принятия решений с высокой и низкой степенью неопределенности у здоровых участников контрольной группы, но не в группах с ОКР, что указывает на нарушения в ожидании различий в дисперсии результатов и активности сети значимости. Не было выявлено никаких поведенческих различий или различий в визуализации, связанных с капсулотомией, несмотря на улучшение симптомов ОКР.

Выводы

Наши результаты указывают на более серьезные нарушения, особенно в более определенных исследованиях в группах с ОКР, наряду с нарушением нейронной дифференциации высокой и низкой неопределенности, и предполагают, что обработка неопределенности является признаком когнитивного эндофенотипа, а не фактором, зависящим от состояния.

Процессы принятия решений в значительной степени зависят от оценки риска, процесса, включающего взвешенную оценку вероятного соотношения затрат и выгод от результата. Такая вероятность исхода может привести к неопределенности или неуверенности в себе и потенциально вызвать тревогу и сомнения, а также усугубить уже существующие психические симптомы. Было высказано предположение, что нарушения в восприятии неопределенности лежат в основе некоторых психических расстройств (1,2). Среди них обсессивно-компульсивное расстройство (ОКР), основной особенностью которого является повышенная нетерпимость к неопределенности (3), может быть образцовым примером.

Процесс принятия решения требует накопления зашифрованной информации и оценки доказательств до тех пор, пока не будет преодолен порог принятия решения, после чего принимается ответ или решение. Различные вероятности неопределенности могут привести к разной скорости и объему сбора доказательств. Теоретическим механизмом, лежащим в основе обсессивного и компульсивного поведения при ОКР, является патологическое поведение по сбору доказательств, направленное на уменьшение неопределенности (4,5), но, как это ни парадоксально, приводящее к усилению сомнений и неуверенности (6), а также к более частым повторным проверкам или навязчивым идеям (7), приводящим к неспособности принять твердое решение.

Исследования накопления доказательств при ОКР дали неоднозначные результаты. Используя задачу Beads, ранние результаты показали, что участники с ОКР собрали больше данных, чем здоровые участники контрольной группы, прежде чем принять окончательное решение (1,8,9), хотя более недавнее исследование не смогло повторить этот вывод (10). Аналогичным образом, исследование с использованием задачи выборки информации не выявило различий в накоплении фактических данных (11). Итоговые показатели накопления доказательств в этих задачах, основанные на количестве шариков или коробочек, обнаруженных до принятия окончательного решения, являются относительно дискретными переменными и могут иметь ограниченную чувствительность. Кроме того, как в лабораторных условиях, так и при принятии повседневных решений многие обстоятельства требуют бинарного выбора, такого как “влево или вправо” в задаче о движении случайных точек (RDM) и “делать ставку или не делать ставку” в азартных играх, и процессы принятия решений в этих задачах связаны с факторами конфликта и/или неопределенность, которая также может быть ошибочной. Такие подходы, как вычислительные модели, которые учитывают как реакцию, так и распределение времени реакции, необходимы для анализа процесса накопления скрытых данных при принятии решений.

Модель дрейфовой диффузии - это четко определенная модель, обладающая сильной способностью объяснять поведение человека. Основное допущение модели дрейфовой диффузии заключается в том, что информация накапливается с течением времени до тех пор, пока не будет достигнут определенный объем, после чего принимается соответствующее решение. Разделение между двумя вариантами или границами указывает на осторожность реагирования, которая может быть упрощена как количество доказательств, необходимых для достижения одного из двух вариантов, и называется пороговым значением. Другим параметром, представляющим первостепенный интерес, является скорость смещения, которая отражает силу доказательств, собранных на основе существующей информации. Большее значение скорости смещения указывает на более веские доказательства принятия решения, что приводит к более быстрому накоплению доказательств в направлении одной из границ принятия решения (12,13). Преимущество использования модели дрейфовой диффузии заключается в том, что она позволяет разложить процесс накопления доказательств на такие параметры, как скорость (коэффициент дрейфа) и количество (пороговое значение), что может обеспечить большую чувствительность и моделирование скрытых переменных.

Исследования показали повышенную активность дорсальной передней поясной коры (dACC) в зависимости от неопределенности, наряду с другими областями мозга, такими как орбитофронтальная кора, передний островок (AI) и вентральное полосатое тело (14, 15, 16, 17). Одной из важнейших структур белого вещества при ОКР является передняя часть внутренней капсулы, которая связывает множество префронтальных и подкорковых областей, имеющих отношение к ОКР (18,19). Капсулотомия, или удаление передней части внутренней капсулы, снижает функциональную связь между dACC и вентральным полосатым телом в состоянии покоя, а предоперационная связь между dACC и дорсальным хвостатым телом может предсказать изменения показателей по шкале обсессивно-компульсивных состояний Йельского университета-Брауна (Y-BOC), что подчеркивает потенциальное влияние капсулотомии на Функция dACC (20). В этом исследовании мы, во-вторых, попытались оценить влияние капсулотомии при ОКР на обработку неопределенности.

Здесь мы выполнили функциональную магнитно-резонансную томографию (ФМРТ), используя задачу карточной игры, предсказывающую различные вероятности исхода, таким образом моделируя неопределенность, определяемую наибольшей дисперсией исхода, при которой вероятность неясна (21). В этом задании участники решали, делать ли ставку на то, что следующая игральная карта будет крупнее текущей, показанной на экране. Мы использовали иерархическую модель диффузии дрейфа (HDDM) для анализа различных компонентов накопления доказательств в условиях высокой и низкой неопределенности, предсказывая более высокие пороговые значения и более низкие скорости дрейфа, а также роль аберрантной активности dACC у участников с ОКР по сравнению с участниками HC и потенциальное влияние капсулотомии на обработку неопределенности и активность поясной извилины..

Методы и материалы

Участники

Всего было набрано 83 участника (28 участников с ОКР-контролем [группа контроля ОКР], 24 пациента с ОКР, которым была выполнена капсулотомия [группа контроля ОКР], и 31 участник с НС [группа контроля НС]). Результаты по шкале Y-BOC в группах с ОКР contr и ОКР cap были оценены психиатром. Участники самостоятельно оценили уровень депрессии Бека и обсессивно–компульсивного расстройства (пересмотренный вариант). Исследование было одобрено комитетом по этике больницы Руиджин, и было получено письменное информированное согласие. Участникам была выплачена компенсация за потраченное время. Критерии включения и исключения приведены в Приложении.

Стимулы и процедура

Это задание было запрограммировано с помощью Psychotool-3 (http://psychtoolbox.org/) в среде MATLAB, версия R2018b (The MathWorks, Inc.). Мы использовали задание для азартных игр в карты, адаптированное Критчли и соавторами (17). В этом задании (рис. 1А) на левом экране в течение 2,5 секунд показывалась игральная карта, пронумерованная от 1 до 10. Участники решали, делать ставку или нет на то, что следующая карта будет старше текущей. Участники отвечали, когда показывался синий контур, после чего начинался этап подведения итогов, на котором в течение 1 секунды на правом экране показывалась следующая карточка. Затем на экране в течение 1,5 секунд отображалась денежная обратная связь, указывающая, выиграл ли участник 10 йен (выбрал ставку со второй картой меньшего размера), проиграл 10 йен (выбрал ставку со второй картой большего размера) или ничего не получил (решил не делать ставку). Интервалы между попытками варьировались от 1 до 4 секунд. Увеличение риска определяется как уменьшение вероятности выигрыша денег и увеличение вероятности их потери. В любом испытании исходная карта была либо выше, либо ниже первой карты, и вероятность того, что исходная карта окажется выше или ниже, соответствовала истинной вероятности случайного набора, а это означало, что карта 1 имела наименьший риск для ставки (наибольший шанс на выигрыш). Участникам было предложено максимально увеличить денежную выгоду. Для карточек 1 и 10 было проведено только 3 испытания, поскольку их результаты были очевидны. Для остальных 8 карточек было проведено 9 испытаний, в результате чего в общей сложности было проведено 78 испытаний.

Для оценки поведенческих характеристик мы рассчитали ставку, время реакции и коэффициент выигрыша в зависимости от неопределенности. Ставка была определена как соотношение выбора ставки после первой карты, что указывало на рискованную стратегию. Выигрыш определялся как выбор в пользу ставки, когда вторая карта была выше, или выбор в пользу отказа от ставки, когда вторая карта была ниже.

При определении неопределенности как функции дисперсии результатов количество карточек с высокой степенью неопределенности составляло от 4 до 7, а с низкой степенью неопределенности - от 1 до 3 и от 8 до 10. Кроме того, при расчете ставок мы разделили карты с низким уровнем неопределенности на карты с низким уровнем неопределенности и низким риском (карты 1-3) и карты с низким уровнем неопределенности и высоким риском (карты 8-10), поскольку поведение игроков, делающих ставки, в значительной степени связано с риском, что привело к сильной тенденции делать ставки с небольшим количеством карт и отказываться от них. делайте ставки картами с большим количеством картинок. Дисперсионный анализ с повторными измерениями был использован для трех зависимых переменных с наименее значимыми различиями в последующем анализе.

Чтобы исключить влияние медикаментозного статуса, мы провели контрольные анализы, в которых в качестве ковариат использовали: 1) прием лекарств или антидепрессантов и 2) сравнение общего количества пациентов, принимающих лекарства / без лекарств или антидепрессанты /не-антидепрессанты, с точки зрения эффективности выполнения задач.

Иерархическая дрейфово-диффузионная модель

HDDM использует байесовские методы для оценки параметров модели, включая порог, скорость дрейфа, начальное смещение и время принятия решения. Эта байесовская модель оценивает параметры как совместное апостериорное распределение, основанное на времени реакции и выборе. Для оценки параметров использовался пакет Python от Wiecki и др. (22), в котором для аппроксимации апостериорных распределений использовался метод выборки методом Монте-Карло с цепочкой Маркова (генерировалось 11 000 выборок, 1000 выборок отбрасывались в качестве отработанного периода). В модели мы сосредоточились на параметрах порога (количество накапливаемых доказательств) и скорости дрейфа (скорость накопления доказательств) (2,5). Обратите внимание, что для расчета коэффициента дрейфа, как и для расчета ставки, были отдельно установлены коэффициенты низкой неопределенности и низкого риска (карты 1-3) и низкой неопределенности и высокого риска (карты 8-10). Двумя границами HDDM были “ставка” вверху и “без ставки” внизу. Испытания с временем реакции менее 300 мс были исключены как выбросы, поскольку эти быстрые испытания приводят к смещению подобранных распределений времени реакции в сторону нуля, что может повлиять на подгонку модели (23). Для статистического анализа использовались как байесовский дисперсионный анализ с повторными измерениями, так и сравнение апостериорных распределений (подробные методы описаны в приложении).

Общий анализ линейной модели

Информация о сборе и предварительной обработке данных МРТ приведена в приложении. Для оценки областей мозга, отличающихся высокой и низкой степенью неопределенности, мы построили общую линейную модель, в которой испытания с высокой и низкой степенью неопределенности рассматривались как два регрессора и были привязаны по времени к началу фазы выбора. Фаза получения результата была разделена на "ставка–выигрыш", "ставка–проигрыш", "ставка–выигрыш" и "ставка–проигрыш", а фаза обратной связи - на "выигрыш", "проигрыш" и "ничего". Таким образом, общая линейная модель включала 9 регрессоров, связанных с задачами, и 6 регрессоров, связанных с движением головы.

Сначала мы провели анализ всего мозга, сравнив высокую и низкую неопределенность в группе HC, чтобы получить интересующие области (ROI), чувствительные к неопределенности. Затем, после коррекции частоты ложных срабатываний (p < 0,05), мы извлекли значения рентабельности инвестиций β для всех участников в 3 группах и провели дисперсионный анализ с повторными измерениями 2 (неопределенность) × 3 (группа) для каждой группы, чтобы изучить различия между группами. Контрольные анализы лекарственных препаратов были также проведены для определения ROI.

Обсуждение

В текущем исследовании мы оценивали принятие риска в условиях неопределенности, определяемой дисперсией результатов. Мы предположили, что неопределенность будет связана с более высокими пороговыми значениями и более медленными темпами дрейфа. Однако, используя HDDM, мы показали, что участники, как правило, принимают рискованные решения в условиях высокой неопределенности, характеризующейся высокой дисперсией результатов при меньшем (нижний порог) и более медленном (более низкая скорость дрейфа) накоплении фактических данных. Основываясь на результатах моделирования HDDM, участники с ОКР проявляли большую осторожность при большем (более высокие пороговые значения), но более медленном (более низкие скорости дрейфа) накоплении данных, особенно при низкой неопределенности. Участники с ОКР не показали каких-либо различий в выборе способа принятия риска, но их результаты были неоптимальными, о чем свидетельствовали более низкие показатели выигрыша.

ФМРТ-анализ показал, что в группе с ОКР dACC и двусторонний ИИ проявляли более высокую активность на этапе принятия решения, что контрастировало с высокой и низкой неопределенностью. В группах с ОКР этих различий обнаружено не было. Меньшая разница в активности ИИ с высокой и низкой степенью неопределенности коррелировала с более ранним началом ОКР.

Принятие риска в условиях неопределенности не связано с конфликтом в отношении вычислительных показателей

Мы предположили, что высокая неопределенность будет связана с более высокими пороговыми значениями и более медленными темпами дрейфа, что соответствует большему накоплению фактических данных (2,24,25). Однако мы обнаружили, что высокая неопределенность вместо этого была связана с более низкими пороговыми значениями, что контрастирует с мерами по обработке конфликтов, которые также аналогичным образом влияют на dACC.

Конфликт возникает между двумя несовместимыми ответами, когда в задаче задействованы оба варианта, но правильным является только один. Конфликт в более широком смысле может также возникнуть, если текущие характеристики решения более схожи, но также могут быть связаны с большим сходством связанных результатов. Исследования конфликтов с использованием традиционных когнитивных задач, таких как задача фланкера, показывают высокую конфликтность, связанную с более высокими пороговыми значениями и более низкой скоростью дрейфа (12,26). Ранее мы использовали задачу RDM с различными уровнями согласованности, предполагая, что она является мерой неопределенности восприятия, но мы полагаем, что она также может быть потенциально осложнена конфликтом (5). Степень согласованности задания RDM может систематически изменяться таким образом, чтобы оно выглядело более правосторонним или более левосторонним с различной степенью случайности восприятия и неопределенности. Это может вызвать соревнование в ответах, когда один ответ будет правильным. В задаче RDM высокая неопределенность восприятия связана с более высокими пороговыми значениями, что согласуется с увеличением накопления доказательств, аналогичных наблюдениям в условиях высокой конфликтности. Таким образом, мы не были уверены, является ли наш показатель неопределенности восприятия чистой мерой неопределенности без учета конфликта.

В нашей текущей задаче выбор делать ставку или не делать ставку субъективен и, следовательно, не является ни правильным, ни неправильным. Существует более оптимальный и рациональный выбор, связанный с более высокими долгосрочными выигрышами. Однако в нашем анализе мы сосредоточились на субъективном выборе риска. Наш HDDM моделируется с использованием ставок / без ставок, а не оптимальных / неоптимальных вариантов. В принципе, элемент конфликта может быть выявлен из-за увеличения дисперсии результатов, поскольку конкуренция в ответах между “ставкой” и “не ставкой” может возникнуть, когда субъективное предпочтение риска становится более неоднозначным. Однако здесь нет правильного или неправильного ответа, и, таким образом, это противоречит общепринятому определению конфликта. Это также может свидетельствовать о том, что, учитывая, что игральные карты связаны с высокой вероятностью выигрыша или проигрыша, субъективные решения о риске и оценка соотношения затрат и выгод в контексте неопределенного результата могут быть связаны с более быстрым принятием решений. Наша задача - выявить когнитивный процесс, который не связан с конфликтом и, скорее всего, является процессом неопределенности, основанным исключительно на ценностях, что, насколько нам известно, впервые было протестировано при ОКР.

Вычислительные и поведенческие различия при ОКР

Наши основные выводы, касающиеся ОКР, показали, что участники с ОКР проявляли большую осторожность при более медленном темпе дрейфа только в тех случаях, когда уровень неопределенности был низким, а порог превышал независимо от уровня неопределенности. Наши результаты показывают, что людям с ОКР необходимо собрать больше доказательств, прежде чем принимать решение. Когда решение является крайне неопределенным, участники с ОКР накапливают доказательства с той же скоростью, что и участники с ОКР, но при большей уверенности их способность или эффективность принятия решения снижаются. Низкая неопределенность может быть особенно полезна с экологической точки зрения при ОКР. Например, пребывание в грязной среде ассоциируется с неуверенностью в чистоте, но повторное мытье рук у участников с ОКР обычно ассоциируется с меньшей дисперсией результатов и большей уверенностью в чистоте. Тем не менее, несмотря на большую осторожность, участники с ОКР по-прежнему демонстрировали снижение коэффициента выигрыша, что, возможно, было связано с нейронными нарушениями в представлении неопределенности. Эти результаты перекликаются с результатами исследования, в котором участники с ОКР отличались от участников с НС только в том случае, когда решение содержало низкую объективную неопределенность, так что пациенты оценивали себя как менее субъективно уверенных и подчеркивали, что эта большая неуверенность в себе может характеризовать расстройство (4).

Интересно, что, хотя участникам с ОКР требовалось больше времени и доказательств для принятия окончательного решения, они все равно демонстрировали неоптимальные результаты с более низкими показателями выигрыша, чем участники с ОКР. Наша задача - простая карточная игра с известными вероятностями и, предположительно, очень ограниченным количеством знаний. Участники с ОКР показали низкую успеваемость, несмотря на накопление большего количества доказательств, что свидетельствует о снижении эффективности рискованного поведения и еще раз подчеркивает разобщенность обучения и успеваемости. Наши результаты совпадают с предыдущими данными о снижении работоспособности у участников с ОКР, несмотря на то, что они успешно выполняли последовательные учебные задания (2).

Результаты визуализации

Наши результаты ФМРТ подчеркивают роль dACC и искусственного интеллекта в обработке неопределенности у участников HC, о которой говорилось ранее (17,27), а также различия в обработке высокой и низкой неопределенности в этих областях у участников с ОКР. Неопределенность связана с элементами целого ряда когнитивных процессов, таких как предвосхищение и внимание (17), и по своей сути связана с вероятностью ошибок, причем усиленный мониторинг ошибок продемонстрирован как эндофенотип при ОКР (28). Хотя было предложено, чтобы dACC реагировал на конфликт в соответствии с гипотезой мониторинга конфликтов (29), активность dACC связана с вероятностью ошибки, даже если ошибки или конфликта нет (30), что было более вероятно в нашем исследовании. Было показано, что ИИ представляет вероятность риска и участвует в прогнозировании риска до наступления его исхода (31). Отсутствие активности dACC и AI при высокой и низкой неопределенности у участников с ОКР может отражать нарушения в ожидании различий в дисперсии результатов, связанных с вероятностью ошибки (30).

Примечательно, что dACC и AI являются центральными узлами сети salience (32). Измененное функционирование сети значимости может привести к ошибочному отнесению значимости к безобидным внешним стимулам, что приводит к искажению реальности (33), что потенциально может привести к нелогичному мышлению и патологическим сомнениям (34). Неопределенность связана с важностью (35). Вполне возможно, что наши выводы связаны с недостаточной чувствительностью к существенным факторам, которая также может лежать в основе ОКР. Это согласуется с результатами мета-анализа, показывающего гипоактивность сети значимых факторов ингибирующего контроля при ОКР (36), что также является характерным нарушением при этом заболевании.

Более того, при лечении ОКР особое внимание уделяется регионам dACC и островковой части мозга. Недавнее исследование, в котором участвовали 4 группы пациентов с ОКР с различными целями глубокой стимуляции мозга, показало, что функциональная связь с ACC и островковой частью мозга является клинически прогностической независимо от цели стимуляции. Кроме того, dACC также используется в качестве важной мишени для транскраниальной магнитной стимуляции при лечении ОКР, что подтверждается связью метааналитической функциональной мозговой сети при ОКР и карт подключения для глубокой стимуляции мозга.

Последствия капсулотомии

Мы не выявили существенных различий между участниками в группах OCD contr и OCD cap, что указывает на то, что удаление передней части внутренней капсулы не влияет на принятие решений, связанных с неопределенностью, основанной на оценке, при ОКР, несмотря на улучшение симптомов. Нейропсихологические исследования капсулотомии при ОКР показали неоднозначные результаты. Некоторые ранние исследования показали нарушения когнитивных функций, которые, как правило, улучшаются в долгосрочной перспективе (39,40). Другие исследования не выявили признаков нарушения (41,42) или даже улучшения исполнительных функций, которые в основном связаны с дорсолатеральной префронтальной и орбитофронтальной корой (43, 44, 45, 46). В двух исследованиях оценивался процесс принятия решений при ОКР с помощью задания "Азартные игры в Айове", в котором задействованы вентромедиальная и орбитофронтальная коры, и оба показали улучшение стратегии принятия рисков в долгосрочной перспективе после капсулотомии (43,46). Наша популяция пациентов укладывается в долгосрочный временной интервал предыдущих исследований, но наша задача включает в себя разные области мозга. Вполне возможно, что капсулотомия может позволить нейронное перепрограммирование латеральных и вентромедиальных путей, но, возможно, в меньшей степени - дорсомедиальных префронтальных путей, задействованных в данном исследовании. Это перекликается с недавним исследованием, проведенным нашей группой с использованием той же популяции, которое показало, что клиническое улучшение, вызванное капсулотомией, может быть связано с большей активностью передней части поясной извилины при обработке отвращения (47). Кроме того, отсутствие эффекта от капсулотомии, несмотря на улучшение симптомов, предполагает, что наши результаты могут быть связаны с эффектами, связанными с особенностями или риском развития ОКР, а не с улучшением симптомов, связанным с состоянием, что согласуется с предыдущим исследованием, указывающим на принятие решений в условиях неопределенности как на нейрокогнитивный эндофенотип ОКР. (48). Нарушение процесса принятия решений также было обнаружено у лиц с ранним проявлением ОКР и их братьев и сестер первой степени (49). Было показано, что измененная циркуляция островкового вещества связана с возрастом возникновения ОКР. Это согласуется с нашим наблюдением о том, что разница в ИИ между высокой и низкой неопределенностью коррелирует с возрастом начала, а не с продолжительностью или текущей тяжестью ОКР.

Ограничения

Текущее исследование не лишено ограничений. Во-первых, это поперечное, а не лонгитюдное исследование, и, следовательно, индивидуальные эффекты капсулотомии могут быть более очевидны при длительном наблюдении. Во-вторых, одним из наших критериев включения в группу cap с ОКР является 6-месячный промежуток времени после операции, в то время как исследования показали, что изменения когнитивных функций могут произойти по крайней мере через 1 год или даже дольше после капсулотомии (43,44). Действительно, в нашем исследовании только 2 из 24 пациентов прошли тестирование в период от 6 месяцев до 1 года, а 8 - в период от 1 до 2 лет после капсулотомии. Таким образом, отрицательные результаты в двух группах пациентов с ОКР вряд ли были вызваны кратковременным эффектом после операции. И, наконец, в нашем задании по азартным играм были даны только оптимальные / неоптимальные ответы, а не правильные / неправильные, что может способствовать неудачному выявлению конфликта в нашем исследовании. Будущие исследования потребуют непосредственного определения задач, позволяющих разобраться в процессе неопределенности и конфликта.

Источник