¿Pueden las medidas computacionales del desempeño de tareas predecir los síntomas psiquiátricos y los cambios en la gravedad de los síntomas a lo largo del tiempo? (CABxtime)

El objetivo de la psiquiatría computacional es adquirir conocimientos sobre los procesos neurocomputacionales subyacentes que sustentan los trastornos psiquiátricos y aprovechar este conocimiento para mejorar el diagnóstico y el tratamiento. Un paso clave para lograr este objetivo es desarrollar medidas de las diferencias individuales en los cálculos obtenidos de un solo individuo que sean confiables, sólidas y significativamente relevantes para la disfunción psiquiátrica. Para lograr estos objetivos, es esencial que fundamentemos las relaciones entre los mecanismos computacionales candidatos y las categorías de diagnóstico, las dimensiones de los síntomas y los resultados del tratamiento. En el presente estudio, se utilizará una batería de tareas de evaluación computacional (CAB) diseñada para medir diferencias individuales a través de una matriz multidimensional de procesos computacionales. El estudio tiene como objetivo separar tres componentes de varianza diferentes que contribuyen a la variabilidad en la estimación de parámetros computacionales: varianza relacionada con la ocasión debido a cambios incidentales diarios en el desempeño de la tarea, varianza dependiente del estado que está relacionada con una variación significativa a lo largo del tiempo en los cálculos subyacentes dentro de un diferencias individuales y relacionadas con rasgos pertenecientes a diferencias individuales estables en los cálculos entre individuos. Para lograr esto, se implementarán evaluaciones repetidas utilizando esta batería durante un intervalo de 1 año dentro de una muestra en línea, y se utilizará un modelo bayesiano jerárquico para separar el efecto de la variación relacionada con la ocasión, el estado y los rasgos en estas estimaciones de parámetros. Estos componentes de la variación luego se relacionarán con las categorías de diagnóstico, las dimensiones de los síntomas y las medidas de gravedad de los síntomas en una cohorte diversa de pacientes psiquiátricos (en su mayoría con depresión, ansiedad y TOC) reclutados en el sur de California. Finalmente, se rastreará la relación entre las estimaciones de los parámetros computacionales y los cambios en los síntomas a lo largo del tiempo en un subconjunto de estos pacientes. Este estudio promete avanzar significativamente en la comprensión de cómo extraer de manera confiable medidas de fenotipos cognitivos derivadas computacionalmente relevantes para el diagnóstico que eventualmente podrían migrarse a la clínica.