불안의 다단계 회피를 정량화합니다

현재의 학습 이론 불안의 이론은 두려움 학습을 방해하는 것이 불안 장애의 기초가 될 것이라고 제안합니다. 이것은 학습 된 위협 가치를 변화시켜 노출 치료와 같은 치료가 작동한다는 것을 시사합니다. 그러나 경험적 데이터는 두려움 조절의 변화가 증상 변화와 나중에 회피 행동의 감소로 이어지는 이러한 모델을 지원하지 않습니다. 대신, 최근의 발견은 회피 행동이 그 자체로 메커니즘이 될 수 있으며, 회피 행동의 감소가 불안 증상의 개선보다 우선하고 예측한다는 것을 시사합니다. 회피를 목표로하기 위해서는 회피 행동의 기본 프로세스에 대한 작업 이론이 필요합니다. 최근 Markov Decision Process (MDP) 모델은 위협 기대치를 측정하는 데 사용되었으며, 이는 불안 장애의 메커니즘으로서 회피와 두려움 학습의 차이를 포착 할 수있는 이점이 있습니다. 회피 행동의 상승을 보여주는 초기 MDP 모델은 약속을 보여줍니다. 그러나 인간의 이러한 모델을 맞추기 위해서는 추가 비 행동 정보가 필요합니다.

연구원의 주요 가설은 해독 된 신경 위협의 신경 신호로 증강 된 MDP 모델이 실험실 내외에서 불안 장애 관련 회피 행동을 특성화하고 수정할 수 있다는 것입니다.

AIM 1 : 정신 병리학에 대해 선택하지 않은 성인 (120, 두 번 평가) : 위협 임박의 뇌 시그니처를 개발하고 (다른 위협 임박 작업의 FMRI 데이터에 대해 독립적으로 훈련 된 예측 모델에서) 작업 동작과 결합하여 회피 동작의 MDP 모델을 만듭니다.

AMIMS 2 및 3 : 임상 불안 및 부적응 회피 (N = 163, 4 배 평가)를 가진 별도의 참가자 세트는 FMRI 스캔 중 회피를 평가하는 MDP 기반 학습 과제를 완료하고 MDP- 조정 행동의 차이를 정량화하고 이러한 작업 기반 차이의 크기가 실제 회피 행동의 중증도에서 차이를 테스트 할 것입니다.

기능적 자기 공명 영상 (FMRI) 데이터의 다변량 예측 변수는 잠재 값을 해독하고 MDP 모델의 계산 적합성을 향상시킬 수 있습니다. 이러한 잠재 값을 식별하기 위해 위협 추적 모델의 이전에 검증 된 신경 서명이 사용됩니다. 위협의 추상 모델에서, 동일한 뇌 영역 (예 : Amygdala, VMPFC)이지만 다른 앙상블 및 신경 개체군은 다른 위협의 임박 단계에 관여하며, 이러한 패턴은 다른 수준의 임상 불안을 가진 인간 사이에 다르지 않아 신경 과학적으로 뒷받침 된 접근 방식을 허용합니다. 따라서 연구자들은 해독 된 위협의 신경 신호로 보강 된 MDP 모델을 사용하여 불안의 증상 변화의 새로운 메커니즘 (회피 행동)을 특성화하고 지원하고 불안 장애 관련 회피 행동을 수정하는 것을 목표로합니다.