As medidas computacionais de desempenho de tarefas podem prever sintomas psiquiátricos e mudanças na gravidade dos sintomas ao longo do tempo (CABxtime)

O objetivo da psiquiatria computacional é obter conhecimento sobre os processos neurocomputacionais subjacentes que sustentam os transtornos psiquiátricos e aproveitar esse conhecimento para melhorar o diagnóstico e o tratamento. Um passo fundamental para atingir esse objetivo é desenvolver medidas de diferenças individuais em cálculos obtidos de um único indivíduo que sejam confiáveis, robustos e significativamente relevantes para a disfunção psiquiátrica. Para atingir estes objetivos, é essencial fundamentar as relações entre os mecanismos computacionais candidatos e as categorias diagnósticas, as dimensões dos sintomas e os resultados do tratamento. No presente estudo, será utilizada uma bateria de tarefas de avaliação computacional (CAB), projetada para medir diferenças individuais em uma matriz multidimensional de processos computacionais. O estudo visa separar três componentes de variância diferentes que contribuem para a variabilidade na estimativa de parâmetros computacionais: variância relacionada à ocasião devido a mudanças incidentais do dia a dia no desempenho da tarefa, variância dependente do estado que está relacionada à variação significativa ao longo do tempo nos cálculos subjacentes dentro de um diferenças individuais e relacionadas a características pertencentes a diferenças individuais estáveis ​​​​em cálculos entre indivíduos. Para conseguir isso, avaliações repetidas serão implementadas usando esta bateria ao longo de um intervalo de 1 ano dentro de uma amostra on-line, e usarão modelagem bayesiana hierárquica para separar o efeito da ocasião, estado e variação relacionada à característica nessas estimativas de parâmetros. Esses componentes de variância serão então relacionados a categorias diagnósticas, dimensões de sintomas e medidas de gravidade dos sintomas em uma coorte diversificada de pacientes psiquiátricos (principalmente com depressão, ansiedade e TOC) recrutados no sul da Califórnia. Finalmente, a relação será rastreada entre as estimativas dos parâmetros computacionais e as mudanças nos sintomas ao longo do tempo em um subconjunto desses pacientes. Este estudo promete avançar significativamente na compreensão de como extrair de forma confiável medidas de fenótipos cognitivos derivadas computacionalmente relevantes para o diagnóstico que poderiam eventualmente ser migradas para a clínica.