团体歌曲创作 (SING) (SING_R33)

幻听（AVH）是精神病中最令人痛苦和最令人丧失能力的方面之一。 他们会增加自杀风险，并且只有 70% 的人对抗精神病药物有反应。 尽管阳性和阴性精神病症状在统计上是分离的，但 AVH 是在社会孤立的背景下形成和煽动的。 此外，这些社会挑战对当前的药物疗法没有反应，甚至可能导致医源性恶化，导致依从性面临挑战。 对于 AVH 和社交困难，需要改进的治疗方法，并具有良好的副作用。 音乐干预（MI）就是其中之一。 根据一些小型定性和定量研究，MI 可以改善幻觉和阴性症状，并且耐受性非常好。 然而，尚不清楚音乐干预如何导致精神病症状恢复。 这项工作的总体目标是将一种有前途的治疗先导——MI——与一种有前途的精神病机制解释——预测处理结合起来。 R33阶段，优化管理（主动参与比被动倾听更有效吗？ 创作新音乐是否比表演他人的创作更有帮助？）。 通过跟踪症状机制和 MI 之间的相互关系，研究人员可以使用这些指标前瞻性地将患者分配到特定的 MI。

进行/不进行决策：幻觉和社会处理的指标会随着音乐干预而改变吗？

音乐和精神病：MI 可以缓解幻听的显着特征，例如幻听的持续时间，在某些情况下，随访多年后会得到改善。 对 19 项研究的荟萃分析表明，MI 对精神病的阴性和认知症状有效 (d = 0.71)，尤其是对流行音乐而非古典音乐。 被动聆听的组与制作音乐的组之间，以及治疗师或患者选择的音乐之间都没有显着差异，所有这些都有帮助。 然而，因变量是主观评分量表，通常无法捕捉同一参与者的 AVH 和阴性症状。 确实需要对幻觉和阴性症状进行客观测量，研究人员认为他们最近的计算精神病学工作提供了这一点（见下文）。 研究人员建议在一项新的、适当动力的 MI 研究中采用这些指标。 将比较主动和被动参与以及参与者喜欢和不喜欢的音乐。 根据他们的初步数据，研究人员认为，所有权和活动这些因素是 MI 的活性成分。

精神病机制：知觉和决策过程的计算模型提供了一种方法来识别与 AVH 和社会挑战相关的过程的客观指标。 研究人员最近的工作提供了对 AVH 的计算理解。 感知不仅仅是被动接收输入。 人类会主动推断我们感觉的原因。 这些推论受到我们先前经验的影响。 先验和输入根据贝叶斯规则进行组合。 预测错误、先验与输入之间的不匹配会导致信念更新。 当强先验在没有习惯输入的情况下引起感知时，可能会出现幻觉（没有外部刺激的感知）。 研究人员最近通过使用巴甫洛夫条件反射在人类观察者中产生关于听觉刺激的新先验来测试这一理论。 即使在健康个体中，视觉和听觉刺激的重复同时出现也会诱发幻听。 研究人员通过功能成像检查了这种效应。 他们使用计算模型来推断参与者对刺激的感知信念的强度、刺激之间的关联以及这些关联的波动性。 重要的是，该模型捕捉了先验如何与感官证据相结合，使我们能够直接检验强有力的先验假设。 首先，研究人员确定了检测和心理测量曲线的个体阈值。 接下来，参与者努力检测与呈现棋盘视觉刺激同时出现的 1 千赫兹音调。 在条件反射开始时，音调经常出现在阈值处，从而产生视听关联的信念。 然后，这种信念通过越来越频繁的亚阈值和无目标试验进行了检验。 当受试者根据视觉刺激报告未呈现的音调时，就会发生条件性幻觉。

在了解了视觉和听觉刺激之间的关联后，所有组都报告了尚未出现的听觉音调（条件性幻觉），尽管 H+ 组这样做的频率明显更高。 为了在我们的正式感知模型的背景下理解这些结果，研究人员采用了三层分层高斯滤波器（HGF），它使用参与者的响应和任务结构来模拟估计三个抽象级别的感知信念。 模型的第一级 (X1) 表示受试者是否认为每次试验中存在音调。 第二个层次（X2）是他们相信视觉线索可以预测音调。 第三个层次（X3）是对视觉和听觉刺激之间的偶然性的信念的变化（即X2的波动性）。 我们的参与者条件性幻觉的 HGF 模型得出了对本提案至关重要的两个发现：

那些有幻觉的人对前两层（X1和X2）表现出更高程度的感知信念，并且过度依赖先前的信念（“先前的过度加权”p<0.0019）。 与非精神病参与者相比，精神病患者，无论他们是否产生幻觉，都不太可能检测到任务统计结构的变化（X3）（“变化不敏感”。 此外，变化敏感性与疾病负担之间存在显着负相关，先前权重与幻觉严重程度评分之间存在显着正相关。 研究人员首次对 AVH 进行了客观的、基于实验室的测量，其组成过程与幻觉的不同特征相关。 研究人员建议检查这些 AVH 成分是否以及如何随着 MI 经历而变化。

精神疾病中的社会学习：不信任和关系动荡是严重精神疾病中社会问题的核心特征。 这些特征可以通过实验建模来探究它们的机制基础。 为了分析社会行为，我们的研究对象与合作伙伴（或同盟者）一起玩基于计算机的任务。 调查人员记录行为并计算有关合作伙伴可信度的逐次试验学习，该可信度随时间变化（社会波动性）。 计算模型可以描述学习如何在此任务期间将先前的信念与新的社会经验相结合的细节。 例如，我们可以衡量受试者了解可信度的速度。 研究人员预计，当社会波动性较低时，学习率在任务早期会较慢，而当社会波动性较高时，学习率会较快。玩家应该快速改变以跟上。 研究人员在最近发表在《生物精神病学》上的第一篇描述这种方法的论文中发现，当社会波动性较高时，两个对照受试者的学习率都会显着提高，但面临社会挑战的人却不会。 研究人员推测，MI 将减少患有严重精神疾病的人的社交学习缺陷。

定量和定性方法的结合：定量和定性方法对于不同的研究阶段（探索与假设检验）可能有不同的适用性。 他们对科学过程也有根本不同的概念（删除、客观与参与、主观）。 研究人员认为，这些方法并不是根本上不相容的，相反，它们可以相互提供信息并丰富。 例如，心理健康研究中向同伴支持和参与的转变凸显了以教育为主导的贵族专家主导的 AVH 研究方法的缺点。 简而言之，临床试验经常使用工具来评估 AVH 严重程度，这些工具将 AVH 的显着特征合并为单一指标，因此无法区分哪些特征随治疗而变化。 临床试验还假设 AVH 治疗的目标是通过降低声音频率来消除声音。 由经验丰富的专家组成的同行领导的倡导团体，如听力之声网络 (HVN)，建议相反，一些声音可以是积极的和支持性的，即使是消极的声音也具有重要意义，并且治疗的目标应该量身定制对个人和荣誉的意义。 研究人员认为，虽然 HVN 和计算精神病学可能看起来很奇怪，但它们对多元解释（跨分析层面）的共同关注以及对 AVH 现象学的关注表明，强大且互利的合作是可能的。 拟议的工作将定量计算工作与 AVH 变化、社会参与和自我表征的定性分析结合起来，将确保研究人员以对服务用户有意义的方式捕捉 MI 改变 AVH 和社会挑战的方式，同时为这些变化奠定基础计算精神病学提供的基于机械模型的 AVH 理解发生了变化。

音乐和预测处理：根据预测处理框架，向后预测会沿着皮质层次结构传递，以解决较低级别的预测错误。 未解决的预测误差可以根据其相对精度（逆方差）提升层次结构以显示更好的预测。 这种计算主题包含感觉运动、自主和记忆系统。 预测误差是在这些系统中采取行动的必要条件（采取行动和稳态调节，以最大限度地减少系统间的误差）。 音乐提供相互竞争的预测，然后通过确认特定的预测来消除不确定性。 创作音乐本质上是活跃的。 音乐感知也是如此。 与语言一样，人类根据自己生成音乐的方式来预测音乐。 人类感觉到有动力让我们的身体随着节拍移动，以建立适当的听觉预测。 预测处理意味着存在跨模态的精度分层生成模型。 关注外部音乐会削弱内感受和本体感受预测，就像我们自己创作音乐时会遇到的那样。 这样，音乐感知就更类似于语言处理。 研究人员根据初步数据表明，幻觉和社会功能障碍涉及知觉、本体感受和社会先验的相对精度的不平衡以及预测错误。 音乐会影响动态精度的等级，尤其是当它是自制的时候。 他们假设这样做会影响 AVH 和社交缺陷背后的病理生理机制。

团体歌曲制作 (SING)：初步定性访谈和人种学观察经常光顾我们的 MI 项目的临时站点并参加音乐制作和表演活动的人包括 21 人，其中大约 60% 的人报告目前正在接受或已经接受心理健康服务。 对深度访谈和民族志田野笔记的分析揭示了音乐干预空间和音乐制作体验的四大特征：1）非临床治疗和清醒环境的重要性； 2）社会参与和融入的机会； 3）身份（重新）发明的机会； 4）艺术和音乐表达的出口。 对于这项提议，研究人员已经调整了 MI，以方便检查预测编码相关机制。 这种改编的干预措施称为“SING”——集体创作歌曲。 在一小时的课程中，5 个人与训练有素的辅导员一起体验和/或制作音乐。 研究人员建议操纵 SING 组任务来确定某些活动对 AVH 和社会处理的影响。

SING 团队是独一无二的，将具有精神病生活经验的人们、定量和定性研究人员、临床科学家和音乐学家团结在一起。 这种团结是由康涅狄格州精神卫生中心实现的，该中心是一个州立精神卫生机构，其三重目标是治疗、教育和研究，其与耶鲁大学的独特合作关系体现在通过该应用程序连接的两个研究中心；耶鲁大学康复和社区健康计划以及亚伯拉罕·里比科夫研究设施的临床神经科学研究单位。 这些单位共同拥有真实和虚拟的基础设施、人员和经验，使拟议的工作取得成功。