情绪障碍胸腺胸膜波动的神经计算研究 (MOODELING)

情绪障碍是常见疾病，代表了发病率和死亡率的第一个精神病学因，也是国家和国际一级的主要公共卫生和医学经济问题。

尽管存在有效的治疗方法，但对这些疾病的病理生理学的理解在很大程度上仍然是不完整的。 该评估是完全临床的，没有任何可靠的生物标记物，这在发病率方面产生了严重后果。

神经计算方法包括描述诊所所基于的症状的认知机制，以便更好地阐明它们与其生物学底物，这在该领域证明是有希望的。

第一个情绪模型在数学上描述了直观的观念，即积极事件对情绪产生积极影响，反之亦然。 最近的工作开发了模型来表征情绪与决策的相互作用。 他们描述了情绪如何影响事件的感知并影响由此产生的决定：当情绪高时，受试者倾向于高估潜在的收益并低估了损失，反之亦然，当情绪低落时。

研究人员最近通过使用功能性MRI（fMRI）研究在健康志愿者中的功能性MRI（fMRI）研究来鉴定了这种现象的神经底座，即在两个大脑区域的活动中编码了情绪，即外侧脑部前额叶前额叶皮层（VMPFC）和前岛（Ains）。 这些地区的活动反过来调节了参与者对冒险选择的态度。 研究人员最近重复了这一结果。

因此，情绪的神经计算方法已经使它成为可能：

1. 澄清情绪与决策与决策与决策之间的相互作用
2. 提出对情绪神经基础的首次表征。

这一双重进步构成了对情绪障碍的真正机械解释的第一步。

但是，这些模型在实验室对健康志愿者进行的实验背景下进行了验证。 与几天或几周（2）演化的每日波动相比，它们在短时间（1小时）中使用（1），以说明最小的，几乎不可感知的波动，而在情绪障碍的情况下观察到的波动非常强烈。 为了证明其临床相关性，有必要在时间和振幅方面进行双重更改。

为了弥合这一解释性差距，本研究的目的是通过包括患者并使用移动应用进行长时间的随访（12个月）来进行规模变化。 实际上，近年来出现了移动应用程序作为一种有前途的方法，在几项具有令人鼓舞的结果的研究中使用，以在生态条件（纵向，多维监测，大型样本）中收集数据。

为此，调查人员将招募588名受试者，分为4组：

• 96例抑郁症患者（DD）
• 96例躁郁症患者（BD）
• 96个健康对照，作为参考组进行比较
• 来自一般人群的300名非选拔受试者。

在收到有关研究的书面和口头信息，如何进行研究以及他们的参与需要什么之后，如果他们没有排除标准，则可以将参与者纳入协议。

包含时，将收集社会人口统计学，临床和治疗数据，并在每次访问时进行更新。

将对患者和对照组进行认知评估的初步访问。 对于那些接受它的人，并未禁忌MRI，该评估将在大脑的功能性MRI期间进行。

将使用推理任务的反馈来衡量情绪波动最小，并将使用决策任务来揭示其对决策的影响。 在此（短期）实验期间提供的主观情绪等级将配备我们的情绪计算模型。 因此，研究人员将为每个参与者获得一个计算指纹，以描述如何将积极事件和负面事件整合到情绪信号中。 因此，第一步将是调查患者组之间情绪的计算指纹在多大程度上与健康对照组相比。

然后，所有患者和健康受试者将通过专用的移动应用每天进行一年监控。 所有参与者每天都必须完成3分钟的评估。 调查人员将收集三种类型的纵向数据：主观情绪等级，正面和负面的生活事件（当天最突出事件的价和强度）以及涉及对奖励，损失，风险，延迟和努力的敏感性的经济选择（例如， 参与者现在更喜欢10欧元或一周内20欧元吗？）。 与短期数据一样，研究人员将为每个参与者获得一个计算指纹，描述了如何将正事件和负面事件整合到情绪信号中。 研究人员预测，在短期数据中观察到相同的群体差异：情绪对双相情感障碍患者生活事件感知的相互影响更高，以及复发性抑郁症患者的正面和阴性生命事件之间的不对称性较高。

尽管对综合症或亚综合性情绪波动的影响对决策的影响有所帮助，但研究人员还旨在使用这种卧床工具来预测这些稳定的患者的复发。 鉴于这些患者的情绪复发频率并根据我们的初步数据，研究人员希望在这12个月的随访中观察到其中三分之一的实际发作。 重要的是，转诊精神科医生将在此随访期间无法访问收集的数据（没有更改常规护理的风险），从而使我们能够在多大程度上测试我们的任何措施在多大程度上具有敏感性和特定性，足以预测复发。 微不足道的预测是在实际复发前几天观察到情绪等级的变化。 但是，最近的结果表明，决策测试可能比自动或异性问题更敏感，以检测复发。

中级访问将每3个月进行一次，并反复进行临床尺度。 纳入后12个月将进行研究结束。

这两个步骤的组合首先是实验室录制的实验，然后是12个月的随访，是本研究的关键方面。 至关重要的是，研究人员将比较在同一患者中获得的计算表型，但短期安装（几十分钟）或长期（12个月）的主观情绪等级。 研究人员将在短期评估期间获得的计算表型在多大程度上涉及随后的临床（和亚元素）情绪波动的信息。

最后，仅通过移动应用程序在线监视一群健康的志愿者。 该小组将使我们能够显示情绪和决策的计算表型的有效性和稳定性，并校准基于人群的相关措施的度量。

此外，研究人员希望添加两项可选的辅助研究。 第一个使用移动应用程序通过情感跟踪来进行隐式，被动和纵向情绪评估。 确实，将这种类型的评估与明确评估一起添加以更准确地检测情绪波动似乎很重要。

第二项研究使用允许语音录音的移动应用程序。 对这些声音参数的分析将有助于表征三组内的特定语言和声音谱，并确定抑郁症和双相情感障碍等条件的特定症状。

这些辅助研究将向患者和对照组提供。