Komputationale Modelle in der psychiatrischen Forschung

Abstract

Zusammenfassung. Komputationale Methoden werden in einem weiten Bereich psychiatrischer Forschung eingesetzt v.a. beim Umgang mit großen Datensätzen. Hier diskutieren wir, wie mit Hilfe komputationaler Methoden das Entscheidungsverhalten in bestimmten Testsituationen in mathematischen Gleichungen abgebildet werden kann, um diesem Entscheidungsverhalten wiederum neurobiologischen Korrelaten zuordnen zu können. Ein bekanntes Beispiel ist das belohnungsabhängige Lernen, bei dem die Größe eines Vorhersagefehlers, d.h. des Unterschieds zwischen der erwarteten und der eingetroffenen Belohnung, mathematisch berechenbar ist und mit entsprechenden Signalen wie der Dopaminfreisetzung im ventralen Striatum in Tiermodellen oder entsprechenden funktionellen Bildgebungskorrelaten beim Menschen in Verbindung gebracht werden kann. Veränderungen dieser Lernmechanismen lassen sich nosologieübergreifend bei verschiedenen Störungsbildungen wie Suchterkrankungen, Psychosen und majoren affektiven Erkrankungen nachweisen und ermöglichen so einen dimensionalen Ansatz, mit dem neurobiologische Korrelate einzelner Mechanismen in verschiedenen Krankheitsbildern identifiziert und mit Teilaspekten der Symptomatik in Verbindung gebracht werden können. Die vorliegende Arbeit diskutiert entsprechende Ansätze im Bereich Pawlowschen Konditionierens und des belohnungsabhängigen, zielgerichteten und habituellen Entscheidungsverhaltens. Der Fokus auf Lernmechanismen betont hierbei die Vielfältigkeit und Veränderbarkeit menschlichen Verhaltens, beispielsweise durch Trainingsprogramme oder kognitiv-behaviorale Interventionen.