From reinforcement learning models to psychiatric and neurological disorders.
From reinforcement learning models to psychiatric and neurological disorders.
复制标题
DOI：
10.1038/nn.2723
复制
发表时间：
2011-02
影响因子：
25
通讯作者：
Frank, Michael J.
中科院分区：
文献类型：
--
作者：
Maia, Tiago V.;Frank, Michael J.
在过去的15年里，强化学习模型促进了对多巴胺和皮质-基底神经节-丘脑-皮质（CBGTC）回路功能的日益复杂的理解。最近，这些模型，以及它们提供的见解，已经开始被用于理解一些涉及多巴胺能系统和CBGTC回路紊乱的精神和神经疾病的关键方面。我们回顾了这一方法及其在帕金森病、图雷特综合征、注意力缺陷/多动障碍、成瘾、精神分裂症和用于筛选新型抗精神病药物的临床前动物模型中的现有和潜在应用。该方法已被证明具有解释和预测能力，预示着计算精神病学和计算神经学的持续发展。
Over the last decade and a half, reinforcement learning models have fostered an increasingly sophisticated understanding of the functions of dopamine and cortico-basal ganglia-thalamo-cortical (CBGTC) circuits. More recently, these models, and the insights that they afford, have started to be used to understand key aspects of several psychiatric and neurological disorders that involve disturbances of the dopaminergic system and CBGTC circuits. We review this approach and its existing and potential applications to Parkinson’s disease, Tourette’s syndrome, attention-deficit/hyperactivity disorder, addiction, schizophrenia, and preclinical animal models used to screen novel antipsychotic drugs. The approach’s proven explanatory and predictive power bodes well for the continued growth of computational psychiatry and computational neurology.
登录
查看更多内容
影响因子：
10.6
作者：
Biederman, J;Spencer, T
通讯作者：
Spencer, T
影响因子：
3.3
作者：
DELFS, JM;KELLEY, AE
通讯作者：
KELLEY, AE
影响因子：
2.9
作者：
Dezfouli, Amir;Piray, Payam;Mokri, Azarakhsh
通讯作者：
Mokri, Azarakhsh
影响因子：
3.6
作者：
FIBIGER, HC;PHILLIPS, AG;ZIS, AP
通讯作者：
ZIS, AP
影响因子：
2.9
作者：
Bogacz, Rafal;Gurney, Kevin
通讯作者：
Gurney, Kevin