Modeling of placebo effect in stochastic reward tasks by reinforcement learning
Modeling of placebo effect in stochastic reward tasks by reinforcement learning
复制标题
通过强化学习对随机奖励任务中的安慰剂效应进行建模
DOI：
10.1016/j.procs.2022.11.064
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Miyazaki Kazuteru
中科院分区：
文献类型：
--
作者：
Kodama Naoki;Harada Taku;Miyazaki Kazuteru;Miyazaki Kazuteru
计算精神病学领域的一些研究集中于使用强化学习对疾病进行建模。本研究旨在利用随机奖赏的真实数据，通过强化学习对安慰剂效应进行建模。更具体地说，我们使用与非侵入性脑刺激技术相关的真实数据来模拟安慰剂效应。与人类数据相比，由于安慰剂效应的差异，机器学习方法的结果没有显示出任何差异。
Several studies in the field of computational psychiatry focus on modeling diseases using reinforcement learning. This study aims to model through reinforcement learning using real data of stochastic reward with regards to the placebo effect. More specifically, we model the placebo effect using real data related to the non-invasive brain stimulation technique. In contrast to human data, the results of the machine learning approach showed no difference owing to the differences in the placebo effect.