Pour mieux comprendre la racine du trouble obsessionnel-compulsif, les chercheurs ont utilisé un modèle comportemental. Ils ont démontré que lorsque les paramètres d’apprentissage pour le renforcement et la punition sont excessivement déséquilibrés, le cycle entre l’obsession et la compulsion peut être intensifié. Cette recherche a le potentiel d’améliorer les thérapies de santé mentale.
Des scientifiques du Nara Institute of Science and Technology (NAIST), de l’Advanced Telecommunications Research Institute International et de l’Université de Tamagawa ont démontré que le trouble obsessionnel-compulsif (TOC) peut être compris comme le résultat d’un apprentissage déséquilibré entre le renforcement et la punition. Sur la base de tests empiriques de leur modèle théorique, ils ont montré que les asymétries dans les calculs cérébraux qui lient les résultats actuels aux actions passées peuvent conduire à des comportements désordonnés.
Plus précisément, cela peut se produire lorsque le signal de trace de la mémoire pour les actions passées se désintègre différemment pour les bons et les mauvais résultats. Dans ce cas, “bon” signifie que le résultat était meilleur que prévu, et “mauvais” signifie qu’il était pire que prévu. Ce travail permet d’expliquer comment se développe le TOC.
Le TOC est une maladie mentale impliquant l’anxiété, caractérisée par des pensées intrusives et répétitives, appelées obsessions, associées à certaines actions répétées, appelées compulsions. Les patients atteints de TOC se sentent souvent incapables de changer de comportement même lorsqu’ils savent que les obsessions ou les compulsions ne sont pas raisonnables. Dans les cas graves, ceux-ci peuvent rendre la personne incapable de mener une vie normale. Les comportements compulsifs, comme se laver les mains excessivement ou vérifier à plusieurs reprises si les portes sont verrouillées avant de quitter la maison, sont des tentatives pour soulager temporairement l’anxiété causée par les obsessions. Cependant, jusqu’à présent, les moyens par lesquels le cycle des obsessions et des compulsions se renforce n’étaient pas bien compris.
Maintenant, une équipe dirigée par des chercheurs du NAIST a utilisé la théorie de l’apprentissage par renforcement pour modéliser le cycle désordonné associé au TOC. Dans ce cadre, un résultat meilleur que prévu devient plus probable (erreur de prédiction positive), tandis qu’un résultat pire que prévu est supprimé (erreur de prédiction négative). Dans la mise en œuvre de l’apprentissage par renforcement, il est également important de prendre en compte les retards, ainsi que les erreurs de prédiction positives/négatives. En général, le résultat d’un certain choix est disponible après un certain délai. Par conséquent, le renforcement et la punition doivent être attribués aux choix récents dans un certain laps de temps. C’est ce qu’on appelle l’attribution de crédits, qui est implémentée comme une trace de mémoire dans la théorie de l’apprentissage par renforcement.
Idéalement, les signaux de trace de la mémoire pour les actions passées se désintègrent à une vitesse égale pour les erreurs de prédiction positives et négatives. Cependant, cela ne peut pas être complètement réalisé dans les systèmes neuronaux discrets. À l’aide de simulations, les scientifiques du NAIST ont découvert que les agents apprenaient implicitement un comportement obsessionnel-compulsif lorsque le facteur de décroissance des traces de mémoire des actions passées liées aux erreurs de prédiction négatives (n-) est beaucoup plus petit que celui lié aux erreurs de prédiction positives (n+). Cela signifie que, du point de vue opposé, la vision des actions passées est beaucoup plus étroite pour les erreurs de prédiction négatives que pour les erreurs de prédiction positives. “Notre modèle, avec des facteurs de désintégration de trace déséquilibrés (n+ & gt; n-) représente avec succès le cercle vicieux de l’obsession et de la compulsion caractéristique du TOC”, déclarent les co-premiers auteurs Yuki Sakai et Yutaka Sakai.
Pour tester cette prédiction, les chercheurs ont demandé à 45 patients atteints de TOC et à 168 sujets témoins sains de jouer à un jeu sur ordinateur avec des récompenses et des pénalités monétaires. Les patients atteints de TOC ont montré beaucoup plus petit n- par rapport à n+, comme prédit par les caractéristiques informatiques du TOC. De plus, ce réglage déséquilibré des facteurs de dégradation des traces (n+ & gt; n-) a été normalisé par les activateurs de sérotonine, qui sont des médicaments de première intention pour le traitement du TOC. “Bien que nous pensions que nous prenons toujours des décisions rationnelles, notre modèle informatique prouve que nous renforçons parfois implicitement les comportements inadaptés”, déclare l’auteur correspondant, Saori C. Tanaka. Bien qu’il soit actuellement difficile d’identifier les patients résistants au traitement en fonction de leurs symptômes cliniques , ce modèle informatique suggère que les patients présentant des facteurs de désintégration très déséquilibrés peuvent ne pas répondre à la thérapie comportementale seule. Ces résultats pourraient un jour être utilisés pour déterminer quels patients sont susceptibles d’être résistants à la thérapie comportementale avant le début du traitement.
(Seuls le titre et l’image de ce rapport peuvent avoir été retravaillés par le personnel de Business Standard ; le reste du contenu est généré automatiquement à partir d’un flux syndiqué.)
