奖励与惩罚敏感性的行为、计算及自我报告测量作为心理健康特征预测因子的研究

计算精神病学（computational psychiatry）认为行为任务衍生的计算测量可助力神经精神疾病诊疗。为验证相关挑战，研究人员开展强化学习任务相关研究，发现个体水平行为及计算测量重测信度低，且与心理健康症状关联弱，为精准精神病学的计算方法转化提供参考。

　　

计算精神病学提出，基于行为任务的计算测量可增进对神经精神疾病的理解、诊断与治疗。然而认知心理学近期元分析显示，行为和计算测量的重测信度（test–retest correlations）低于自我报告调查。若此结论适用于心理健康测量，将对计算精神病学目标构成挑战。为评估这一挑战，研究人员收集了参与者两次（间隔约 5 个月）完成常用强化学习（reinforcement learning）任务的横断面数据，借助验证的神经计算框架，比较了行为测量、计算参数与心理及心理健康问卷的信度。结果显示，尽管群体水平行为和计算测量具有显著可重复性，但个体水平重测信度惊人地低。此外，行为测量仅彼此相关，通常与心理健康症状无关。这些发现对精准精神病学中计算方法的转化潜力提出了质疑。