sábado, 4 de febrero de 2017

Modelos computacionales de la depresión


Desde que Kraepelin estudiase la depresión hace más de un siglo, numerosos han sido los modelos de esta grave y recurrente patología. Sin embargo, los esfuerzos por abordar esta enfermedad desde una perspectiva computacional son muy recientes. En esta entrada del blog introducimos al lector a algunos de estos modelos, en especial, al modelo valuacional de Huys.

Son numerosos los modelos cognitivos que sobre la depresión han surgido en las últimas décadas. Quizá el más influyente haya sido el de Beck, forjado a finales de los años 70 del siglo pasado. En este modelo, Beck parte de la influencia de una experiencia inicial, la formulación de una serie de asunciones disfuncionales, una serie de incidentes críticos, la activación de la asunción mencionada, la generación automática de pensamientos negativos y, finalmente, la depresión. Ya en nuestro siglo, el modelo metacognitivo de Adrian Wells ha demostrado ser bastante exitoso y robusto. Este modelo arranca a partir de alguna señal desencadenante para, a continuación, activar una serie de creencias metacognitivas negativas que paralizan al sujeto y que lo introducen en un bucle sin posibilidad alguna de cortarlo o de salir definitivamente de él ("cada vez me cuesta más levantarme", me abruma tener que lavarme cada día", "me pueden las ganas de llorar"...) Sin embargo, la investigación de modelos computacionales de la patología depresiva es muy reciente. No es de extrañar, ya que parece difícil de modelar un fenómeno tan complejo y por qué no decirlo, "etéreo". Webster y colaboradores ya propusieron un modelo computacional pionero en los años 90 y, más recientemente, destaca el modelo de Fiemke Both, Jan Treur, Michael Klein, Mark Hoogendoorn y otros (https://pdfs.semanticscholar.org/49f2/b8ccd3cb10afec5aab33c9f7fda6b2d2a41d.pdf). En una línea psicobiológica es digno de mención el modelo de Ramírez-Mahaluf (2015). Pero hay un modelo basado en la evaluación de emociones que Huys y colaboradores han introducido hace algunos años y que se está imponiendo en la literatura neurocomputacional por su validez para la búsqueda de fármacos y para la implementación de terapias cognitivas efectivas (el lector puede encontrarlo en el reciente libro editado por Redish y Gordon para MIT Press).Pensemos en dos características fundamentales de la depresión: los pacientes depresivos son incapaces de inhibir el procesamiento de información aversiva, algo que, aparentemente, parece estar relacionado con la disminución de serotonina. Por otro lado, los sujetos parecen reutilizar soluciones previamente adoptadas a problemas previos que les hacen caer en un bucle de metarrazonamiento completamente inútil. ¿Cómo se puede captar esto computacionalmente? Usando un modelo pavloviano en el que a las situaciones se les asigna un valor y unos patrones emocionales de respuesta. De esta manera, un estímulo puede ser predictivo de otro estímulo futuro y así reclutar las respuestas fijas asociadas. La repetida exposición a una contingencia entre un estímulo condicionado y un estímulo incondicionado lleva al estímulo condicionado a adquirir el mismo valor que el incondicionado, activando los mismos o similares patrones innatos de respuesta por referencia a experiencias pasadas más que a otro tipo de interpretaciones. Repare el lector en el término "experiencias pasadas". Precisamente, el paciente depresivo se zambulle de forma permanente en respuestas estereotipadas a tales experiencias, ahondando en un bucle de negatividad del que le resulta imposible escapar.