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.
Entradas
