Parte del numero AI di Real-World
Faccio scivolare di nuovo nella macchina per la risonanza magnetica, regolare lo specchio sopra l’installazione simile a un elmo da lacrosse tenendo il teschio fermo in modo da poter vedere lo schermo posizionato dietro la testa, quindi riprendo la posizione di riposo: pulsantiera per videogiochi e palla di emergenza nelle mie mani, posto trasversalmente attraverso l’osso del seno come una mummia.
La mia scansione cerebrale ei risultati di questa batteria MRI, se non fossero una demo, alla fine sarebbero stati inseriti in un algoritmo di apprendimento automatico. Un team di scienziati e ricercatori lo userebbe per aiutare potenzialmente a scoprire come gli esseri umani rispondono alle situazioni sociali. Vogliono confrontare i cervelli delle persone sane con quelli delle persone con disturbi mentali. Queste informazioni potrebbero aiutare a fare diagnosi corrette per i disturbi della salute mentale e persino a trovare le cause fisiche sottostanti. Ma l’obiettivo finale è trovare l’intervento più efficace per qualsiasi disturbo di salute mentale.
L’APPROCCIO DI MACHINE LEARNING PUÒ FORNIRE UNA RISPOSTA MIGLIORE?
L’idea è semplice: usa un algoritmo per mettere in evidenza le intuizioni utilizzabili, mettendo i dati ai sentimenti.
I disturbi della salute mentale infestano una parte considerevole dell’umanità in un dato momento. Secondo l’Organizzazione Mondiale della Sanità , la depressione da sola affligge circa 300 milioni di persone in tutto il mondo, una delle principali cause di disabilità nel mondo. L’organizzazione stima che il disturbo bipolare sia presente in circa 60 milioni di persone, la schizofrenia in 23 milioni.
La domanda è se il modello attuale sia una risposta valida. Stiamo diagnosticando il modo migliore? In questo momento, la diagnosi si basa sulla visualizzazione dei sintomi categorizzati in disordini mentali da parte di professionisti e raccolti nel Manuale diagnostico e statistico dei disturbi mentali (il DSM), che è ora alla sua quinta iterazione. L’approccio di machine learning può fornire una risposta migliore?
Il primo è la risonanza magnetica strutturale, essenzialmente una radiografia dei tessuti molli. La scansione estremamente rumorosa richiede cinque minuti. Successivo: la risonanza magnetica funzionale, che mostrerà effettivamente il mio cervello, bene, funzionante . L’fMRI ha bisogno del mio cervello per svolgere un compito, quindi gioco.
Le mie scansioni, se fossi un vero soggetto, andrebbero nella categoria dei disturbi mentali: disturbo borderline di personalità. In effetti, ho avuto un episodio borderline piuttosto brutto la sera prima e la mattina della mia scansione, quindi questa possibilità di guardare dentro mi è sembrata molto tempestiva, come essere stata colpita da un’ambulanza.
LA PSICHIATRIA STA CERCANDO DI MISURARE LA MENTE, CHE NON È ESATTAMENTE LA STESSA COSA DEL CERVELLO
Per il team di Virginia Tech che mi guardava il cervello, la psichiatria computazionale aveva già preso in giro nuove idee mentre stavano lavorando a uno studio pubblicato su Science nel 2008 . Durante lo studio, hanno scoperto che i miei colleghi borderline sembrano preoccuparsi di più della reciprocità – io ti aiuto, tu mi aiuti – rispetto alle persone neurotipiche, il contrario dell’ipotesi iniziale della squadra. Per quello che vale, questo supporta la mia esperienza; è un fallimento personale che tendo a vedere le amicizie anche a livello transazionale, spesso con valute esasperanti come “premuroso”.
Dopo circa 15 minuti di gioco, scivolo dal mio sarcofago. Il mio cervello è stato ripreso. Lo guardo sullo schermo del computer, reso in scala di grigi.
Ho visto il nemico.
Il Fralin Biomedical Research Institute del Virginia Tech Carilion, sede del Laboratorio di Neuroimaging umano, si trova nel centro di Roanoke. L’HNL ospita un campo in rapida crescita, la psichiatria computazionale, che applica gli strumenti dell’informatica alla psichiatria. La speranza è che l’apprendimento automatico porti a una comprensione più guidata dai dati della malattia mentale.
Questa scienza non è stata possibile fino a poco tempo fa. Gli algoritmi utilizzati da Tech risalgono a decenni fa: si combinano con l’imaging fMRI, che è stato inventato nel 1990. Ma la potenza di calcolo necessaria per renderli utili ora è finalmente disponibile, così come una nuova volontà di combinare le discipline scientifiche in nuovi modi per nuovi problemi.
La psichiatria sta cercando di misurare la mente, che non è esattamente la stessa cosa del cervello. Quindi si basa sul fatto che le persone quantificano come si sentono. Mentre le indagini diagnostiche cliniche sono in realtà abbastanza accurate, sono soggette ad alcune inesattezze. Ad esempio, quello che una persona considera un 3 su una scala di tristezza da 1 a 10 potrebbe essere il sette di un’altra persona e l’altro dieci, e nessuno di loro ha torto. Il linguaggio per misurare con precisione il dolore non è coerente.
IL LINGUAGGIO PER MISURARE CON PRECISIONE IL DOLORE NON È COERENTE
I disturbi della salute mentale sono anche cose amorfe, con sintomi sovrapposti tra diagnosi diverse. Ma combinando la neuroimaging della fMRI con un trove di dati, un algoritmo di apprendimento automatico può essere in grado di apprendere come diagnosticare i disturbi con velocità e accuratezza. I ricercatori sperano di scoprire i sintomi fisici dei disturbi mentali e di rintracciare nel corpo l’efficacia di vari interventi.
Il mio primo giorno a Fralin, sono incontrato nella spaziosa hall dai coordinatori della ricerca Doug Chan e Whitney Allen, così come Mark Orloff, uno studente di dottorato in medicina, biologia e medicina traslazionale. Arriviamo al laboratorio di Neuroimaging umano davanti alle porte delle carte di sicurezza e ad una hall, che, come qualsiasi altra hall medica, ha una pila di riviste sul tavolo della sala d’attesa.
Oltre la hall ci sono i singoli uffici dei medici. Altri membri del laboratorio lavorano con un grande bullpen, scrivanie, computer e piante grasse. Le macchine per la risonanza magnetica sono più avanti nel corridoio. Dall’altro lato della finestra e della porta che ci separa dalle macchine, Orloff prende in mano un minuscolo modello di cervello dal colore di Fun-Tak – una rappresentazione stampata in 3D, dice, del suo cervello. È grande quasi quanto un criceto adulto ben nutrito.
“A grandezza naturale”, scherza Allen.
Nelle vicinanze ci sono sale di indagine, complete di specchi e microfoni a senso unico di tipo interrogatorio di polizia, in modo che i ricercatori possano vedere i pazienti essere intervistati clinicamente. Ci sono stanze in cui i giocatori possono competere in giochi sociali con altri giocatori online per raccogliere più dati da soggetti di tutto il mondo.
Intorno i ricercatori sono gli strumenti chiave del loro lavoro. Nel bullpen, nella sala conferenze e su lavagne, finestre e muri ci sono formule matematiche in ogni colore dell’arcobaleno marcatore. La matematica come sfondo, come radiazione di fondo.
Pearl Chiu ha i capelli neri corvini e un portamento di tranquilla sicurezza. Si ferma a riflettere prima di parlare, e irradia la gioia di un insegnante nel discutere il suo lavoro. È l’unica psicologa clinicamente addestrata in laboratorio che ha esperienza diretta con i pazienti in un contesto clinico, ed è arrivata all’apprendimento automatico da un luogo chiaramente umano. “Come stavo vedendo, lavorando con, pazienti, ero solo frustrato da quanto poco sapessimo su ciò che sta accadendo”, dice Chiu. Lei crede che portare le macchine per individuare i modelli possa essere una soluzione.
Una cosa è chiara a Chu: “Quello che abbiamo ora non funziona.”
Risposte al questionario, risonanza magnetica funzionale e strutturale, dati comportamentali, dati vocali da interviste e valutazioni psicologiche sono tutti inseriti nell’algoritmo di apprendimento automatico. Presto verranno aggiunti anche campioni di saliva e sangue. Il laboratorio di Chiu spera di strappare il segnale diagnostico da questo rumore.
“QUELLO CHE ABBIAMO ORA NON FUNZIONA.”
Le scansioni fMRI forniscono l’algoritmo con informazioni neurologiche, consentendo alla macchina di apprendere quali parti del cervello si illuminano per determinati stimoli, creando un confronto per controlli sani. L’algoritmo può trovare nuovi modelli nei nostri comportamenti sociali, o vedere dove e quando un certo intervento terapeutico è efficace, magari fornendo un modello per un trattamento preventivo di salute mentale attraverso esercizi che si possono fare per ricablare il cervello. Sfortunatamente, la risonanza magnetica – come ogni strumento – ha i suoi difetti: può dare falsi positivi . L’esempio più eclatante era una scansione di un salmone morto che … mostrava l’attività cerebrale.
Una persona che entra in laboratorio prima prenderà il suo sondaggio clinico, prima di completare le attività – come giocare a giochi comportamentali – dentro e fuori la risonanza magnetica. Le loro informazioni genetiche sono raccolte. Una volta che tutti i dati sono stati presi, è alimentato negli algoritmi, che sputano fuori un risultato. Risultati rapidi e sporchi sono disponibili in pochi minuti: risultati più dettagliati potrebbero richiedere settimane. Anche i modelli robusti rendono più rapido il crunch dei dati. Un soggetto il cui colloquio clinico punta alla depressione, ad esempio, verrà trattato più rapidamente se i ricercatori utilizzano un modello di depressione.
Chiu vuole usare queste scansioni per aiutare i pazienti a ricevere cure migliori. Forse, dice, questo metodo può identificare schemi che i medici non notano o non possono accedere solo attraverso il cervello. Rendendo i disordini mentali più fisici, Chiu spera di aiutarli a destigmatizzarli. Se può essere diagnosticata in modo oggettivo e corporeo come una malattia cardiaca, la depressione o il disturbo bipolare o la schizofrenia comportano la stessa vergogna?
Con questi schemi in mano, Chiu immagina la capacità di diagnosticare più acutamente, diciamo, un certo tipo di depressione, che si manifesta regolarmente in una parte specifica del cervello. Immagina la capacità di usare i dati per sapere che il tipo specifico di depressione di una persona risponde regolarmente bene alla terapia, mentre un altro è meglio trattato con la medicina.
Attualmente il laboratorio si concentra sui “disturbi della motivazione”, come li chiama Chiu: depressione e dipendenza. Gli algoritmi stanno sviluppando modelli diagnostici e terapeutici che i ricercatori sperano avranno un’applicazione diretta nella vita dei pazienti. “Come portiamo questo tipo di cose nella clinica?” Chiu chiede.
L’apprendimento automatico è fondamentale per portare il lavoro di Chiu fuori dal laboratorio e ai pazienti che devono aiutare. “Abbiamo troppi dati e non siamo stati in grado di trovare questi modelli” senza gli algoritmi, dice Chiu. Gli esseri umani non possono ordinare questi dati, ma i computer possono.
Come nel laboratorio di Chiu, gli algoritmi di apprendimento automatico – in particolare algoritmi che apprendono per tentativi ed errori – sono cruciali per aiutare Brooks King-Casas, professore associato presso il Fralin Biomedical Research Institute di VTC, a capire quale combinazione conta tra migliaia e migliaia di variabili che il suo laboratorio sta misurando.
“SONO INTERESSATO A ANALIZZARE COME LE PERSONE PRENDONO DECISIONI”.
King-Casas sembra celestiale, i suoi capelli scuri spolverati d’argento e gli occhiali del colore del profondo cielo notturno, e quando parla, usa le sue mani come segni di punteggiatura. In senso lato, il laboratorio di King-Casas si concentra sui comportamenti sociali. Stanno studiando gli schemi, le sfumature, i sentimenti e le regioni cerebrali coinvolte dell’interazione interpersonale. Il laboratorio ha un particolare interesse per le differenze in quei modelli (e sfumature, sentimenti e regioni cerebrali impegnate) tra le persone con disturbi mentali e quelli senza. Tra qualcuno clinicamente sano e qualcuno con, per esempio, disturbo di personalità borderline, per il quale le relazioni sociali sono trappole di ragno.
Qualcuno come me.
“Mi interessa analizzare come le persone prendono decisioni e il modo in cui varia tra i vari disturbi psichiatrici”, afferma King-Casas.
Il laboratorio sta costruendo modelli quantitativi che analizzano le componenti del processo decisionale, con la speranza di individuare dove quel procedimento va storto. Nebulizzando l’interazione, King-Casas spera di mettere i numeri sui sentimenti – studiare il comportamento sociale come faremmo con il cellulare. I dati potrebbero potenzialmente dirci come qualcuno con disturbo di personalità borderline valorizza il mondo, rispetto a qualcuno non coinvolto.
“Abbiamo bisogno di questi algoritmi di apprendimento del rinforzo per prendere un centinaio di scelte che fai e analizzarle in tre numeri che catturano tutto ciò”, dice King-Casas. Senza gli algoritmi, dice, una tale distillazione non è nemmeno possibile. Anche in qualcosa di semplice come un compito a due scelte, il laboratorio dispone di ben dieci modelli che potrebbero spiegare come vengono fatte le scelte.
“Pensa al cervello come a un modello”, dice King-Casas. “Quello che facciamo è prendere il comportamento di tutti e diciamo ‘ok, quale modello cattura meglio le scelte che hai fatto?'”
Quello che il laboratorio sta cercando di fare è scoprire gli algoritmi del cervello computazionale.
Gli esseri umani sono prevenuti, e questo riguarda anche gli algoritmi che scriviamo. Si è tentati di credere che gli algoritmi formino giudizi basati su dati imparziali, ma questo non è vero. I dati sono raccolti e plasmati da persone che vengono con i loro pregiudizi. E anche gli strumenti utilizzati per raccogliere quei dati hanno carenze che possono influenzare anche i dati.
Una diagnosi trovata da un modello di apprendimento automatico significherebbe poco se il bias è nella programmazione. La psichiatria, in particolare, ha una storia di pregiudizi di genere, che continua fino ad oggi: essere una donna ti rende più probabile la prescrizione di farmaci psicotropi, osserva l’Organizzazione Mondiale della Sanità.
UNA DIAGNOSI TROVATA DA UN MODELLO DI APPRENDIMENTO AUTOMATICO SIGNIFICHEREBBE POCO SE IL BIAS È NELLA PROGRAMMAZIONE
Anche qualcosa di fondamentale come il dolore è colorato dal genere. Uno studio del 2001 pubblicato su The Journal of Law, Medicine & Ethics ha rilevato che le donne riportano più dolore, dolore più frequente e più lunghe esperienze di dolore, ma sono trattate in modo meno aggressivo rispetto agli uomini. Sono incontrati con incredulità e ostilità, conclude il rapporto, finché non dimostrano di essere malati come un paziente maschio.
Non sorprende che la razza abbia un ruolo nel trattamento medico. C’è il problema dell’accesso: le comunità più bianche e più ricche hanno risorse migliori. Ma anche quando le persone di colore hanno lo stesso accesso alla medicina, tendono a essere sottotrattati per il dolore. Uno studio del 2016 dell’Università della Virginia ha scoperto che gli studenti di medicina avevano idee sbagliate – e potenzialmente pericolose – sui neri, come che le loro terminazioni nervose fossero meno sensibili . Un trattamento ingiusto affligge anche i pazienti latini, nativi americani e asiatici e delle isole del Pacifico .
In che modo i ricercatori di VTCRI possono garantire che la loro macchina non stia imparando i nostri pregiudizi?
“Questa è una domanda davvero, davvero, davvero difficile”, dice Chiu. In questo lavoro, gli intervistatori non conoscono la storia della salute mentale di un soggetto o quali trattamenti potrebbero ricevere. Anche l’analista dei dati è cieco. Fondamentalmente, tutte le persone coinvolte sono “cieche di quante più cose possibili”.
Anche Chiu considera la sua presenza un aiuto. Il team ha una vasta gamma di studenti, ricercatori e background scientifici. Chiu è acutamente consapevole di ciò che è in gioco: se le linee guida diagnostiche e di trattamento personalizzate scoperte dagli algoritmi del proprio laboratorio sono infettate dagli stessi pregiudizi umani già in atto nella società, codificheranno e forse addirittura rafforzeranno quei pregiudizi.
Gli aspetti tecnici dei dati degli algoritmi di apprendimento automatico, come gli stimoli visivi utilizzati nelle scansioni MRI funzionali, devono essere attentamente controllati con i relativi errori.
Il programmatore di ricerca del laboratorio di Chiu, Jacob Lee, parlando in video chat, ha aiutato a spiegare la sfida. Ci sono molte cose da considerare, compresi i pregiudizi umani, che possono influenzare la qualità dei dati, mi dice Lee.
Un problema è che la quantità di tempo tra gli “eventi di interesse” nella macchina fMRI deve essere attentamente pianificata per garantire risultati puliti. Lee spiega le sfide: la macchina ottiene un’istantanea del cervello ogni due secondi. Ma ottenere la giusta finestra temporale è cruciale. Per assicurarsi che i ricercatori stiano misurando la risposta, devono tenere conto del ritardo che il sangue impiega a raggiungere la parte corretta del cervello, che è ciò che la macchina sta veramente misurando. Ciò limita il neuroimaging e crea gli intervalli tra le scansioni.
I trigger stessi devono essere attentamente pensati; le diverse culture pensano in modo diverso a determinati colori o numeri. Gli stimoli includono la visualizzazione di immagini destinate a stimolare l’attenzione e l’emozione dal database del sistema affettivo internazionale o chiedere ai soggetti di valutare i rischi.
Il piccolo numero di soggetti – a volte decine di persone – negli studi di RMRI potrebbe anche essere fuorviante. Ecco perché il laboratorio sta cercando di condividere i dati per aumentare le dimensioni e la diversità delle coorti. (Il laboratorio di imaging di Tech ha analizzato oltre 11.000 ore dall’apertura, Chiu scrive in una e-mail.Per garantire la privacy, non raccolgono dati numerici sui soggetti.) Il Laboratorio di Neuroimaging umano attualmente lavora e condivide i dati con University College London, Università di Pechino, nella periferia occidentale di Pechino, e il Baylor College of Medicine. Inoltre, stanno attualmente collaborando con ricercatori dell’Università di Hawai’i di Hilo.
Tuttavia, gli scanner fMRI si trovano quasi tutti nei paesi sviluppati, mentre la maggior parte della popolazione mondiale non lo è. Aggiungete che la maggior parte delle coorti studiate sono indirizzate verso centri di popolazione e studenti universitari – un gruppo di soggetti facilmente accessibili – ei dati sembrano ancora meno indicativi del mondo.
La fMRI ha i suoi problemi: ad esempio, gli scienziati non stanno veramente guardando il cervello, secondo Science Alert . Quello che stanno guardando è una rappresentazione software del cervello, divisa in unità chiamate voxel. Un team svedese guidato da Anders Eklund presso l’Università di Linköping ha deciso di testare i tre pacchetti software statistici più popolari per l’fMRI rispetto a un set di dati umani. Quello che hanno scoperto è che le differenze tra i tre risultati falsi positivi erano superiori alle attese. I risultati, pubblicati negli Atti della National Academy of Sciences degli Stati Uniti d’America nel giugno 2016, sono motivo di cautela.
L’allarme iniziale del documento sull’invalidazione di 40.000 documenti di ricerca basati su fMRI è stato superato, successivamente corretto a circa 3.500. Eppure, come ha spiegato Vox , i neuroscienziati non credono che la risonanza magnetica funzionale sia uno strumento rotto – ha semplicemente bisogno di un continuo affinamento. Rendere le scansioni più accessibili e più accurate sarà la chiave per un’applicazione clinica delle tecniche.
CHI RIESCE A DEFINIRE COSA SIA “NORMALE”?
“Tutta la ristrutturazione hardware è super, super preziosa”, dice Adam Chekroud, uno scienziato il cui lavoro sulla psichiatria computazionale è stato pubblicato su riviste influenti come The Lancet , in un’intervista telefonica. Chekroud ha già lavorato in intelligenza artificiale, utilizzando algoritmi che si sono rivelati precisi nel predire lo specifico antidepressivo con le migliori possibilità di successo . Credendo fermamente che l’applicazione clinica sia la parte più importante del settore, Chekroud è il fondatore e capo dello scienziato di Spring Health, che mira a portare le tecnologie ai pazienti.
Oltre la fMRI buggy, la psichiatria computazionale affronta questioni etiche, spirituali, pratiche e tecnologiche. I problemi immediati includono gli enormi archivi di dati intensamente personali necessari per gli algoritmi, che potrebbero risultare irresistibili per gli hacker. Anche il consenso è una domanda: una persona depressa, ad esempio, può essere considerata abbastanza sana da consentire il consenso? Se creiamo modelli per i disturbi della salute mentale, non stiamo anche creando un modello per la normalità, che può essere usato come un bastone e uno strumento? Chi riesce a definire cosa sia “normale”?
Paul Humphreys, professore di filosofia del Commonwealth all’Università della Virginia, dove studia la filosofia della scienza, solleva un’altra affascinante preoccupazione: l’apprendimento automatico presenta un problema di scatola nera simile al cervello stesso. Possiamo addestrare un algoritmo per riconoscere un gatto fornendogli dati sufficienti, ma non siamo ancora in grado di determinare come decida cosa sia un gatto. Ciò presenta un rischio di incomunicabilità tra gli scienziati e i loro risultati di apprendimento automatico poiché gli scienziati hanno solo una parziale comprensione di ciò che i loro modelli stanno dicendo. Possiamo credere che la definizione della macchina di una malattia mentale sia abbastanza vicina alla nostra?
I PROBLEMI CHE SEMBRANO FANTASTICI ORA POSSONO MINACCIARE IL CAMPO PIÙ TARDI
Ulteriori complicazioni sono la mancanza di verità fondate nei set di dati psichiatrici, un set di allenamento controllato dall’uomo con il quale possiamo testare l’apprendimento della macchina.
“Hai bisogno di almeno una verifica veramente indipendente e ben funzionante”, dice Steven Hyman in un’intervista telefonica. Il direttore del NIMH dal 1996 al 2001, dove ha spinto per la neuroscienza e la genetica ad essere incorporato in psichiatria, Hyman è ora un membro istituto principale e direttore del Centro Stanley per la ricerca psichiatrica presso l’Istituto Broad.
Un algoritmo di apprendimento automatico, che diagnostica, per esempio, il cancro della pelle , ha un set di formazione di campioni che sono stati sottoposti a biopsia e catalogati, senza lasciare dubbi sul fatto che siano maligni o meno. Ma non c’è biopsia per i disturbi della salute mentale, almeno non ancora. “E saresti sorpreso da quanto spesso la gente lo dimentichi”, dice Hyman.
Il futuro della psichiatria computazionale offre i suoi problemi, problemi che sembrano fantastici ora ma che potrebbero minacciare il campo più tardi. Se le capacità di scansione cerebrale in tempo reale su cui il campo sta lavorando diventano economiche, facili e precise per specifici modelli di pensiero e scenari, si può immaginare un mondo in cui possiamo sostanzialmente monitorare i pensieri, una capacità che è matura per l’abuso.
Forse la cosa più preoccupante di tutte è il potenziale per la psichiatria computazionale di unirsi alla lunga, famigerata lista di scienze usate per privare le persone. Se possiamo mettere i numeri e i biomarcatori ai sentimenti, che ne sarà dell’anima? Cosa ci rende un essere umano, invece di un modello organico complesso?
“IL MODO IN CUI FACCIAMO DIAGNOSI OGGI È DAVVERO PIUTTOSTO LIMITATO.”
“Sta mostrando che non c’è nessun fantasma nella macchina. È solo una macchina “, dice al telefono Chandra Sripada, professore associato con un incarico congiunto in filosofia e psichiatria all’Università del Michigan. Sripada ritiene che la paura sia forse infondata. Si presenta in altri, più vecchi rami della psichiatria, compreso il comportamentismo di BF Skinner.
“Qualsiasi teoria comprensiva della psicologia, c’è la preoccupazione che toglierà l’anima, e il misterioso e gli aspetti di chi siamo che vogliamo essere protetti per sempre dalla spiegazione”, dice Sripada.
Mentre i modelli computazionali offrono la possibilità di diagnosi e trattamento, gli scienziati stanno camminando sul filo del rasoio. Dopotutto, lavorano con le persone e non vogliono minare le proprie esperienze dei pazienti. Le persone vogliono essere viste come esseri umani; i loro fattori sociali e ambientali sono cruciali. È pericoloso ignorare quelle cose o immaginare che non abbiano importanza per il trattamento.
“Quello che stai chiamando l’anima è una sorta di componente ineludibile di trattare molte persone”, dice Humphreys, il professore di filosofia.
Comprendere ciò che persino un disturbo di salute mentale si rivela sorprendentemente difficile. Come Gary Greenberg, DSM e scettico psichiatrico modello farmaceutico, fa riferimento a The Atlantic , il termine “disordine” è stato usato per evitare specificamente il termine “malattia”, che implica un livello di comprensione fisiologica di base che è carente in psichiatria.
“Il modo in cui facciamo diagnosi oggi è davvero piuttosto limitato”, dice Tom Insel, co-fondatore di Mindstrong Health e direttore dell’Istituto Nazionale di Salute Mentale (NIMH) dal 2002 al 2015, in un’intervista telefonica. “È un po ‘come cercare di diagnosticare malattie cardiache senza utilizzare nessuno degli strumenti moderni, come un ECG, scansioni cardiache, lipidi nel sangue e tutto il resto.”
La speranza è che la psichiatria computazionale possa fornire l’equivalente di quegli strumenti. L’attuale comprensione dei disturbi della salute mentale è torbida. La spiegazione comune nella consapevolezza pubblica che una sorta di squilibrio chimico è da biasimare – specialmente nel caso della depressione – è stata lasciata sul ciglio della strada in favore del pensiero del cervello come operativo sui circuiti. Quando sorge un problema in questi circuiti, abbiamo un disturbo di salute mentale.
Il problema con la psichiatria, per Insel, è l’attuale mancanza di biomarcatori. L’osservazione clinica acuta ha portato a una tassonomia delle afflizioni, che ritiene sia un aspetto critico del campo che la psichiatria fa particolarmente bene, ma senza basi neurologiche semplicemente non è sufficiente. “È necessario, ma non sufficiente”, afferma Insel.
“UN DISTURBO COME LA DEPRESSIONE È MOLTE, MOLTE MALATTIE”.
L’attuale direttore NIMH Joshua Gordon è d’accordo. La spinta del NIMH verso misure più obiettive nel campo è iniziata sotto la direzione del regista Steven Hyman dal 1996 al 2001. È stata ulteriormente promossa da Insel, e ora ha denaro investito da Gordon, con l’obiettivo di fornire dati concreti e obiettivi per aiutare affinare le diagnosi e fornire un trattamento migliore. Gordon crede che la critica che il modello DSM è destinato a guidare le persone verso la medicina non è corretta. La migliore pratica è utilizzare qualsiasi intervento che sia efficace. Detto questo, le diagnosi possono essere insufficienti.
“Dobbiamo riconoscere in psichiatria che i nostri attuali metodi di diagnosi – basati sul DSM – i nostri attuali metodi di diagnosi sono comunque insoddisfacenti”, dice Gordon al telefono.
Ulteriori complicazioni sono la diversità dei disturbi della salute mentale. C’è una composizione chimica del cervello che è associata ad alcuni depressi, dice Greenberg, ma non tutti quelli che soddisfano i criteri del DSM. Aggiungete a questo il problema che molti disturbi presentano come spettro – alla mia più recente diagnosi borderline di disturbo della personalità, il mio psichiatra ha anche aggiunto sfumature di bipolare. E poiché i disordini sono stati categorizzati senza una base in biologia, Greenberg sottolinea, uno avrebbe bisogno di scoprire una perfetta relazione uno-a-uno tra i disturbi in più persone che presentano in più modi che derivano tutti da un problema nel cervello per confermare il Modello DSM.
“Sarebbe solo una fortuna incredibile”, dice Greenberg al telefono.
E che dire dei fattori ambientali? Alcuni disturbi psichiatrici possono essere causati da eventi esterni – morti, rotture, cambiamenti nello stato finanziario, una grande mossa, stress – che possono essere alleviati dal tempo e dall’azione.
“Un disturbo come la depressione è molte, molte malattie”, ha detto Insel. “È come la febbre. Ci sono molti modi per avere la febbre. Ci sono molti modi per ottenere il disturbo depressivo maggiore. Noi, oggi, non andiamo oltre la semplice temperatura di qualcuno e diciamo “questa persona ha la febbre, quindi abbiamo bisogno di qualcosa per abbattere la febbre”. Quindi tutti vanno su un antidepressivo. “
Quello che stiamo vedendo in questo momento non è un modello. Whitney Allen, il coordinatore della ricerca, ha preso il mio posto nella tomba non-silenziosa. Sta immaginando due diversi scenari. Una è la cena di bistecca che comprerebbe se le venisse dato $ 50 oggi. I suoi denti che lacerano la carne, il sapore di esso, la sensazione di esso tra incisivi e lingua e gengive. Il secondo sono le scarpe che otterrebbe se le venissero dati $ 100 all’anno. Sta immaginando che suo padre le porga la scatola da scarpe, con il peso che ha in mano. I suoi pensieri concentrati stanno effettivamente spostando qualcosa, un cursore su uno schermo. Lei può vederlo con lo specchietto che ho usato, così lei sa quanto stia pensando al presente e al futuro. Dietro il vetro sullo schermo di un computer, una tempesta di voxel blu e rossi si accendono come fuochi d’artificio nel suo cervello, e per un breve lampo, ogni due secondi, il coperchio della scatola nera all’interno dei nostri crani si sente leggermente aperto.
A Allen è stato chiesto di proiettare il suo cervello nel futuro, o concentrarsi sul presente immediato, nel tentativo di aiutare a scoprire cosa succede sotto il cofano quando si pensa alla gratificazione istantanea o ritardata, conoscenza che potrebbe essere utilizzata per aiutare a riabilitare le persone che non riesco a rinunciare al colpo istantaneo, come i tossicodipendenti. Lavorando in collaborazione con il centro di ricerca sul recupero delle dipendenze fino alla terza alluvione, il laboratorio di Stephen LaConte utilizza le scansioni FMRI in tempo reale per fornire feedback neurali ai soggetti.
SCRUTANDO NEL FUNZIONAMENTO DEL CERVELLO MENTRE STA LAVORANDO OFFRE DATI CHE POTREBBERO NON AVERE APPLICAZIONI PER DECENNI
Harshawardhan Deshpande, uno studente laureato in ingegneria biomedica che lavora al suo dottorato di ricerca nel laboratorio di LaConte, spiega lo scopo dell’esperimento. Se i tossicodipendenti hanno una finestra temporanea breve – un problema che si proietta nel futuro e capiscono queste conseguenze – possono essere in grado di formarsi per pensare meglio a lungo termine. Il feedback neurale aiuta i soggetti a sapere quanto stanno facendo per allungare quella finestra temporale.
“Nel prossimo futuro, possiamo provare a riabilitare la capacità di quel partecipante di pensare al futuro”, dice Deshpande.
Oltre al lavoro di dipendenza, il laboratorio LaConte ha collaborato con Zachary Irving, professore di filosofia presso il Dipartimento di Filosofia Corcoran della University of Virginia, il cui obiettivo è la filosofia della scienza cognitiva. Irving e LaConte stanno utilizzando l’FMRI in tempo reale per tentare di discernere quando, e in che modo, la mente di un soggetto sta vagando. Usando le categorie sviluppate nelle discipline umanistiche, la speranza è che l’FMRI in tempo reale si avvicini agli strumenti attualmente disponibili per studiare come le persone si sentono riguardo alle proprie esperienze.
“Il nostro obiettivo è che l’algoritmo sia in grado di rilevare in tempo reale, osservando la tua attività neurale, rilevare se la tua mente sta vagando o no”, dice Irving al telefono.
Immagine: Virginia Tech Carilion Research Institute
Questa capacità potrebbe trovare applicazioni, ad esempio, nell’educazione. Se uno sa quando uno studente apparentemente controllato sta sognando ad occhi aperti – secondo Irving, un vagabondaggio potenzialmente benefico della mente – o ossessionato da un pensiero negativo, gli insegnanti potrebbero consentire loro di esplorare o intercedere in modo appropriato. Ovviamente, un tale sistema potrebbe anche essere abusato. A un datore di lavoro può piacere molto sapere quanto tempo viene speso in azienda con il cervello che gira intorno.
LaConte è un pioniere nel campo della fMRI in tempo reale – ha inventato l’fMRI in tempo reale basato sull’apprendimento automatico – e ha la parte, barba ruggine, lavagna matematica, schermi multipli che si illuminano sulla sua scrivania. LaConte ha iniziato a utilizzare l’apprendimento automatico come studente presso l’Università del Minnesota. Ha applicato lo strumento per studiare quali regioni del cervello corrispondono a quanta pressione viene schiacciata su un sensore. LaConte ha utilizzato tecniche di apprendimento automatico per guardare un’immagine più grande nel cervello, piuttosto che seguire solo le singole regioni.
“Alcuni dei punti di forza dell’apprendimento automatico sono che puoi fare cose come la convalida incrociata”, afferma LaConte. “Puoi formare un modello su una parte del tuo set di dati e testarne l’accuratezza di previsione o la sua generalizzazione su un set di dati indipendente che quel modello non ha mai visto prima.”
L’apprendimento automatico è fondamentale per il lavoro in tempo reale di LaConte; senza l’algoritmo, non può alimentare il feedback. Con esso, crede LaConte, i ricercatori possono andare oltre gli esperimenti comportamentali e iniziare a guardare le azioni del cervello stesso per guidare i loro esperimenti. Se i tossicodipendenti possono determinare ciò che pensavano di ciò che ha inviato il loro cursore nel futuro, possono potenzialmente addestrare il loro cervello a pensare in quel modo in modo più efficace, allungando la loro finestra temporale e forse anche alleviando la dipendenza.
“L’idea è che, in realtà, puoi fare esperimenti a circuito chiuso in cui sei effettivamente guidato da ciò che sta accadendo nel cervello?” Dice LaConte. “E così può essere usato per la riabilitazione e la terapia.” Immagina la psichiatria e l’intervento come studio di danza. Quanto è utile il muro degli specchi? Il miglioramento delle prestazioni è l’altra faccia della riabilitazione. LaConte spera che il suo lavoro possa un giorno permetterci di addestrare il nostro cervello a lavorare meglio, allo stesso modo in cui è stato dimostrato che la meditazione ricollega le reti neurali dei monaci buddisti.
Il laboratorio di LaConte elude i problemi con l’fMRI che il documento Eklund solleva utilizzando un approccio diverso. L’approccio del laboratorio si chiede cosa sta facendo il cervello durante un compito considerando l’intero cervello. Genera una singola risposta che può essere giusta o sbagliata: sta facendo il compito o no? Usando questa visione dell’intero cervello, l’approccio evita alcune delle complicazioni che potrebbero derivare dall’osservare separatamente ciascuna parte del cervello. Questo porta a risposte multiple – decine di migliaia, LaConte ha scritto in una email, ogni singola sezione del cervello influenzata dal compito – e quindi più possibilità di avere ragione o torto.
Oltre alla ricerca sulle dipendenze, il laboratorio di LaConte si concentra esclusivamente sulla scienza di base, attestando la giovinezza della sua metodologia. Scrutando nel funzionamento del cervello mentre sta lavorando offre dati che potrebbero non avere applicazioni per decenni.
Mentre il sole del pomeriggio attraversa le finestre di un’area comune – divisa da un muro coperto di matematica – Chiu e King-Casas fanno a turno a rimbalzare il loro bambino e discutono di un futuro di psichiatria in cui potrebbe vivere: modelli diagnostici guidati da algoritmi ( Ebbene, secondo il modello, hai la depressione che si presenta nella zona del cervello x con sintomi comuni y), terapie mirate ( per la vostra particolare x ed y , abbiamo notato questo farmaco e questo lavoro di terapia eccezionalmente bene nella maggior parte dei casi) , e metodi di allenamento del cervello, guidati da tempo reale i risultati fMRI, che spostano la psichiatria nell’arena della medicina preventiva.
Stanno parlando di un mondo in cui la psichiatria è qualcosa di più simile a una scienza medica difficile.
King-Casas prevede almeno da cinque a dieci anni di investimenti dal NIMH, abbastanza a lungo da vedere se i lavori di Carilion e di altri stanno ottenendo risultati. “Penso che sia un’idea il cui tempo è arrivato”, dice King-Casas.
INFINE, I VENTI SEMBRANO SOFFIARE CON MENO FEROCIA, MA IL DANNO È STATO FATTO.
“Non direi decenni”, dice Chiu di questo futuro potenziale. “Forse anni. Ma vediamo come emergono i dati da queste prove. “Chiu e King-Casas sono ottimisti. Peter Fonagy, professore all’University College di Londra e un collega, ad esempio, prevede grandi cose in un decennio o giù di lì. Ma tutti sono d’accordo sul fatto che il campo sembra immensamente promettente e che i metodi attuali non lo riducono.
La psichiatria è disseminata di ossa e frammenti di paradigmi che stavano per “salvarla” – alcuni quasi estinti, come la psicodinamica, e altri che resistono, come la neurochimica e la genetica.
“Penso che sia importante riconoscere che gli approcci computazionali e teorici non salveranno la psichiatria”, dice Gordon, il direttore del NIMH. Questi sono solo strumenti, anche se strumenti eccitanti, che si spera possano aiutare i pazienti.
Prima di partire, chiedo loro se ritengono che il loro lavoro avrebbe potuto aiutarmi se avesse avuto esito positivo e completo, se avessi potuto avere la mia diagnosi borderline di disturbo della personalità prima, avrei iniziato a trattarlo prima, a ferire meno persone.
Loro credono che potesse.
Un po ‘meno di un anno prima del mio viaggio al VTCRI, il mio nuovo psichiatra mi disse che forse non avevo il disturbo bipolare, o solo il disturbo bipolare, che forse tutto questo – il mio petto costantemente pieno, la nebbia della disperazione; l’udito di voci come una TV è acceso in un’altra stanza, sempre un’altra stanza intrattabile; le allucinazioni uditive come un frammento della colonna sonora di Game Boy; la certezza di essere tra i migliori scrittori di saggistica del mondo, la certezza di essere tra i peggiori; gli immensi voli in volo di frasi run-on che bruciano come neon e bruciano il cielo e in cui esprimo e valorizzo e imprimono sugli altri il mio ego, il mio ego gioviale, il mio ego galattico, il mio capitalizzare i miei pronomi ego; i momenti che declino fino a svanire in un’ombra; il bisogno del buco nero per la convalida esterna, la volontà di divorare gli amici per questo, il succhiare il midollobisogno ; la mia paranoia, i miei irresistibili sms, la mia canzonatura, in privato e in pubblico, fuori dai bar e per la strada – indica qualcos’altro, un modello diagnostico nascosto nell’ombra dei miei sintomi più gravi.
Prima che mi diagnosticasse un disturbo borderline di personalità, stavo correndo nei rapporti personali. Distruggere telefoni, inventare nemici, lasciarmi invidiare da invidia e rabbia. Ho operato all’interno di una cattedrale invisibile della mia stessa paranoia, le mie emozioni dannose e indiscriminate. Dopo la diagnosi, ho avuto la prospettiva di iniziare a migliorare. Ho fatto una terapia comportamentale cognitiva, che mi ha aiutato; Ho assunto lamotrigina, che aiuta le mie emozioni a essere più appropriate e rallenta gli sbalzi d’umore. Infine, i venti sembrano soffiare con meno ferocia, ma il danno è stato fatto.
Sono notevolmente migliore, anche se non sono minimamente abituato al lavoro. Ho iniziato a fare i conti con quanto distruttiva fosse una persona e potrei essere ancora. La distanza che ho guadagnato da chi ero fornisce la prospettiva necessaria per farlo. Ha anche gettato le rovine rimaste in forte rilievo.
Mi ci sono voluti anni per fidarmi ancora della medicina. Ho preso un inibitore selettivo della ricaptazione della serotonina (SSRI) al college, che, mentre mi ha sollevato dalla mia profonda depressione – o almeno lo attribuisco per questo – anche inizialmente mi ha bruciato il cervello con tutta la sottigliezza di una bomba a tappeto. La sera dopo la mia prima dose, mi sono svegliato sentendomi in errore , strisciando sul pavimento della mia buia stanza del dormitorio. Ho dormito, ho attraversato la giornata, mi sono allontanato dalle inferriate del secondo piano da compagni di classe preoccupati, difficilmente in grado di mettere insieme una frase. Anche quando il mio dosaggio si è dimezzato, ho avuto terribili sogni e tremori. Le mie mani tremavano così forte che tutto quello che tenevo diventava uno strumento a percussione. Questi tremori continuano sporadicamente fino ad oggi – forse psicosomaticamente, anche se il perché conta per me meno di quello che succede a tutti.
Forse tutto questo, il danno collaterale della psichiatria e la sua modalità attuale, possono essere mitigati – forse può essere fermato.