ИСТИНА |
Войти в систему Регистрация |
|
ИСТИНА ПсковГУ |
||
Цель: разработать методы иерархического байесовского моделирования для изучения структуры процессов когнитивного контроля при нормальном и патологическом старении.Реализация данного проекта позволит получить новые результаты в различных актуальных областях когнитивной науки и смежных дисциплинах. В частности, актуальность построения моделей когнитивных способностей на поздних этапах онтогенеза обусловлена резким старением населения в развитых странах и связанным с когнитивным старением снижением качества жизни (Harada et al., 2013). Кроме того, большую значимость приобретают исследования когнитивных дефицитов при патологическом когнитивном старении в связи с ростом частоты этих заболеваний, их высокой стоимостью для систем здравоохранения и социальной значимостью. Особая актуальность результатов проекта связана с тем, что с помощью актуальных методов машинного обучения будут построены модели когнитивного контроля – системы функций, играющих ведущую роль в опосредовании когнитивных дефицитов и снижения качества жизни при нормальном и патологическом старении. Ожидаемые результаты проекта по патологическому когнитивному старению могут внести вклад в развитие только формирующейся междисциплинарной области – вычислительной психиатрии (Montague, 2012; Hyus et al., 2016). Ожидаемые результаты проекта также имеют важное значение для актуальной проблематики когнитивного моделирования, связанной с переходом к построению формальных моделей когнитивных процессов и их нейрокогнитивных механизмов. Наметившийся в современной когнитивной науке актуальный тренд к построению формальных когнитивных моделей с большим эвристическим и прогностическим потенциалом, а также ориентация на выявление механизмов когнитивных способностей и функций обеспечивают возможность нового витка теоретического развития в когнитивной науке и создания новых, научно обоснованных когнитивных технологий и интервенций (Величковский и Шевчик, 2010; Marr, 1982; Frostamnn et al., 2011; Marraffa & Paternoster, 2012). Данный проект полностью соответствует этому тренду. В частности, с применением остро актуальных DDM/LBA моделей будут созданы и апробированы модели когнитивного контроля, исследования которого составляют важное направление в современной когнитивного науке и нейронауке в связи с исключительным значением когнитивного контроля для организации целенаправленного поведения человека в сложных динамических средах (Cooper, 2010; Fan, 2014; Egner, 2017). Создание моделей когнитивного контроля при нормальном и патологическом старении будет опираться на актуальные для исследований в области искусственного интеллекта и когнитивной науки вероятностные байесовские методы.
The project is aimed at creating computational models of cognition in normal and pathological aging. This fundamental problem is multidisciplinary and lies at the intersection of medicine, cognitive science, genomics, and computer science. Deficits in cognitive control are a hallmark of cognitive aging. Formal modelling of cognitive control at late ontogenesis stages is a prerequisite for the understanding of cognitive abilities and their changes in the aging brain. The solution to this problem will have major importance for science-driven correction of age-related cognitive changes. To solve this problem, we will use the methods of machine learning, specifically, hierarchical Bayesian modelling. On the basis of the drift diffusion model and the linear ballistic accumulator model we will devise formal models of cognitive control function: task switching, inhibitory control, working memory updating, and error monitoring. Hierarchical Bayesian modelling methods will be developed respecting typical restrictions for sample size and data quality in psychological research. Both group and individual aging effects will be modeled. Parameter estimation will be based on Monte-Carlo Markov Chain methods. Models of cognitive control will be developed for middle- and older aged persons, persons with mild cognitive impairment, and persons with a heightened risk of developing Alzheimer’s dementia (APOE-4 genotype). On the basis of the cognitive control models trajectories of normal and pathological cognitive aging will be described.
В ходе реализации данного междисциплинарного проекта будут получены новые научные результаты на стыке когнитивной науки, психиатрии, информатики и генетики. Результаты будут носить оригинальный и уникальный характер, так как сегодня отсутствуют подобные междисциплинарные подходы к проблеме моделирования когнитивных процессов на поздних этапах онтогенеза. Конкретно будут получены следующие результаты: 1. Будут выявлены вычислительные методы и подходы иерархического байесовского моделирования, оптимальные для моделирования когнитивных процессов с учетом практических ограничений по количеству и качеству эмпирических данных. 2. Будут отработаны методы моделирования индивидуальных и групповых особенностей когнитивных процессов в среднем и пожилом возрасте на основе методов байесовских сетей. 3. Будут отработаны технологии моделирования возрастных изменений в процессах когнитивного контроля при нормальном когнитивном старении. 4. Будут отработаны технологии моделирования возрастных изменений в процессах когнитивного контроля при патологическом когнитивном старении (мягкое когнитивное снижение). 5. Будут отработаны технологии моделирования изменений в процессах когнитивного контроля у лиц с генетическим риском развития болезни Альцгеймера (генотип АРОЕ-4). 6. Будут созданы и валидизированы DDM модели функций когнитивного контроля при нормальном и патологическом когнитивном старении. 7. Будут созданы и валидизированы LBA модели функций когнитивного контроля при нормальном и патологическом когнитивном старении. 8. Будут определены оптимальные модели латентных процессов когнитивного контроля при нормальном и патологическом старении на основе количественного сравнения индексов соответствия в рамках иерархического байесовского моделирования. 9. Будут созданы количественные модели для прогноза индивидуальных траекторий когнитивного развития на поздних этапах онтогенеза. 10. Будет создан задел для интеграции вычислительных байесовских моделей когнитивных процессов при нормальном и патологическом старении с нейрокогнитивными моделями, в частности, полученными методами визуализации мозговой активности.
Коллектив обладает богатым опытом проведения мультидисциплинарных когнитивных и нейрокогнитивных исследований нормального и патологического когнитивного старения. Изучены нейрокогнитивные особенности пациентов с мягким когнитивным снижением и с деменцией Альцгеймеровского типа (Селезнева и др., 2013; Selezneva et al., 2014). Членами коллектива разработаны методы комплексной и экспресс-диагностики мягкого когнитивного снижения и деменций (Рощина, 2015а). Членами коллектива реализуется масштабная исследовательская программ изучения нейрокогнитивных особенностей и траекторий когнитивного развития кровных родственников (сибсов и детей) больных болезнью Альцгеймера. В рамках реализации многочисленных грантов РФФИ коллектив имеет значительный задел в области исследования когнитивных функций на различных этапах онтогенеза. Изучены когнитивные детерминанты эффективности выполнения задач на зрительное внимание (Величковский и др., 2015; Grigororvich & Zyzlova, 2016), зрительно-моторную координацию (Григорович и Маршова, 2015) и деятельности в условиях многозадачности (Velichkovsky et al., 2009; Velichkovsky & Zlokazova, 2010). Интенсивно исследуются функции когнитивного контроля (Величковский, 2014; Величковский и др., 2015, 2016; Velichkovsky et al., 2017; Velichkovsky, in press). Разработана и апробирована компьютеризированная батарея когнитивных тестов для изучения когнитивного контроля, включая базовые контрольные функции подавления, переключения и обновления (Величковский и др., 2016). В состав коллектива входит специалист (С.И. Николенко) по методам искусственного интеллекта и машинного обучения, в частности, по методам байесовского моделирования (Koltsov et al., 2016; Alexandrov et al., 2013; Nikolenko et al., 2013).
Проведен теоретический анализ по проблеме патологического и непатологического старения применительно к функциям когнитивного контроля (управляющие функции). Изучены возможности применения методов моделирования времени реакции в задачах на когнитивный контроль, в том числе, байесовскими методами. Подобрана и реализована в программной среде Практика 3.0 (автор Е.А. Кремлев) батарея когнитивных тестов для оценки функций когнитивного контроля. Батарея включает в себя два теста на переключение между задачами (task switching), два теста на произвольное подавление (inhibition – фланговая задача Эриксенов, задача Go/No-Go) и тест на обновление рабочей памяти (задача n-back). Была отобрана выборка испытуемых с патологическим (мягкое когнитивное снижение, MCI) и непатологическим когнитивным старением. Для того использовалось нейропсихологическое обследование, а также две диагностические шкалы - Mini Mental State Examination (MMSE) и монреальская школа когнитивного оценки (MoCA). У части испытуемых определено наличие генотипа ApoE-4. Были собраны данные по выполнению когнитивных тестов в группе здоровых молодых испытуемых (N=59, средний возраст 25 лет), в группе пожилых здоровых испытуемых (N = 38) и в группе пожилых пациентов с синдромом мягкого когнитивного снижения (MCI, N=21, средний возраст 69 лет, 16 женщин). Впервые был проведен анализ эффективности переключения между задачами с построением диффузионной (DDM) модели времени реакции (Ratcliff et al., 2011) в группе молодых, здоровых пожилых испытуемых и испытуемых с патологическим старением (MCI). Подгонка модели проводилось методом Колмогорова-Смирнова с помощью программы fast-dm (Voss & Voss, 2007). Были выделены параметр t0 (произвольный компонент переключения), параметр v (автоматический компонент переключения, связанный с рассеянием интерференции) и параметр a (консервативность принятия решения). Были получены новые результаты об увеличении значения всех параметров с возрастом. Также было обнаружено взаимодействие возраста и MCI патологии с необходимостью переключаться между задачами. В частности, в пробах с переключением увеличивалось значение параметра t0, который отражает работу сознательно контролируемых процессов когнитивного контроля. Увеличение t0 в пробах с переключением было особенно выраженным, что говорит о специфическом дефиците произвольного контроля при патологическом когнитивном старении. Параметр v (скорость принятия решения, в задачах на переключение трактуется как индикатор автоматических процессов рассеяния интерференции) снижался с возрастом, без специфического дефицита при патологическом старении. Для консервативности принятия решения (параметр а) также было обнаружено увеличение с возрастом, без специфического эффекта патологического старения. Для задачи на переключение был также проведен анализ времени реакции при переключении задач с помощью модели линейного баллистического аккумулятора (LBA, linear ballistic accumulator). Для молодых и здоровых пожилых испытуемых был обнаружен только значимые различия в скорости принятия решение (параметр v), ассоциируемый с автоматическим подавлением интерференции. Эффектов возраста и патологического старения для параметра, связанного с произвольным переключением, в отличие от DDM модели, обнаружено не было (хотя численно мягкое когнитивное снижение характеризовалось значительным увеличением этого параметра в пробах с переключением). Следует отметить, что LBA модель показала низкий уровень согласованности с данными (Bayesian Information Criterion, BIC). В силу этого можно сделать вывод о более общем характере диффузионной модели, которая не только более чувствительна к теоретически предсказанным эффектам нормального и когнитивного старения, но и подходит для описания патологически измененных процессов переключения между задачами. С помощью DDM моделей был проведен анализ процессов подавления интерференции в фланговой задаче Эриксенов для молодых и пожилых здоровых испытуемых и получены новые результаты. Для параметра t0, отражающего процесс селекции целевого стимула, был обнаружен эффект возраста, связанный с меньшей эффективностью фокусировки внимания у пожилых испытуемых. Кроме того, было обнаружено взаимодействие возраста и типа пробы: эффективность фокусировки внимания у молодых испытуемых снижалась при наличии неконгруентных дистракторов, а у пожилых испытуемых она была одинаково низкой и для неконгруентных, и для конгруентных дистракторов. Это позволило сделать вывод о том, что нормальное когнитивное старение связано с генерализованным дефицитом селективного внимания – любые стимулы-дистракторы затрудняют фокусировку на целевом стимуле. Кроме того, был обнаружен типичный эффект консервативности критерия принятия решения у пожилых испытуемых. Впервые были построены DDM модели у пожилых здоровых испытуемых и испытуемых с MCI для времени реакции в задаче на обновление рабочей памяти, n-back. Были обнаружены значимые различия в параметре t0, отражающем длительность процессов восприятия и внимания. Испытуемые с MCI характеризовались меньшими значениями t0, что может говорить об ускоренной, менее внимательной перцептивной переработке в этой группе. Также было обнаружено значимое снижение параметр v, которые в задачах поиска в памяти отражает уровень активации мнестического следа. В целом, можно сделать вывод об ускоренной обработке стимулов и о сниженной эффективности доступа к репрезентациям, хранящимся в рабочей памяти у испытуемых с MCI по сравнению с испытуемым с нормальным когнитивным старением. Следует отметить низкий уровень степени соответствия (статисткиа Колмогорова-Смирнова) DDM моделей для задания n-back, что в будущем делает необходимым модификацию таких моделей для использования с этим заданием. По результатам проведенных исследования принята к печати 1 статья (WoS) и опубликованы 4 тезисов (РИНЦ). Сопоставление результатов с мировым уровнем: Реализованные в рамках проекта исследования соответствуют мировому уровню исследований нормального и патологического старения в части изучения процессов когнитивного контроля. Дефицит когнитивного контроля при различных формах когнитивного старения остается важной темой исследований в последние годы как общий фактор возрастных когнитивных изменений (Kray & Lindenberger, 2000; Wasylyshin et al., 2011; Hatchinson et al., 2010). В наших исследованиях используются тесты на базовые функции когнитивного контроля, которые полностью соответствуют методикам изучения когнитивного контроля в мировой практике. Применение этих высоковалидных тестов когнитивного контроля на выборке с возрастной патологией редко встречается в мировой науке, однако соответствует мировой тенденции использования методов количественного когнитивного тестирования совместно с качественными нейропсихологическими тестами управляющих функций. Мировому уровню также соответствует использование формальных моделей времени реакции с помощью диффузионной модели (Ratcliff, McKoon, 2008) и модели линейного баллистического аккумулятора (Brown & Heathcote, 2008). В частности, они применяются для изучений функций переключения между задачами (Schmitz & Voss, ) и подавления. В последнем случае в мировой практике диффузионные модели применяются для анализа ряда задач с интерференцией, таких как задача Струпа и фланговая задача Эриксенов. Собранные на текущем этапе проекта данные впоследствие могут быть обработаны с применением специализированных диффузионных моделей для задач на подавление интерференции (White et al., 2018). Полученные результаты также соответствуют мировому уровню. Методы и подходы: В работе применялись методы компьютерного когнитивного тестирования, а также методы математического моделирования латентных процессов когнитивного контроля. Исследование нормального и патологического когнитивного старения проводилось на пожилых испытуемых без деменции и на выборке пациентов с мягким когнитивным снижением (MCI). Для оценки когнитивного статуса испытуемых использовалась Монреальская шкала когнитивной оценки (MoCA), критерием MCI считалось значение меньше 26. Для испытуемых с MCI также проводилось комплексное нейропсихологическое обследование. В качестве базового уровня для сравнения использовалась выборка молодых когнитивно-здоровых испытуемых. Сегодня исследования функций когнитивного контроля являются актуальной области когнитивной науки и возрастной психологии (Wasylyshyn et al., 2011). Для оценки функций когнитивного контроля использовалась батарея тестов на когнитивный контроль, реализованная в программе Практика. Проводился многомерный анализ данных (многофакторный дисперсионный анализ) на агрегированных данных. Также проводилось построение диффузионных моделей времени реакции с помощь ПО fast-dm (Voss & Voss, 2007). Диффузионная модель времени реакции (Ratcliff, 1978; Ratcliff, McKoon, 2008) описывает распределение времени реакции на основе анализа нескольких параметров и рассматривает время реакции как результат вероятностного накопления информации в пользу одной из альтернатив ответа (принятие решения). Процесс накопления информации является диффузионным, т. е. обобщенным вариантом случайного блуждания (random walk). Положение субъекта при принятии решения рассматривается как точка между двумя порогами. В каждый следующий момент времени t единица поступающей информации служит основанием для смещения положения в сторону той альтернативы, которой информация соответствует. Выбирается альтернатива, для которой диффузионный процесс раньше достигнет порогового значения. Процесс при этом подвержен нормально распределенному шуму, т. е. ситуациям извлечения из стимула не соответствующей действительности информации. Время реакции складывается из времени t0, не связанного с принятием решения (перцептивные и моторные процессы), и времени принятия решения. Время принятия решения зависит от трех параметров: начального значения процесса накопления информации — z, порогового значения — a и скорости накопления информации — v (и ряда других параметров, которые обычно фиксируются в исследованиях, осуществляемых в рамках диффузионной модели (Voss, Voss, 2007). Всем параметрам диффузионной модели можно поставить в соответствие психологические аспекты процесса принятия решения. Так, параметр a интерпретируется как осторожность ответа, параметр v — как скорость или эффективность обработки информации. Существуют иерархические байесовские методы подгонки диффузионных моделей, которые ранее не использовались для анализа процессов нормального и патологического когнитивного старения (Wiecki et al., 2013). В нашем исследовании определялись параметры: v – скорость принятия решений; t0 – время перцептивно-моторных компонентов; а – критерий принятия решения. Все остальные параметры фиксировались в соответствии с рекомендуемыми значениями (Voss & Voss, 2007). Подгонка проводилась методом Колмогорова-Смирнова. Модели подгонялись к индивидуальным распределениям времени реакции, значения параметров анализировались с помощью дисперсионного анализа. Также была осуществлена подгонка модели латентного баллистического аккумулятора (linear ballistic accumulator, Brown & Heathcote, 2008) к данным по тестам когнитивного контроля. Оригинальным является использование диффузионных моделей и моделей линейного баллистического аккумулятора для анализа латентных процессов когнитивного контроля. Такой подход используется редко (например, Karayanidis et al., 2011), хотя он превосходит анализ среднего времени реакции и точности по чувствительности к слабым эффектам. Оригинальным является использование этих методов для характеристики процессов нормального и патологического когнитивного старения. В частности, эти методы ранее не использовались для анализа задачи n-back. Новым также является сравнение диффузионной модели и модели линейного баллистического аккумулятора при анализе функций когнитивного контроля и при анализе эффектов когнитивного старения.
грант РФФИ |
# | Сроки | Название |
1 | 25 января 2019 г.-31 декабря 2019 г. | Иерархические байесовские модели когнитивного контроля при когнитивном старении |
Результаты этапа: | ||
2 | 25 января 2020 г.-31 декабря 2020 г. | Иерархические байесовские модели когнитивного контроля при когнитивном старении |
Результаты этапа: | ||
3 | 25 января 2021 г.-31 декабря 2021 г. | Иерархические байесовские модели когнитивного контроля при когнитивном старении |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".