Precision-weighted updating shows cross-task consistency as a bounded computational marker when precision gain is sufficiently large

ملخص تقني: التحديث الموزون بالدقة يُظهر اتساقاً عبر المهام كعلامة حسابية محدودة عندما يكون كسب الدقة كبيراً بما يكفي

بيان المشكلة
تسعى الطب النفسي الحسابي إلى استبدال التسميات المتلازمية بمعلمات توليدية (مثل معدلات التعلم، أو أوزان الدقة) التي تعمل كعلامات عابرة للتشخيص أو أنماط ظاهرة (endophenotypes). ومع ذلك، يوجد توتر حرج: المعلمات التي يتم تقديرها ضمن مهمة تجريبية واحدة غالباً ما تُعامل كسمات قابلة للنقل، لكنها قد تكون مجرد "أوزان انحدار مرتبطة بالمهمة" بدلاً من كميات بيولوجية مستقرة. تعالج الورقة ما إذا كان معامل وزن الدقة ($\gamma$) ضمن نموذج CPSP-8 (إطار عمل لثلاث طبقات من تفكك التهديد) يعمم عبر مهام مخاطرة متميزة (مهمة بالون تحليل المخاطر [BART] ومهمة كولومبيا للبطاقات الساخنة [CCTHot]) أو عبر مسبار سلوكي، أم أنه مجرد نتاج لرسوم بيانية محددة للمهمة. تتقصى الدراسة تحديداً مدى قابلية التحديد والاتساق عبر المهام لمعامل $\gamma$ مقارنة بمعلمات القرار الأخرى (التهديد، الخط القاعدي، معدل التعلم الأولي $\alpha_0$، درجة الحرارة العكسية $\beta$، وكسب القيمة $v_{gain}$) وطبقة تهديد أورنشتين-أولينيك (OU) النظرية.

المنهجية
استخدمت الدراسة تحليلاً ثانوياً لبيانات مجهولة المصدر من ثلاثة مجموعات بيانات من OpenNeuro:

1. D1 (BART): عدد $N=173$ (124 ضابط، 49 فصام) من ds000030.
2. D5 (CCTHot): عدد $N=104$ من ds004636.
3. D2 (HierPrior): عدد $N=43$ من ds008083، مما يوفر مسباراً سلوكياً لـ $\gamma$.

بنية النموذج:
استخدم المؤلف CPSP-8، وهو نموذج يتكون من:

• الطبقة 1 (النظرية): عملية أورنشتين-أولينيك (OU) مستمرة للزمن لِحالة التهديد الكامنة ($z_t$) وانجراف التفكك. تم تجميد هذه المعلمات ($\theta, \sigma_{ou}, \kappa, \lambda, onset$) عند المتوسطات الجماعية المستمدة من عمليات محاكاة الاستعادة السابقة (حيث كان استعادة $\theta$ هو $r < 0.3$) لمنع تفسير الديناميكيات غير القابلة للتحديد كسمات خاصة بالمريض.
• الطبقة 2 (القرار): قاعدة دلتا محكومة بالدقة. يتم تعديل معدل التعلم $\alpha_t$ بواسطة معامل وزن الدقة $\gamma$ بناءً على مربعات أخطاء التنبؤ ($PE_t^2$) بالنسبة لعدم اليقين في توزيع برنولي.
• الطبقة 3: نمذجة زمن الاستجابة (RT) عبر تقريب لوغاريتمي طبيعي لعملية والد (Wald process).

الإجراء التحليلي:
استخدم التحليل الجوهري التحقق المتبادل لنقل الهيكلية (HTCV)، والذي تم تسجيله مسبقاً قبل عرض النتائج. بخلاف التحقق المتبادل القياسي (ترك موضوع واحد خارج كل مرة)، يختبر HTCV قابلية التبادل للمتوسطات البعدية على مستوى المجموعة عبر المهام.

• معيار الاتساق: تعتبر المعلمة متسقة عبر المهام إذا كان فاصل الكثافة الأعلى (HDI) بنسبة 95% للفرق بين متوسطات المهام ($\Delta = \mu_{TaskA} - \mu_{TaskB}$) يحتوي على الصفر.
• الفرضيات:
  • H1: جميع معلمات القرار غير المرتبطة بـ $\gamma$ متسقة عبر BART وCCT.
  • H2: $\gamma$ متسقة عبر BART وCCT ومسبار HierPrior.
  • H3: طبقة OU غير قابلة للاختبار تحت شرط التجميد.
  • H4: نموذج CPSP-8 ليس أسوأ من النماذج المخصصة (المشي العشوائي، الانحدار اللوجستي، DDM، HGF-2 المبسط) فيما يتعلق بالاختيار وزمن الاستجابة (RT).
• تشخيصات ما بعد المراجعة: شملت فحوصات ROPE (منطقة التكافؤ العملي)، وشبكة حساسية MAP+SE المترافقة (36 تنويعاً من الأولويات والتجميع)، ومقارنة نماذج WAIC/LOO-IC، ووزن درجات الميل الديموغرافي (IPW).
• فحوصات القابلية للتحديد: اختبرت محاكاة الموضوعات الافتراضية (D1d, D1e) استعادة المعلمات ($r$) والقدرة على الفصل على مستوى العائلة (عوامل بايز) بين النموذج المحكوم بالدقة ونموذج المشي العشوائي (RW) الحدّي ($\gamma=0$).

النتائج الرئيسية

1. فشل H1 (خصوصية المهمة): أظهرت جميع معلمات القرار غير المرتبطة بـ $\gamma$ (التهديد، الخط القاعدي، $\alpha_0$، $\beta$، $v_{gain}$) اختلافات جوهرية بين BART وCCT (فواصل 95% HDI استبعدت الصفر). على سبيل المثال، كانت $\beta$ (درجة الحرارة العكسية) 1.769 في BART مقابل 0.001 في CCT. يفسر المؤلف ذلك ليس كفشل في الملاءمة، بل كدليل على أن هذه المعلمات تعمل كـ "مفاتيح وضع" (mode switches) تتكيف مع هياكل مهام محددة (مثل الخطر الخفي مقابل الاحتمالات الصريحة).
2. دعم مشروط لـ H2 (الاتساق الحساس للمسار البرمجي): بموجب قاعدة NUTS HDI المسجلة مسبقاً، كان معامل وزن الدقة $\gamma$ هو المعلمة الوحيدة التي احتوى فيها 95% HDI للفرق بين BART وCCT على الصفر ($\Delta = 0.3835$، HDI $[-0.0084, 0.7826]$). ظل هذا الاتساق قائماً عبر جميع المقارنات الثلاث (BART-CCT، BART-EEG، CCT-EEG) تحت هذه القاعدة المحددة.
   • القيود الحرجة: تنص الورقة صراحة على أن هذه النتيجة ليست قوية عبر المسارات البرمجية المختلفة. فالاتساق يفشل في شبكة مترافقة MAP+SE (صفر من أصل 36 خلية احتوت على الصفر)، وليس تكافؤ ROPE (الـ HDI يتداخل ولكنه ليس محتوياً داخل ROPE)، كما أن WAIC/LOO فضل نماذج $\gamma$ الخاصة بكل مهمة على نموذج $\gamma$ المشترك ($\Delta$WAIC = 146.6). بناءً على ذلك، وُصف $\gamma$ بأنه "سكالار (كمية قياسية) محدود وحساس للمسار البرمجي" وليس علامة مستقرة.
3. تأكيد H3 (عدم تحديد OU): ظلت معلمات طبقة OU مجمدة لأن محاكاة استعادة الموضوعات الافتراضية أظهرت ارتباطات بيرسون $r < 0.3$ لـ $\theta$، مما جعلها غير قابلة للتحديد في هذه المهام.
4. فشل H4 (الأداء التنبئي): لم يتفوق CPSP-8 على النماذج المخصصة. تفوق نموذج المشي العشوائي (RW) والانحدار اللوجستي على CPSP-8 في جذر متوسط مربع الخطأ (RMSE) للاختيار؛ وتفوق DDM في RMSE لزمن الاستجابة (RT).
5. القابلية للتحديد والفصل:
   • كان من الممكن استعادة $\gamma$ على المستوى الفردي مع 960 تجربة (متوسط $r \approx 0.66$).
   • الفصل بين العائلات: استطاع النموذج التمييز بين آلية التحكم بالدقة ونموذج المشي العشوائي ($\gamma=0$) فقط عندما يكون $\gamma$ الحقيقي كبيراً بما يكفي. تم تحقيق الفصل عند $\gamma \ge 1.0$ مع $\ge 960$ تجربة (أو $\gamma \ge 1.5$ مع 480 تجربة)، بينما عند $\gamma \le 0.5$ أو $\gamma=0$، كان النموذج غير قابل للفصل عن RW (عوامل بايز قريبة من 1).

الأهمية والادعاءات
تدعي الورقة تقديم مساهمة متواضعة ومحدودة في الطب النفسي الحسابي:

• $\gamma$ هو سكالار محدود، وليس علامة بيولوجية: يُظهر معامل وزن الدقة ($\gamma$) اتساقاً عبر المهام فقط تحت ظروف محددة (كسب كافٍ، عدد كافٍ من التجارب، ومسار برمجي ثابت لـ NUTS). لقد فشل في اختبارات القوة (الشبكة المترافقة، WAIC)، وليس علامة تشخيصية للفصام (حيث لم يختلف $\gamma$ حسب التشخيص في عينة BART؛ بينما اختلف $\beta$، لكن $\beta$ فشل في الاتساق عبر المهام).
• الآلية مقابل البنية: تميز الدراسة بين المعلمات "القابلة للنقل" و"مفاتيح الوضع". يشير فشل H1 إلى أن العديد من معلمات القرار تعتمد على السياق. أما النجاح المشروط لـ H2 فيشير إلى أن التحديث الموزون بالدقة مرشح ليكون نمطاً ظاهرياً حسابياً فقط عندما يكون "كسب الدقة" كبيراً بما يكفي ليكون مميزاً عن معدل التعلم البسيط، وعندما يكون المسار البرمجي للملاءمة ثابتاً.
• قيود الأمانة: تؤكد المؤلفة أن تجميد طبقة OU والإقرار بعدم القدرة على فصل $\gamma$ عن RW عند القيم المنخفضة هي "قيود أمانة". إنهم يحذرون من تفسير الديناميكيات غير المحددة كسمات خاصة بالمرضى.
• الصرامة المنهجية: تعزز هذه الدراسة ضرورة التحقق المتبادل لنقل الهيكلية وفحوصات استعادة المعلمات، حيث يمكن لمعلمة أن تبدو متسقة عبر المهام بموجب قاعدة HDI بايزية بينما تفشل في اختبارات قوة أخرى (ROPE، الشبكة المترافقة، WAIC)، مما يسلط الض الضوء على الحساسية للمسار البرمجي للأنماط الظاهرية الحسابية.

في الختام، تؤكد الورقة أنه بينما يبدو التحديث الموزون بالدقة ($\gamma$) واعداً كعلامة حسابية عبر المهام، فإن فائدته محدودة تماماً بحجم الكسب، وعدد التجارب، والمسار البرمجي للملاءمة. ولا ينبغي تفسيره كأداة تشخيصية سريرية نهائية أو نمط ظاهري وراثي دون مزيد من التحقق الذي يتضمن ركائز عصبية وتصاميم عائلية.