Markov computational modeling to predict opioid vs. money choice and behavioral effort in regular heroin users
这项研究表明，通过分析决策延迟和努力差异如何影响在药物奖励与金钱奖励之间重复或切换选择的倾向，马尔可夫计算模型能够准确预测海洛因常规使用者寻求阿片类药物的行为及努力支出。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
成瘾常被描述为两种力量之间的斗争：药物那排山倒海般的诱惑，以及正常生活的竞争性拉力。几十年来，科学家们一直试图理解大脑是如何权衡这些选项的。选择使用药物是一种僵化的、自动化的反射，像是一台无法停止的机器吗？还是一个根据情况、成本和可用替代方案而变化的灵活决策？为了回答这个问题，研究人员观察人们在通过劳动赚取药物或其他东西（如金钱）时是如何做出选择的。他们测量一个人决策的速度以及愿意投入多少努力。通过研究这些微小的、瞬时的决策，研究人员希望看到引导行为的隐藏规则，从而超越简单的观察，深入理解为什么一个人即使在其他选择就在眼前时，仍会不断伸手索求药物。
韦恩州立大学的一个研究小组致力于构建一个能够实时预测这些选择的计算机模型。他们每次研究二十三到三十六名处于非戒毒状态的长期海洛因使用者。为了确保参与者不是仅仅为了缓解戒断痛苦而选择药物，研究人员首先使用丁丙诺啡使他们稳定下来，这种药物可以缓解戒断症状，但不会阻断其他阿片类药物的效果。参与者稳定后，他们进入一个受控的房间，面临一系列选择。在电脑屏幕上，他们可以通过点击按钮来赚取少量的金钱或一剂氢吗啡（一种强效阿片类药物）。难点在于，每进行一次选择，赚取奖励所需的劳动量就会变得更难。如果参与者选择了一次药物，那么下次想要药物时，他们就必须点击更多次鼠标。同样的规则也适用于金钱。这种被称为“递增比例”的设置，迫使参与者决定他们愿意为每种奖励付出多少努力。
研究人员记录了每一次点击、每一次停顿以及在药物与金钱之间的每一次切换。他们注意到一个清晰的模式：大多数时候，人们会坚持之前的选择。如果他们选择了一次药物，他们极有可能立即再次选择它。这种重复发生的概率约为百分之八十。然而，研究人员想知道是什么促使某人打破这种模式并转向另一个选项。他们建立了一个数学模型，即一种计算机模拟，来测试两个主要观点。首先，他们观察了“努力差异”，即下一轮获取药物与获取金钱之间的难度差异。其次，他们观察了决策速度与前一轮相比的变化。他们将这些数据输入到一个旨在预测一个人是会重复选择还是切换的选择模型中。
结果令人震惊。该计算机模型能够以百分之九十三的准确率预测一个人会坚持原有选择还是转向其他选项。这种高度的成功表明，持续使用药物或转向其他选项的决定并非随机或纯粹的强迫行为。相反，它对特定时刻的具体条件高度敏感。模型显示，当获取药物所需的努力远高于获取金钱的努力时，人们更有可能发生切换。同样，如果一个人在做决策时耗时较长，这预示着他们在下一轮更有可能改变主意。决策的速度也很重要。那些非常快速做出药物选择的人倾向于持续选择药物，并愿意付出更多努力去获取它。而那些在选择药物前犹豫不决的人，则更有可能在下次尝试时转向金钱。
研究还揭示了个人差异如何塑造这些选择。近期使用过可卡因的参与者在选择金钱选项时，比选择药物所需的时间要长得多，这表明他们对金钱的重视程度较低。然而，当研究人员将金钱金额从两美元增加到四美元时，这种差异消失了，参与者开始更快地做出金钱选择。这一发现挑战了成瘾是一种不可改变状态的观点。相反，它表明药物的价值是相对的；如果替代奖励变得足够有吸引力，大脑就会重新计算选择。一个人在一次环节中的第一次选择，是其后续行为的强大预测因子。那些首先选择药物的人往往会为了获取药物而付出更多的努力和时间，而那些首先选择金钱的人则更有可能坚持那条路径。
研究人员得出结论，寻药行为是习惯与目标导向思维的结合。它不是一种忽视周围环境的盲目强迫症。参与者一直在权衡行动的成本与回报，并且当平衡发生变化时，他们的行为也会随之改变。通过使用追踪努力程度和速度的微小变化的模型，这项研究提供了一种看待成瘾的新方式——即不将其视为一种固定的特质，而是一个响应环境的动态过程。研究表明，如果我们能理解促使一个人从药物转向非药物奖励的具体因素，我们或许就能设计出更好的方法，帮助他们在现实生活中完成这种转变。该研究并未声称已经解决了成瘾问题，但它确实提供了一张关于这些选择究竟是如何一次又一次通过点击而做出的、基于数据的清晰地图。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。