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

技术摘要：精度加权更新显示出当精度增益足够大时具有跨任务一致性，表现为一种受限的计算标记

问题陈述
计算精神病学试图用生成参数（如学习率、精度权重）取代症状学标签，使其作为跨诊断标记或内表型。然而，存在一个关键的张力：在单一实验任务中估计的参数通常被视为可移植的特质，但它们可能只是“任务相关的回归权重”，而非稳定的生物学量。本文探讨了 CPSP-8 模型（一个三层威胁解离框架）中的特定精度加权系数 ($\gamma$) 是否能跨越不同的风险承担任务（气球类比风险任务 [BART] 和 Columbia Card Task [CCTHot]）以及行为探测进行泛化，或者它仅仅是特定任务图谱的产物。本研究专门调查了 $\gamma$ 与其他决策参数（威胁、基线、初始学习率 $\alpha_0$、逆温度 $\beta$、价值增益 $v_{gain}$）以及理论性的 Ornstein-Uhlenbeck (OU) 威胁层的可识别性和跨任务一致性。

方法论
本研究对来自三个 OpenNeuro 数据集的去标识化数据进行了二次分析：

1. D1 (BART): $N=173$（124 名对照组，49 名精神分裂症患者），来自 ds000030。
2. D5 (CCTHot): $N=104$，来自 ds004636。
3. D2 (HierPrior): $N=43$，来自 ds008083，为 $\gamma$ 提供行为探测。

模型架构：
作者采用了 CPSP-8 模型，该模型包含：

• 第一层（理论层）： 用于潜在威胁状态 ($z_t$) 和解离漂移的连续时间 Ornstein-Uhlenbeck (OU) 过程。这些参数 ($\theta, \sigma_{ou}, \kappa, \lambda, onset$) 被固定在基于先前恢复模拟（其中 $\theta$ 恢复度 $r < 0.3$）的群体均值上，以防止将无法识别的动态过程描述为患者特有的特质。
• 第二层（决策层）： 精度门控的 $\delta$-rule。学习率 $\alpha_t$ 根据相对于伯努利不确定性的平方预测误差 ($PE_t^2$) 进行 $\gamma$ 精度加权调节。
• 第三层： 通过 Wald 过程的对数正态近似进行反应时 (RT) 建模。

分析程序：
核心分析使用了层次转移交叉验证 (HTCV)，该程序在查看结果前已完成预注册。与标准的留一受试者交叉验证不同，HTCV 测试了群体层面后验均值在不同任务间的可交换性。

• 一致性标准： 如果任务均值之差 ($\Delta = \mu_{TaskA} - \mu_{TaskB}$) 的 95% 最高密度区间 (HDI) 包含零，则认为该参数在跨任务时是一致的。
• 假设：
  • H1： 所有非 $\gamma$ 决策参数在 BART 和 CCT 之间是一致的。
  • H2： $\gamma$ 在 BART、CCT 和 HierPrior 探测之间是一致的。
  • H3： OU 层在冻结状态下是不可测试的。
  • H4： CPSP-8 在选择和 RT 方面并不比专用模型（随机游走、逻辑回归、DDM、简化版 HGF-2）差。
• 后验审查诊断： 包括 ROPE（实际等效区域）检查、共轭 MAP+SE 敏感性网格（36 种先验和池化变体）、WAIC/LOO-IC 模型比较，以及人口统计学倾向评分加权 (IPW)。
• 可识别性检查： 通过虚拟受试者模拟 (D1d, D1e) 测试了参数恢复度 ($r$) 和家族级可分离性（贝叶斯因子），对比了精度门控模型与随机游走 (RW) 极限 ($\gamma=0$)。

关键结果

1. H1 失败（任务特异性）： 所有非 $\gamma$ 决策参数（$\text{threat}, \text{baseline}, \alpha_0, \beta, v_{gain}$）在 BART 和 CCT 之间均显示出显著差异（95% HDI 排除零）。例如，$\beta$（逆温度）在 BART 中为 1.769，而在 CCT 中为 0.001。作者将其解释为这并非拟合失败，而是证明这些参数充当了适应特定任务结构（如隐藏危险 vs. 显式概率）的“模式开关”。
2. H2 有条件支持（流程敏感的一致性）： 在预注册的 NUTS HDI 规则下，精度加权系数 $\gamma$ 是唯一一个在 BART 和 CCT 之间的 95% HDI 包含零的参数（$\Delta = 0.3835$，HDI $[-0.0084, 0.7826]$）。这种一致性在所有三个对比（BART-CCT, BART-EEG, CCT-EEG）下，在这一特定规则下均成立。
   • 关键局限性： 本文明确指出，这一结果在不同流程间并不稳健。在共轭 MAP+SE 网格上，一致性失效（0/36 个单元格包含零）；它不是 ROPE 等效（HDI 虽然重叠但未被包含在 ROPE 内）；且 WAIC/LOO 倾向于任务特定的 $\gamma$ 模型（$\Delta$WAIC = 146.6）。因此，$\gamma$ 被描述为一种“受限的、流程敏感的跨任务标量”，而非稳定的标记物。
3. H3 证实（不可识别的 OU）： 由于虚拟受试者恢复模拟显示 $\theta$ 的皮尔逊相关系数 $r < 0.3$，OU 层参数保持冻结，因为它们在这些任务中是不可识别的。
4. H4 失败（预测性能）： CPSP-8 并没有优于专用模型。随机游走 (RW) 和逻辑回归在选择 RMSE 上表现更好；DDM 在 RT RMSE 上表现更好。
5. 可识别性与可分离性：
   • $\gamma$ 在个体层面是可恢复的，使用 960 次试验时（中位数 $r \approx 0.66$）。
   • 家族可分离性： 只有当真实的 $\gamma$ 足够大时，模型才能将精度门控机制与随机游走 ($\gamma=0$) 区分开来。当 $\gamma \ge 1.0$ 且试验次数 $\ge 960$ 次（或 $\gamma \ge 1.5$ 且试验次数 $\ge 480$ 次）时，实现了可分离性。当 $\gamma \le 0.5$ 或 $\gamma=0$ 时，模型与 RW 在家族上是不可分离的（贝叶斯因子接近 1）。

意义与主张
本文对计算精神病学做出了适度的、有界限的贡献：

• $\gamma$ 是受限标量，而非生物标志物： 精度加权系数 $\gamma$ 仅在特定条件下（足够的增益、足够的试验次数以及固定的 NUTS 拟合流程）表现出跨任务一致性。它未能通过稳健性检查（共轭网格、WAIC），且不是精神分裂症的诊断性生物标志物（因为在 BART 样本中，$\gamma$ 并不随诊断而异；虽然 $\beta$ 有差异，但 $\beta$ 缺乏跨任务一致性）。
• 机制 vs. 架构： 研究区分了“可移植”参数与“模式开关”。H1 的失败表明许多决策参数是依赖于上下文的。$\gamma$ 的有条件成功表明，只有当“精度增益”足够大以区别于简单学习率，且拟合流程固定时，精度加权才可作为一种计算内表型的候选。
• 诚实约束： 作者强调，冻结 OU 层并承认无法在低值时将 $\gamma$ 与 RW 分离是其“诚实约束”。他们反对将无法识别的动态过程描述为患者特有的特质。
• 方法论严谨性： 本研究强化了层次转移验证和参数恢复检查的必要性，表明一个参数即使在采用贝叶斯 HDI 规则时表现出一致性，也可能在其他稳健性检查（如 ROPE、共轭网格、WAIC）中失败，从而凸显了流程敏感性这一现象。

总之，本文断言，尽管精度加权更新 ($\gamma$) 显示出作为跨任务计算标记的潜力，但其效用严格受限于增益的大小、试验次数以及拟合流程。在缺乏神经锚点和家族设计进一步验证的情况下，不应将其解释为确定的临床诊断工具或遗传内表型。