As bases neurobiolóxicas da anticipación da recompensa e da avaliación dos resultados no trastorno do xogo (2014)

• ¹Clínica de Investigación sobre Trastornos do Xogo, Hospital Universitario Aarhus de Aarhus, Dinamarca; Centro de Neurociencia Funcionalmente Integrativa, Universidade de Aarhus, Aarhus, Dinamarca; Division on Addiction, Cambridge Health Alliance, Cambridge, MA, EUA; Departamento de Psiquiatría, Harvard Medical School, Universidade de Harvard, Cambridge, MA, EUA.

O trastorno do xogo caracterízase por un comportamento inadecuado persistente e recorrente, o que leva a un deterioro ou angustia clínicamente significativa. O trastorno está asociado a disfuncións no sistema dopaminérxico. Os códigos do sistema de dopamina premian a anticipación e a avaliación do resultado. A anticipación da recompensa refírese á activación dopaminérxica antes da recompensa, mentres que a avaliación do resultado refírese á activación dopaminérxica despois da recompensa. Este artigo revisa a evidencia de disfuncións dopaminérxicas na anticipación da recompensa e na avaliación do resultado no trastorno do xogo desde dous puntos de vista: un modelo de predición de recompensas e erro de predición de recompensas por Wolfram Schultz et al. e un modelo de "querer" e "gustar" de Terry E. Robinson e Kent C. Berridge. Ambos modelos ofrecen importantes ideas sobre o estudo das disfuncións dopaminérxicas na adicción e suxírense implicacións para o estudo das disfuncións dopaminérxicas no trastorno do xogo.

Premiar o erro de predicción e predicción

A previsión da recompensa refírese á anticipación da recompensa, mentres que o erro de predicción da recompensa refírese á avaliación do resultado. O erro de predición e recompensa de recompensas está asociado coa aprendizaxe de propiedades de recompensa dos estímulos. Segundo Wolfram Schultz (2006), a predicción de recompensas e o erro de predicción de recompensa derivan de Kamin's regra de bloqueo (Kamin, 1969), o que suxire que unha recompensa que se prevé completamente non contribúe á aprendizaxe. Un estímulo que pode predecerse por completo non contén ningunha nova información, polo que a taxa de erro de predicción de recompensa é nula. Rescola e Wagner describiron o chamado Regra de aprendizaxe de Rescola-Wagner (Rescola e Wagner, 1972), que indica que a aprendizaxe retarda progresivamente a medida que o reforzador se predice máis.

En condicións de resultado binarias aleatorias, por exemplo, recompensa vs. non recompensa, a valor esperado (EV) é o valor medio que se pode esperar dun estímulo dado, que é unha función lineal da probabilidade de recompensa. En contraste, incerteza, que pode definirse como a varianza (σ²) dunha distribución de probabilidade (Schultz et al., 2008), é a desviación cadrada media do EV, que é unha función en forma de U inversa. A codificación de midamina cerebral e estriatal de EV e incerteza segue as funcións lineais e cuadráticas de predicción de recompensas similares ás súas expresións matemáticas (Fiorillo et al., 2003; Preuschoff et al., 2006; Schultz, 2006). O sistema de dopamina tamén codifica desviacións no resultado da predicción de recompensa, é dicir, un erro de predicción de recompensa: "... as neuronas de dopamina emiten un sinal positivo (activación) cando un evento apetito é mellor do previsto, sen sinal (sen cambio de actividade) cando un apetito o evento ocorre segundo o previsto, e un sinal negativo (diminución da actividade) cando un evento apetito é peor do previsto ... [e] as neuronas de dopamina mostran a codificación bidireccional de erros de previsión de recompensas, seguindo a ecuación resposta de dopamina = recompensa ocorreu - (Schultz, 2006, pp. 99 – 100).

Fiorillo et al. (2003) Investigación da activación de dopamina en predicción de recompensas e erro de predicción de recompensas en relación ao EV e incerteza (é dicir, varianza no resultado). No estudo, dous monos foron expostos a estímulos con probabilidades de recompensa variables (P = 0, P = 0.25, P = 0.5, P = 0.75 e P = 1.0). Rexistráronse a taxa de lamido anticipatorio e a activación das neuronas dopaminérxicas no cerebro medio ventral (área A8, A9 e A10). A codificación dopaminérxica da predicción de recompensa medíase como un fásico sinal inmediatamente despois da presentación do estímulo, mentres que a codificación do erro de predicción de recompensa medíase como sinal fásico inmediatamente despois do resultado do estímulo (recompensa ou sen recompensa). A codificación dopaminérxica da incerteza medíase como un sostido sinal da presentación do estímulo ao resultado.

Os autores informaron de tres resultados principais. En primeiro lugar, as probabilidades de recompensa dos estímulos correlacionáronse coa taxa de lamido anticipatorio e coa resposta anticipada da dopamina fásica. Isto suxire que a probabilidade de recompensa reforzou a activación dopaminérxica ea resposta comportamental. En segundo lugar, a resposta de dopamina sostida cara á incerteza seguiu as propiedades de varianza, é dicir, era máis grande para estímulos con probabilidade de recompensa 50% (P = 0.5), con estímulos menores P = 0.75 e P = 0.25 e os máis pequenos con estímulos P = 1.0 e P = 0.0. En terceiro lugar, os estímulos recompensados ​​con menor probabilidade de recompensa tiñan unha resposta de dopamina fásica maior despois da recompensa, o que suxire un sinal de erro de predicción de recompensa positiva maior; Os estímulos recompensados ​​con maior probabilidade de recompensa tiñan unha menor resposta de dopamina fásica despois da recompensa, o que suxire un menor sinal de erro de predicción.

Os estudos neurobiolóxicos dos xogos de azar en humanos apoian a evidencia de predición de recompensas e erros de predicción de recompensas. Abler et al. (2006) empregou resonancia magnética funcional (fMRI) para investigar a predicción de recompensas e o erro de predicción de recompensas nunha tarefa de incentivos onde os participantes mostráronse cinco cifras asociadas a diferentes probabilidades de recompensa (P = 0.0, P = 0.25, P = 0.50, P = 0.75, e P = 1.0). Os resultados mostraron unha importante activación dependente do nivel de osíxeno no sangue (BOLD) na NAcc, que era proporcional á probabilidade de recompensa. Ademais, houbo unha interacción significativa entre o resultado e a activación de BOLD no NAcc, onde a activación de BOLD foi maior cando os estímulos de baixa probabilidade foron recompensados ​​e inferiores cando se recompensaron estímulos de alta probabilidade.

Preuschoff et al. (2006) utilizou unha tarxeta de adiviñación para investigar a relación entre risco e incerteza en relación á recompensa anticipada. A tarefa consistía en tarxetas 10 que van desde 1 a 10, onde se tiraron dúas cartas na sucesión. Antes do debuxo da segunda tarxeta os participantes tiveron que adiviñar se a primeira tarxeta sería superior ou inferior á segunda. Os resultados mostraron que a probabilidade de recompensa estaba asociada linealmente á activación BOLD inmediata: a probabilidade de recompensa máis alta estaba asociada cun maior sinal anticipado inmediato BOLD, e unha menor probabilidade de recompensa asociouse cun menor sinal anticipado inmediato. En contraste, a incerteza mostrou unha relación en forma de U inversa coa activación BOLD tardía: as sinais anticipadas de BOLD máis altas foron vistas ao redor da máxima incerteza (P = 0.5) e as máis baixas sinais anticipadas BOLD foron vistas ao redor da máxima certeza (P = 1.0 e P = 0.0).

Os estudos neurobiolóxicos apoian a noción de disfuncións dopaminérxicas da anticipación da recompensa no trastorno do xogo. van Holst et al. (2012) Comparou aos pacientes con trastornos de xogo 15 con controis sans 16 nun estudo fMRI que investiga a anticipación da recompensa nunha tarefa de adiviñación de cartas. Os enfermos de trastornos de xogo mostraron un aumento significativo na activación de BOLD no estriado ventral bilateral e no córtex orbitofrontal esquerdo cara a EV relacionada coa ganancia. Isto suxire un aumento de activación BOLD cara á anticipación da recompensa. Non se atoparon diferenzas na activación BOLD cara á avaliación dos resultados. Linnet et al. (2012) compararon os pacientes con trastornos de xogo de 18 e os controis saudables 16 nun estudo de tomografía por emisión de positrones (PET) usando a tarefa de xogo de Iowa (IGT). A liberación de dopamina no estriado das enfermidades de trastornos de xogo mostrou unha significativa curva en U inversa coa probabilidade de un rendemento IGT vantaxoso. Pacientes con desorde de xogo con máxima incerteza no resultado (P = 0.5) tiña unha liberación de dopamina maior que as persoas con rendemento IGT máis próximas a certos beneficios.P = 1.0) ou certas perdas (P = 0.0). Isto é consistente coa noción de codificación dopaminérxica da incerteza. Non se atopou ningunha interacción entre a liberación de dopamina e a incerteza entre os suxeitos de control saudable, o que podería suxerir un reforzo máis forte do comportamento do xogo entre os que sofren os trastornos do xogo. Polo tanto, no trastorno de xogo a anticipación dopaminérxica de recompensa e incerteza pode representar unha anticipación disfuncional de recompensa, o que reforza o comportamento do xogo a pesar das perdas.

Na avaliación de resultados, as probas suxiren unha resposta de dopamina enmaturada en pacientes con trastornos de xogo. Reuter et al. (2005) Comparou aos pacientes con trastornos de xogo 12 con controis sans 12 nunha tarefa de adiviñación de cartas. Os enfermos de trastornos de xogo mostraron unha resposta BOLD significativamente menor no estriado ventral cara á vitoria en comparación cos controis sans. Ademais, os que padecen trastornos de xogo mostraron unha significativa correlación negativa entre a activación e a gravidade de BOLD nos síntomas do xogo, o que suxire unha avaliación dos resultados sen problemas no trastorno do xogo.

Unha das limitacións do modelo de erro de predicción e predicción de recompensas é que non é unha teoría da dependencia ou o trastorno do xogo, per se. Noutras palabras, mentres que o aumento da activación dopaminérxica cara á incerteza podería ser un mecanismo central no reforzo do comportamento do xogo, non explica por que algunhas persoas fanse adictos ao xogo, mentres que outras non. En contraste, o modelo de sensibilización e incentivos suxire que o comportamento adictivo está asociado a unha combinación de reforzo dopaminérgico e cambios no sistema de dopamina (sensibilización) tras a exposición repetida ás drogas.

Modelo de sensibilización e sensibilización de "querer" e "gustar"

Terry E. Robinson e Kent C. Berridge (Robinson e Berridge, 1993, 2000, 2003, 2008; Berridge e Aldridge, 2008; Berridge et al., 2009) propuxeron un sensibilización de incentivos modelo, que distingue o pracer ("gusto") do saliente de incentivo ("querendo") en dependencia. "Querer" está asociado coa anticipación da recompensa, mentres que "gusto" está asociado coa avaliación de resultados.

O modelo de sensibilización e incentivo céntrase no sistema de dopamina como base neurobiolóxica fundamental da adicción. O estriado ventral e o seu principal compoñente da NAcc están asociados coa adicción. Os cambios no sistema de dopamina asociados á exposición ás drogas fan que os circuítos cerebrais sexan hipersensibles ou "sensibilizados" a drogas ou indicacións de drogas. A sensibilización por exposición repetida a medicamentos tamén pode ocorrer a nivel de actividade psicomotora ou locomotora. A sensibilización está ligada ao incremento da importancia dos incentivos, que é o proceso cognitivo asociado á busca de drogas e ao comportamento de toma de drogas. A importancia de incentivos ("querer") refírese a un estado de motivación, que pode ser consciente ou inconsciente, orientado a obxectivos ou non orientado a obxectivos, e agradable ou non agradable:

"As comiñas ao redor do término" querer "serven de salvedade para recoñecer que a importancia de incentivos significa algo diferente do sentido común da linguaxe común da palabra que quere. Por unha banda, "querer" no sentido de incremento de incentivos non precisa ter un obxectivo consciente nin un obxectivo declarativo ... A importancia de incentivos pode separarse das crenzas e obxectivos declarativos que constitúen aspectos cognitivos do "querer" "(Berridge e Aldridge, 2008, pp. 8 – 9).

O saliente de incentivación ("querendo") aumenta tras a exposición repetida a drogas e pistas de drogas, mentres que o pracer ("gusto") permanece igual ou diminúe co tempo. O modelo de sensibilización e incentivación de "querer" e "gustar" ofrece unha explicación para o aparente paradoxo de que os individuos con trastorno de uso de substancias teñen un desexo maior de drogas a pesar de ter menos pracer de tomalos. Identificáronse "hotspots" de incentivos no NAcc: a activación na capa de NAcc medial está claramente asociada a "gusto", mentres que a activación en todo o NAcc (particularmente en torno ao pallidum ventral) está asociada a "querer" (Berridge et al., 2009).

A sensibilización por incentivos define a relación entre a importancia e a sensibilización. A importancia dos estímulos debe unirse á sensibilización para ter en conta o comportamento adictivo: o aumento da unión á dopamina non define a sensibilización por incentivos, senón que aumenta a unión de dopamina en relación con determinadas indicacións; a actividade locomotora non indica a sensibilización por incentivos, pero a execución de drogas; a preocupación psicomotora non indica a sensibilización por incentivos, pero a obsesión por tomar drogas. Polo tanto, o simple reforzo do comportamento é insuficiente para ter en conta o comportamento adictivo.

"A idea central é que as drogas adictivas alteran de forma permanente os sistemas cerebrais relacionados co NACC que median unha función básica de motivación-incentivo, a atribución de importancia de incentivos. Como consecuencia, estes circuítos neuronais poden converterse en duraderos hipersensibles (ou “sensibilizados”) aos efectos específicos da droga e aos estímulos asociados á droga (mediante a activación por asociacións de SS). O cambio cerebral inducido por drogas chámase sensibilización neuronal. Propuxemos que isto leva psicoloxicamente a atribución excesiva de potenciais de incentivos ás representacións relacionadas coas drogas, o que provoca que "queren" patoloxicamente tomar drogas "(Robinson e Berridge, 2003, p. 36).

Berridge e Aldridge2008) ofrecen un exemplo do enfoque de sensibilización e incentivación da investigación en adicción. Neste enfoque, os animais son adestrados en dúas condicións: primeiro, os animais están acondicionados para traballar (presione unha panca) para obter recompensas (por exemplo, pelotas de alimentos) e deben continuar traballando para gañar recompensas. Nunha sesión de adestramento separada, os animais reciben recompensas sen ter que traballar para elas, onde cada recompensa está asociada a un tono auditivo para 10 – 30 s, que é o estímulo condicionado (CS +). Despois do adestramento, os animais son probados nun paradigma de extinción onde o "querer" mídese como o número de palancas que o animal está disposto a realizar sen recibir unha recompensa. Como os animais non reciben recompensas, o "querer" non está confundido polo consumo de recompensa. A clave do paradigma é probar os cambios no comportamento cando o estímulo auditivo condicionado introdúcese durante diferentes estados inducidos por fármacos. Nunha serie de estudos, Wyvell e Berridge (2000, 2001) mostraron que as ratas inxectadas con microinxeccións de anfetaminas na capa de NAcc tiñan presións de panca significativamente maiores cando se introduciu o estímulo auditivo acondicionado en comparación con ratos inxectados con microinxeccións salinas. Nun experimento relacionado, Wyvell e Berridge (2000, 2001) descubriu que as medidas de gusto (reacción facial ao recibir unha recompensa de azucre) non diferían se os animais recibiron microinjeccións salinas ou anfetaminas. Estes descubrimentos suxiren que a anfetamina está asociada cun aumento de "querer" de disparo, pero non con maior pracer ("gusto") de recibir a recompensa.

As suxestións do modelo de sensibilización e incentivación do aumento de "desexo" e dependencia do modelo de consecuencia son consistentes cos descubrimentos da literatura sobre trastornos do xogo de aumento da activación da dopamina á recompensa prevista (Fiorillo et al., 2003; Abler et al., 2006; Preuschoff et al., 2006; Linnet et al., 2011a, 2012) e activación da dopamina ao final da recompensa (Reuter et al., 2005). Estes resultados suxiren que as disfuncións dopaminérxicas cara a anticipado as recompensas, en vez de recompensas reais, reforzan o comportamento do xogo entre os que sofren os trastornos do xogo. A sensibilización do sistema de dopamina cara a recompensas anticipadas en lugar de recompensas pode explicar por que as persoas que sofren desordes de xogo seguen xogando a pesar das perdas e poden desempeñar un papel central na formación de percepcións erróneas sobre a probabilidade de gañar con xogos de azar (Benhsain et al., 2004).

Unha das limitacións do modelo de sensibilización por incentivos é que os individuos con trastorno de uso de substancias teñen menor liberación de dopamina e menor dispoñibilidade de receptores de dopamina a pesar de ter aumentado a sensibilización de incentivos:

"Non obstante, hai que recoñecer que a literatura actual contén resultados contraditorios sobre cambios na dopamina cerebral en adictos. Por exemplo, informouse de que os adictos á cocaína desintoxicados realmente mostran unha diminución na liberación de dopamina evocada no canto do aumento sensibilizado descrito anteriormente ... Outro achado en humanos que parece inconsistente coa sensibilización é que aos adictos á cocaína reportan baixos niveis de receptores D2 de dopamina estriada mesmo despois dunha longa abstinencia ... Isto suxire un estado hipodopaminérgico e non un estado sensibilizado "(Robinson e Berridge, 2008, p. 3140).

Aínda que se reportan menores potenciais de unión nos trastornos do uso de substancias, non hai evidencias de diminuír o potencial de unión na literatura de trastornos do xogo (Linnet, 2013). Polo tanto, o trastorno de xogo pode servir como un trastorno "modelo" para o modelo de sensibilización e incentivos, xa que o xogo non é confundido pola inxestión de substancias exógenas.

Implicacións da anticipación da recompensa e da avaliación dos resultados no trastorno do xogo

Os modelos de Schultz et al. e Robinson e Berridge ofrecen información importante sobre o estudo sobre o trastorno de xogo. O modelo de predición e predicción de recompensas por recompensas de Schultz et al. ofrece unha explicación para o reforzo comportamental da anticipación da recompensa na adicción, mentres que o modelo de sensibilización e incentivo de Robinson e Berridge explica os mecanismos de "querer" e "gustar" en dependencia. Ao mesmo tempo, o trastorno do xogo pode servir como trastorno "modelo" para abordar certos aspectos dos dous modelos.

En primeiro lugar, os niveis máis baixos de potenciais de unión reportados no trastorno do uso de substancias non se ven no trastorno do xogo (Linnet et al., 2010, 2011a,b, 2012; Clark et al., 2012; Boileau et al., 2013). Isto pode suxerir que a sensibilización por incentivos pode ocorrer independentemente da conexión de dopamina basal en apoio do modelo de sensibilización e incentivo.

En segundo lugar, mentres os estudos de Fiorillo et al. (2003) e Preuschoff et al. (2006) apoian a noción de activación anticipada anticipada da dopamina cara á incerteza, necesítanse máis investigacións para determinar se este mecanismo está asociado ou non a disfuncións dopaminérxicas no trastorno do xogo.

En terceiro lugar, a literatura sobre trastornos do xogo suxire unha maior activación cerebral cara á anticipación da recompensa e á activación sen problemas cara á avaliación dos resultados. Isto é consistente coa suxestión do modelo de sensibilización de incentivos dun aumento de "desexo" pero diminución do "gusto" na dependencia e da noción de activación anticipada de dopamina anticipada na previsión de recompensas. A disfunción dopaminérxica na anticipación da recompensa pode constituír un mecanismo común de adicción, porque ocorre en ausencia de recompensa. Polo tanto, a anticipación da recompensa pode ter unha función (dys) similar, se a recompensa é comida, drogas ou xogo. Outros estudos deberían abordar a recompensa na avaliación e avaliación dos resultados no trastorno do xogo.

Declaración de conflito de intereses

O autor declara que a investigación foi realizada en ausencia de relacións comerciais ou financeiras que puidesen interpretarse como un potencial conflito de intereses.

Grazas

References