Identifikation von transdiagnostischen computationalen Biomarkern des Gehirns für soziale Interaktionsstörungen mittels Hyperscanning-Bildgebung

• Antragstellerin: Dr. Edda Bilek
• Fachliche Zuordnung: Klinische Psychiatrie, Psychotherapie und Kinder- und Jugendspychiatrie ; Allgemeine, Kognitive und Mathematische Psychologie
• Förderung: Förderung von 2019 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428694839

Verhalten und Entscheidungen erfordern Lernen über unsere Umwelt und Konsequenzen unserer Handlungen, welche oft unsicher sind. In sozialen Kontexten sind Konsequenzen nicht nur von uns, sondern auch den Entscheidungen anderer abhängig. Dies wird erschwert durch die Reziprozität von Interaktion (meine Entscheidungen beeinflussen die des Partners und umgekehrt), außerdem müssen viele Informationen aus Beobachtungen geschlussfolgert werden (eine lächelnde Person ist freundlich). Paradoxe Entscheidungen (handeln wenn es irrational ist, wie Lotto spielen; nicht handeln obwohl Wahrscheinlichkeiten dafür sprechen, wie Kalorienminderung zur Gewichtsreduktion) sind relevant bei vielen psychiatrischen Erkrankungen, da Störungen der Kausalitätswahrnehmung zum Nachteil der Patienten ein transdiagnostisches Symptom darstellen (z.B., erlernte Hilflosigkeit bei Depression).Ziel des Projektes ist es zum Verständnis sozialer Defizite beizutragen und Biomarker zu finden, welche diagnoseunabhängig individuelle Interaktionsstörungen abbilden. In der Fortführung meines Forschungsstipendiums möchte ich meine Expertise um interpersonelles Lernen erweitern. Hierfür werde ich mit Professor Robin Murphy vom Department of Experimental Psychology der Oxford Universität kollaborieren. Wir erarbeiten ein neues Paradigma zum interpersonellen Lernen und Entscheiden. Hier lernen Probanden Handlung-Konsequenz Kontingenzen und wahrgenommene Sicherheit derer, wobei Konsequenzen immer von Handlungen beider Spieler abhängen.Diese Daten werden in der computationalen Modellierung von sozialer Interaktion genutzt. Ich identifiziere die zentralen Modellparameter, welche vermindertem sozialen Lernen unterliegen. Die basieren vermutlich auf fehlender Aufmerksamkeit für soziale Informationen, oder dysfunktionalen Überzeugungen über soziale Reize. Beides verhindert lernen, also die Aktualisierung vorherigen Wissens. Diese Parameter dienen folgend als Marker für individualisierte Interventionen, welche auf die Bedürfnisse des Patienten abgestimmt sind, unabhängig von der Diagnosekategorie. Folglich erreichen wir ein umfassendes, inklusives computationales Modell von sozialen Interaktionsstörungen.Zusätzlich plane ich einen Aufenthalt bei Professor Read Montague an der Virginia Polytechnic Institute and State University. Dort nutze ich meine computationalen Modelle an einzigartigen opmMEG Daten, welche eine zeitlich hochaufgelöste Untersuchung sozialer Prozesse erlaben. Dies bedeutet eine bedeutsame Erweiterung meiner Expertise und Arbeit. Die Zusammenführung unserer Daten zu neuroökonomischen Paradigmen von Patienten und Kontrollpersonen birgt eine enorme und bis dato nicht vorhandene Datenbasis zur Modellierung sozialer Interaktion.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: Großbritannien
• Gastgeber: Professor Dr. Karl Friston