충동성 같은 심리적 구성개념을 평가하는 데 있어 주요 과제는, 동일한 구성개념을 평가하도록 의도된 자기보고 및 행동 과제 측정치 간의 약한 상관관계이다. 이러한 문제를 해결하기 위해, 참여자가 자기보고 설문지로 포착되는 실제 생활 속 충동적 특성과 유사한 충동적 행동을 흔히 보이게 되는 실시간 운전 과제인 ‘고속도로 과제(highway task)’를 개발하였다. 본 연구에서는 성인 47명(18–33세)을 대상으로, 충동성에 대한 자기보고 측정치가 고속도로 과제의 수행과는 높은 상관을 보이지만, 전통적인 행동 과제 기반 충동성 측정치와는 상관이 없음을 확인하였다. 또한 고속도로 과제 동안 주관적 보상의 동적 변화를 역강화학습(IRL) 알고리즘과 딥 뉴럴 네트워크를 통합하여 추론하였다. 그 결과, 충동적인 참가자들은 비합리적이거나 위험한 상황에 대해 높은 주관적 보상을 부여하는 것으로 나타났다. 전반적으로 본 연구 결과는, IRL과 결합된 실시간 과제를 사용함으로써 자기보고와 행동 과제 측정치 사이의 심리적 구성개념 불일치를 조정하는 데 도움이 될 수 있음을 시사한다.

충동성 같은 심리적 구성개념을 평가하는 데 있어 주요 과제는, 동일한 구성개념을 평가하도록 의도된 자기보고 및 행동 과제 측정치 간의 약한 상관관계이다. 이러한 문제를 해결하기 위해, 참여자가 자기보고 설문지로 포착되는 실제 생활 속 충동적 특성과 유사한 충동적 행동을 흔히 보이게 되는 실시간 운전 과제인 ‘고속도로 과제(highway task)’를 개발하였다. 본 연구에서는 성인 47명(18–33세)을 대상으로, 충동성에 대한 자기보고 측정치가 고속도로 과제의 수행과는 높은 상관을 보이지만, 전통적인 행동 과제 기반 충동성 측정치와는 상관이 없음을 확인하였다. 또한 고속도로 과제 동안 주관적 보상의 동적 변화를 역강화학습(IRL) 알고리즘과 딥 뉴럴 네트워크를 통합하여 추론하였다. 그 결과, 충동적인 참가자들은 비합리적이거나 위험한 상황에 대해 높은 주관적 보상을 부여하는 것으로 나타났다. 전반적으로 본 연구 결과는, IRL과 결합된 실시간 과제를 사용함으로써 자기보고와 행동 과제 측정치 사이의 심리적 구성개념 불일치를 조정하는 데 도움이 될 수 있음을 시사한다.

문제가 되는 게임 개입에 대한 대중의 관심이 널리 확산되어 있음에도 불구하고, 치료 효능의 경험적(실증적) 현황에 관한 의문은 여전히 지속되고 있다. 우리는 과도한 게임에 대한 17개의 심리 개입 연구(n = 745명)를 바탕으로 쌍대 메타분석과 네트워크 메타분석을 수행하였다. 쌍대 메타분석 결과, 심리적 개입은 비활성 대조군보다 과도한 게임을 더 감소시키는 것으로 나타났으며(표준화 평균차 [SMD] = 1.70, 95% 신뢰구간 [CI] 1.27~2.12), 활성 대조군에 대해서도 감소 효과가 관찰되었다(SMD = 0.88, 95% CI 0.21~1.56). 네트워크 메타분석 결과, 인지행동치료(CBT)와 마음챙김(Mindfulness)을 병합한 치료가 과도한 게임을 감소시키는 데 가장 효과적인 개입으로 확인되었고, 그 다음으로 CBT와 가족(Family) 개입의 병합, 마음챙김, 그리고 CBT 단독 치료 순이었다. 포함된 연구 수가 제한되어 있고 그로 인해 확인된 방법론적 우려가 존재하므로, 본 결과는 과도한 게임 개입에 대한 향후 연구를 뒷받침하는 데 도움이 되도록 하는 예비적(preliminary) 해석으로 받아들여져야 한다. 방법론적 엄밀성을 개선하기 위한 권고 사항 또한 논의한다.

충동적 의사결정은 물질 사용 장애(SUD)와 강하게 연관되어 있다. 본 연구에서는 계산적 모델링을 사용하여 자극제 사용자와 아편유사제 사용자 간 의사결정 프로파일의 유사점과 차이점을 조사하였다. 또한 형제 비교(sibling comparison) 설계를 활용하여, 충동적 의사결정이 중독에 대한 가족성 소인(familial liability)의 계산적 표지자(computational marker)로 기능할 수 있는지 확인하고자 하였다. 연구 참여자는 ‘순수한’ SUD를 가진 개인(아편유사제: N=157, 자극제: N=140), 건강한 대조군(N=240), 아편유사제 사용자와 자극제 사용자에 대한 영향받지 않은 형제들(아편유사제: N=67, 자극제: N=52)을 포함하였다. 의사결정은 아이오와 도박 과제(Iowa Gambling Task, IGT), 케임브리지 도박 과제(Cambridge Gambling Task, CGT), 풍선 유사 위험 과제(Balloon Analogue Risk Task, BART), 지연 보상 할인 과제(Delayed Reward Discounting Task, DRDT)를 사용하여 측정하였다. 과제 수행 행동은 위계적 베이지안 모델링(hierarchical Bayesian modeling)으로 분석하고, 집단 수준의 의사결정 계산 파라미터를 비교하였다. 두 물질 사용 집단 모두 DRDT와 CGT에서 더 높은 지연 할인(delayed discounting)을 보였다. IGT에서는 최근의 선택에 더 큰 가중치를 두었으며 먼 과거의 선택보다 최근 선택을 우선시하는 경향을 보였고, 높은 perseveration weight와 낮은 outcome frequency weight로 나타난 바와 같이 과거의 보상보다는 과거의 선택을 우선시하는 경향을 보였다. 이러한 양상은 영향받지 않은 형제들에서도 관찰되어, 이러한 패턴이 중독에 대한 가족성 취약성의 계산적 표지자를 반영할 수 있음을 시사한다. 아편유사제 사용자와 그들의 형제는 IGT와 CGT에서 손실 민감성(loss sensitivity)이 감소되어 있었는데, 이는 아편유사제 중독에 특이적인 가족성 취약성과 연관된 계산적 표지자일 수 있음을 시사한다. 본 연구는 서로 다른 유형의 약물 중독과 연관된 의사결정 취약성의 공통 및 특이적 계산적 표지자를 강조한다. 이러한 표지자 중 일부는 영향받지 않은 형제들에서도 관찰되었는데, 이는 그것들이 가족성 소인을 반영하고 다양한 유형의 중독에 대한 잠재적 내인성 표현형(endophenotype)으로 기능할 수 있음을 시사한다.

“Augustat, N., Lee, E., Ahn, W. Y., Chuang, L. C., Endres, D., Mueller, E.: 도파민 D2 수용체 길항은 건강한 참가자에서 보상 민감성에 대한 항우울제 위약 효과를 조절한다” 원고에 대한 오픈 코드와 데이터를 제공한다. 지침은 “readme.txt” 파일에서 확인할 수 있으며, “RL_Manuscript.tar” 파일에는 전자출판(preprint)이 포함되어 있다. 요약: 본 데이터 세트는 확률적 선택 과제를 수행한 272명의 참가자로 구성되며, 2×2 집단 간 설계(기대: 고/저, 물질: 위약/설피리드 400mg)로 배정되었다. 우리는 참가자의 선택 데이터에 대하여 서로 다른 매개변수 집합을 갖는 총 74개의 위계적 베이지안 강화학습 모델을 적합하였고, 모든 모델에 대해 모델 비교 및 복구(recovery) 점검을 수행하였다. 우승 모델은 세 개의 매개변수(학습률, 역온도, 망각률)로 구성되었으며, 위약 집단에서는 높은 기대에서 학습률이 증가했으나 설피리드 집단에서는 그렇지 않았다. 더 높은 학습률은 보상 민감성의 증가를 시사하며, 기대가 유발하는 보상 민감성의 향상을 의미할 수 있다. 설피리드 400mg은 이 효과를 차단하였는데, 이는 도파민의 조절적 역할을 뒷받침한다.

목적: 중독은 최근 물질사용장애(substance use disorder, SUD)와 행동중독(behavioral addiction, BA)으로 분류되었으나, BA 개념은 여전히 논쟁적이다. 따라서 BA의 기전을 SUD와 동일한 수준으로 이해하기 위해 추가적인 신경과학적 연구가 필요하다. 본 연구는 인터넷 게임장애(internet gaming disorder, IGD)와 알코올사용장애(alcohol use disorder, AUD)를 가진 개인에서 중독의 신경심리학적 및 신경생리학적 양상을 규명하기 위해 머신러닝(machine learning, ML) 알고리즘을 사용하였다. 방법: 우리는 L1-norm 지지벡터머신(L1-norm support vector machine), 랜덤 포레스트(random forest), L1-norm 로지스틱 회귀(L1-norm logistic regression, LR)를 포함하는 ML 알고리즘을 사용하여 IGD 환자와 AUD 환자, IGD 환자와 건강대조군(healthy controls, HCs), 그리고 AUD 환자와 HCs를 구분하는 세 가지 모델을 개발하였다. 모델 학습에는 세 가지 서로 다른 특성 집합을 사용하였다. 즉, 센서 수준 및 소스 수준 특징을 결합한 단일모달 뇌파(electroencephalography, EEG) 특성 집합, 성별·연령·우울·불안·충동성·전반적 인지기능을 포함한 단일모달 신경심리 특성(neuropsychological feature, NF) 집합, 그리고 다중모달(EEG + NF) 특성 집합이다. 결과: IGD와 AUD 분류에 다중모달 특성 집합을 사용한 LR 모델이 다른 모델보다 우수한 성능을 보였다(정확도: 0.712). 모델이 선택한 중요한 특성에 따르면, IGD 집단은 우측 반구내(right intrahemispheric) 영역들 사이의 델타 및 베타 소스 연결성과 구별되는 센서 수준 EEG 활동의 차이를 보였다. NFs 가운데에서는 성별과 연령이 양호한 모델 성능을 위한 중요한 특성이었다. 결론: ML 기법을 활용하여 IGD(BA)와 AUD(SUD) 간의 신경생리학적 및 신경심리학적 유사점과 차이점을 입증하였다.