Facultad de Psicología Trabajo de Fin de Grado
Revisión teórica: Esquizofrenia desde la neuropsicología computacional
Arnau Ramoneda Muñoz Grado de Psicología
Año académico 2020-2021
Trabajo tutelado por Francisco Barceló Galindo Departamento de Psicología
Palabras clave del trabajo: neurociencia computacional, esquizofrenia, cerebro bayesiano, Karl Friston.
Resumen:La esquizofrenia se define como un trastorno mental grave que se caracteriza por una distorsión del pensamiento, las percepciones, las emociones, el lenguaje, la conciencia de uno mismo y la conducta. Este trabajo tiene como objetivo estudiar dicho trastorno desde la neuropsicología computacional, una especialización dentro de la psicología en la cuál se utilizan modelos matemáticos y análisis teóricos para observar y comprender los principios subyacentes en el desarrollo, estructura y funcionamiento del sistema nervioso. Para ello, en el presente trabajo se revisarán las principales teorías y modelos de la esquizofrenia desde la perspectiva clásica y desde la computacional. Autores como Karl Friston y visiones como la del cerebro bayesiano serán abordadas en dicha revisión.
Palabras clave:neurociencia computacional, esquizofrenia, cerebro bayesiano, Karl Friston.
Abstract:Schizophrenia is defined as a serious mental disorder characterized by a distortion of thoughts, perceptions, emotions, language, self-awareness and behavior.
This work aims to study this disorder from computational neuropsychology, a
specialization within psychology in which mathematical models and theoretical analysis are used to observe and understand the underlying principles in the development, structure and functioning of the nervous system. To do this, in the present work the main theories and models of schizophrenia will be reviewed from the classical
perspective and from the computational. Authors such as Karl Friston and visions such as the Bayesian brain will be addressed in this review.
Key words:computational neuroscience, schizophrenia, Bayesian brain, Karl Friston.
ÍNDICE
1. MARCO TEÓRICO, METODOLOGÍA Y OBJETIVOS 4
2. INTRODUCCIÓN: neuropsicología computacional y esquizofrenia 5
2.1 La neuropsicología computacional 5
2.2 Definición, etiología y epidemiología de la esquizofrenia 7 2.3 Diagnóstico, detección y tratamiento de la esquizofrenia 11 2.4 Correlatos neurobiológicos de la patología 15
3. HIPÓTESIS Y MODELOS EXPLICATIVOS DE LA ESQUIZOFRENIA 17
3.1 Hipótesis y modelos clásicos 17
3.2 Aproximación de la neuropsicología computacional 20
4. EL CEREBRO BAYESIANO 23
4.1 Autor: Thomas Bayes 23
4.2 El teorema de Bayes y el papel de la probabilidad 23 4.3 El cerebro Bayesiano y la esquizofrenia 24
5. LA ESQUIZOFRENIA DESDE LA NEUROPSICOLOGÍA
COMPUTACIONAL 26
6. CONCLUSIONES 30
7. REFERENCIAS BIBLIOGRÁFICAS 31
1. Marco teórico, metodología y objetivos
Marco teóricoEl trabajo que se expone a continuación trata de aportar literatura científica actual sobre la perspectiva de la neuropsicología computacional en la esquizofrenia.
Primeramente, se define qué es la neuropsicología computacional y qué otras
disciplinas se encuentran próximas a su campo. A continuación, se procede a definir el concepto de esquizofrenia, se aportan datos de la etiología y epidemiología del
trastorno, así como los principales procedimientos de detección, diagnóstico y
tratamiento de la esquizofrenia. También se revisan los datos disponibles acerca de los correlatos neurobiológicos de la esquizofrenia. Hipótesis y modelos tanto clásicos como computacionales son presentados, además de aportar información acerca del cerebro bayesiano en relación con la esquizofrenia y asimismo con la hipótesis de desconexión propuesta por Karl Friston. Finalmente se dedica un apartado de conclusiones para ofrecer una reflexión final acerca del tema central del trabajo.
Objetivos de la revisión
1- Reunir información científica actual acerca de la esquizofrenia desde una perspectiva neuropsicológica computacional.
2- Investigar los conceptos principales del cerebro bayesiano y la hipótesis de la desconexión.
3- Presentar las principales teorías y modelos desarrollados en los últimos años acerca de la esquizofrenia desde la neurociencia computacional.
Procedimiento metodológico
La adquisición de los datos y la información sobre la temática se ha obtenido a través de una revisión sistemática en diferentes bases de datos científicas reconocidas
internacionalmente: Dialnet, Scopus, PsycArticles y ScienceDirect. Además, se ha utilizado como principal buscador académico Google Scholar.
Con el fin de obtener la información más reciente se realizó una búsqueda sistemática de artículos científicos de los últimos años utilizando palabras clave cómoneurociencia computacional, esquizofrenia, cerebro bayesiano y Karl Friston.
2. Introducción: neuropsicología computacional y esquizofrenia
2.1 La neuropsicología computacional
La neuropsicología computacional es una especialización dentro de la psicología en la cual se utilizan modelos matemáticos y análisis teóricos para poder observar y
comprender los principios subyacentes en el desarrollo, estructura y funcionamiento del sistema nervioso (Sun, 2008; Trappenberg, 2010).
Según Maia et al. (2017), la psiquiatría computacional basada en la teoría tiene como objetivo utilizar teorías matemáticamente rigurosas para ayudar a comprender y tratar mejor los trastornos psiquiátricos. La psiquiatría computacional basada en la teoría proporciona un marco para asegurar que sean rigurosos, consistentes y cuantitativos.
Otras disciplinas como la inteligencia artificial y la ciencia cognitiva han realizado aportaciones considerables para la formulación de modelos computacionales (Fig. 1).
Figura 1. Los modelos computacionales reciben aportaciones de disciplinas distintas, tales como la inteligencia artificial, la ciencia cognitiva y la neurociencia computacional (Kriegeskorte et al, 2018)
En el campo de la neuropsicología computacional existen multitud de modelos propuestos por diferentes autores acerca de la cognición humana. Uno de ellos es el propuesto por Sun, Coward, & Zenzen (2005). Se trata de un modelo jerárquico compuesto por cuatro niveles.
Figura 2. Modelo cognitivo computacional jerárquico compuesto por cuatro niveles (Sun, Coward &
Zenzen, 2005).
Nivel 1: se trata del nivel sociológico. En él, encontramos las conductas colectivas, los procesos entre diferentes agentes y los procesos socioculturales. Además, se incluyen las interacciones entre los agentes y sus entornos físicos y socioculturales.
Nivel 2: en segundo lugar, encontramos el nivel psicológico. Las conductas individuales, las creencias, los conceptos y las habilidades forman parte de este segundo nivel. Cabe destacar que los procesos emocionales, atenciones y perceptivos también forman parte del nivel psicológico.
Nivel 3: este nivel se denomina componencial o de componentes. Los procesos intra agente son los que conforman este nivel. Los procesos cognitivos se analizan a partir de análisis funcionales, estructurales o a través de ambos.
Nivel 4: finalmente se establece el nivel fisiológico, el cuál hace referencia a los sustratos biológicos y/o a la implementación de la computación. Este nivel es la base por la cuál se rigen a posteriori los niveles superiores. Los procesos más básicos de este nivel posibilitan el funcionamiento de los procesos más complejos.
Es importante indicar que estos niveles interactúan los unos con los otros, no se deben entender como niveles aislados que funcionan de forma independiente. Todo lo
contrario, existen fronteras difusas entre los niveles y multitud de fenómenos cognitivos se producen a partir de interacciones entre múltiples niveles.
2.2 Definición, etiología y epidemiología de la esquizofrenia (1) Definición
La esquizofrenia se define como un trastorno mental grave que se caracteriza por una distorsión del pensamiento, las percepciones, las emociones, el lenguaje, la conciencia de sí mismo y la conducta (World Health Organization, 2019). Algunas de las
experiencias más frecuentes que presentan las personas con este trastorno son las alucinaciones y delirios. Por lo tanto, se trata de un trastorno de carácter crónico que afecta en gran medida las capacidades de razonamiento y de percepción de las personas que la padecen. Además, afecta a todas las áreas vitales, es decir, la esfera social, laboral y personal.
La esquizofrenia es un síndrome complejo con una combinación heterogénea de síntomas. De una forma característica, sin que llegue a ser exclusivo, los síntomas de la esquizofrenia pueden dividirse en ‘positivos’, ‘negativos’ y ‘cognitivos’ (Kahn et al., 2015). Estos mismos investigadores definen los síntomas positivos como
comportamientos y pensamientos que normalmente no están presentes, como por ejemplo los delirios, alucinaciones y el habla y comportamiento desorganizados.
Ejemplos de síntomas negativos son el retraimiento social, el aplanamiento afectivo, la anhedonia (incapacidad de sentir placer) y la disminución de la iniciativa y la energía.
Finalmente, los síntomas cognitivos se expresan como un conjunto amplio de disfunciones cognitivas, como por ejemplo una reducida memoria de trabajo o un control cognitivo pobre.
Cabe destacar que a lo largo de las décadas ha ido cambiando el concepto de esquizofrenia. Uno de los cambios más importantes en su reconceptualización como un trastorno del desarrollo neurológico es la noción de trayectoria de la enfermedad.
Las cuatro etapas de la esquizofrenia irían desde el riesgo hasta el pródromo, pasando por la psicosis y terminando en la discapacidad crónica (Insel, 2010).
- Fase I: en ella se engloban todos los factores de riesgo relacionados con el trastorno. Existen factores genéticos y ambientales relacionados con la esquizofrenia, así como indicadores cognitivos y predictores psicológicos que predisponen a la vulnerabilidad ante la esquizofrenia.
- Fase II: se define como un estado de riesgo alto o pre-psicosis. El pródromo se identifica a partir de cambios en los pensamientos, aislamiento social y un funcionamiento deficiente (por ejemplo, un rendimiento escolar reducido).
- Fase III: esta fase es la psicosis, la cual se manifiesta por alucinaciones,
- Fase IV: la última fase de la esquizofrenia implica un estado de discapacidad crónica.
(2) Etiología
A pesar de que la esquizofrenia y los trastornos psicóticos son las alteraciones psicopatológicas que desde hace más años han recibido la atención de la
investigación psiquiátrica para determinar cuáles son las causas, a día de hoy, la etiología y la etiopatogénesis de esta clase diagnóstica, siguen sin estar bien establecidas (Raduà et al., 2018). El modelo que ha recibido mayor apoyo empírico sugiere que la etiología de los trastornos psicóticos, como la esquizofrenia, implica factores de riesgo genéticos y ambientales, así como las interacciones entre ellos (Raduà et al., 2018).
Se plantea la hipótesis de que la esquizofrenia es el resultado de interacciones complejas entre factores de riesgo genéticos y ambientales que afectan al desarrollo temprano del cerebro y la trayectoria de la adaptación biológica a las experiencias vitales (Kahn et al, 2015, p.3). El principal factor de riesgo en solitario para el desarrollo de un trastorno psicótico es tener un familiar de primer grado que tenga alguno de estos trastornos. Es decir, son un tipo de trastornos altamente heredables y que tienen asociado un riesgo genético muy importante. A partir de diversos estudios realizados con gemelos se estimó que la concordancia entre gemelos monocigóticos era de entre un 42% y un 50%, mientras que en el caso de los dicigóticos era de entre un 3,9% y un 4,1%. Estos datos indican que la contribución genética supondría entre un 83% (IC 74 – 90) y un 88% (IC 83.92) (Cardno & Gottesman, 2000). Además, el riesgo de que un hijo tenga esquizofrenia cuando ambos progenitores tienen el trastorno es de un 27,3% (Gottesman, Lausen, Bertlsen y Mortensen, 2010).
Los factores de riesgo ambientales con mayor soporte y evidencias hacen referencia a condiciones sociodemográficas, factores perinatales y otros antecedentes presentes durante la primera infancia (Raduà et al., 2018). Estos son:
- Haber pasado por un estado de alto riesgo para la psicosis - Inmigrantes o minoría étnica
- Vivir en entornos urbanos
- Aislamiento social durante la infancia
- Coeficiente de inteligencia premórbido más bajo - Infección por toxoplasma gondii
Tal y como apunta el modelo más aceptado actualmente por la comunidad científica, parece que nos encontramos ante un trastorno en el que participan determinadas condiciones ambientales y ciertas vulnerabilidades genéticas que se afectan mutuamente, produciendo así una sinergia biológica.
(3) Epidemiología
Según el DSM-5, la prevalencia global de la esquizofrenia está entre el 0,3% y el 0,7%, dependiendo en gran medida del entorno geográfico y social. Un estudio realizado en España llevado a cabo con Real-World Data (RWD) determinó que la prevalencia global de los trastornos del espectro de la esquizofrenia era de 6,2 por cada 1.000 personas. Además, los datos indicaron que eran un 76% más prevalentes en hombres que en mujeres (Orrico et al, 2020).
Cabe destacar que la esquizofrenia, a pesar de su baja prevalencia, se encuentra entre las 15 principales causas de discapacidad en todo el mundo (GBD 2016 Disease and Injury Incidence and Prevalence Collaborators, 2017).
2.3 Diagnóstico, detección y tratamiento de la esquizofrenia (1) Diagnóstico
El diagnóstico de esquizofrenia es un cambio vital para las personas que lo reciben.
Estos motivos y muchos más dejan entrever la gran importancia de un diagnóstico temprano, con el objetivo de conseguir un mejor pronóstico a largo plazo para los pacientes (Riecher-Rössler et al., 2016).
Los criterios diagnósticos de referencia en la actualidad para la esquizofrenia se recogen en el DSM-5 (American Psychiatric Association, 2013) y son los siguientes:
A. Dos (o más) de los síntomas siguientes, cada uno de ellos presente durante una parte significativa de tiempo durante un período de un mes (o menos si se trató con éxito). Al menos uno de ellos ha de ser (1), (2) o (3):
1. Delirios 2. Alucinaciones
3. Discurso desorganizado (p. ej., disgregación o incoherencia frecuente) 4. Comportamiento muy desorganizado o catatónico
5. Síntomas negativos (es decir, expresión emotiva disminuida o abulia)
B. Durante una parte significativa del tiempo desde el inicio del trastorno, el nivel de funcionamiento en uno o más ámbitos principales, como el trabajo, las relaciones interpersonales o el cuidado personal, está muy por debajo del nivel alcanzado antes del inicio (o cuando comienza en la infancia o la adolescencia, fracasa la consecución del nivel esperado de funcionamiento interpersonal, académica o laboral)
C. Los signos continuos de trastorno persisten durante un mínimo de seis meses.
Este período de seis meses ha de incluir al menos un mes de síntomas (o menos si se trató con éxito) que cumplan el criterio A (es decir, síntomas de fase activa) y puede incluir períodos de síntomas prodrómicos o residuales.
Durante estos períodos prodrómicos o residuales, los signos del trastorno se pueden manifestar únicamente por síntomas negativos o por dos o más síntomas enumerados en el criterio A presentes de forma atenuada (p. ej., creencias extrañas, experiencias perceptivas inhabituales).
D. Se han descartado el trastorno esquizoafectivo y el trastorno depresivo o bipolar con características psicóticas porque 1) no se han producido episodios maníacos o depresivos mayores de forma concurrente con los síntomas de fase activa, o 2) si se han producido episodios del estado de ánimo durante los síntomas de fase activa, han estado presentes sólo durante una mínima parte de la duración total de los períodos activo y residual de a la enfermedad.
E. El trastorno no se puede atribuir a los efectos fisiológicos de una sustancia (p.
ej., una droga o medicamento) o a otra afección médica.
F. Si existen antecedentes de un trastorno del espectro del autismo o de un trastorno de la comunicación de inicio en la infancia, el diagnóstico adicional de esquizofrenia sólo se hace si los delirios o alucinaciones notables, además de los otros síntomas requeridos para la esquizofrenia, también están presentes durante un mínimo de un mes (o menos si se trató con éxito).
(2) Detección
En los últimos años se están desarrollando técnicas de detección tempranas que utilizan las señales cerebrales a través de electroencefalogramas (EEG) junto con un sistema de diagnóstico asistido por computadora (CAD) (Sharma & Acharya, 2021). El objetivo final es el de ayudar a los médicos a confirmar su resultado de detección manual y obtener así un diagnóstico más preciso.
Otros enfoques proponen el estudio del procesamiento natural del lenguaje (PNL) en los registros de salud electrónicos (EHR) precisamente para la detección de personas con riesgo de psicosis (Irving et al., 2020). Según estos autores esto puede ayudar a identificar a los pacientes en riesgo de psicosis que requieren evaluación y atención especializada, facilitando la detección más temprana y potencialmente mejorando los resultados de los pacientes.
(3) Tratamiento
Las modalidades de tratamiento en la esquizofrenia han ido cambiando juntamente con el concepto del trastorno a lo largo de las décadas y actualmente están modeladas por el modelo biopsicosocial que conduce a tres pilares de la terapia de la
esquizofrenia (Gaebel et al., 2015).
1. Métodos biológicos: basados en la administración de fármacos antipsicóticos.
Su mecanismo de funcionamiento consiste en bloquear los receptores de dopamina y modular los efectos sobre otros sistemas neurotransmisores del cerebro.
2. Enfoques psicoterapéuticos: fundamentados en las investigaciones acerca de los aspectos psicológicos que se ven afectados como parte de la fisiopatología de la esquizofrenia.
3. Tratamientos psicosociales: interviniendo sobre la búsqueda de la rehabilitación en el lugar de trabajo y sobre los aspectos sociales.
Figura 3. Fundamentos biopsicosociales de un nuevo modelo de atención sanitaria para la esquizofrenia (Gaebel et al., 2015).
Actualmente, los antipsicóticos son el tratamiento farmacológico principal para el tratamiento de la esquizofrenia (Orrico et al, 2020). A pesar de que las guías de práctica clínica sobre la esquizofrenia recomiendan utilizar la monoterapia (Barnes, 2011), existen evidencias de que hay un amplio uso de polifarmacia en la práctica real (Gaviria, 2015).
En cuanto al futuro de los tratamientos de la esquizofrenia, en el mismo estudio de Gaebel et al., (2015), se hace referencia a 5 áreas como las principales tendencias actuales en el desarrollo de nuevos tratamientos para la esquizofrenia:
1. Nuevos agentes farmacológicos.
3. Nuevas terapias somáticas como la estimulación magnética transcraneal o la estimulación cerebral profunda.
4. Mejorar la calidad del servicio de salud mental a través de la implementación de nuevas guías de práctica clínica y desarrollando modelos de atención más efectivos.
5. Desarrollar intervenciones tempranas y personalizadas basadas en las necesidades de cada persona.
2.4 Correlatos neurobiológicos de la patología
En cuanto a los aspectos neurobiológicos y en concreto en la neurotransmisión, existen evidencias que indican la existencia de al menos cuatro anormalidades neuroquímicas, probablemente interconectadas, relacionadas con los
neurotransmisores dopamina, glutamato y el ácido gamma-aminobutírico (GABA) (Barlow, Durand y Hoffmann, 2018; Kahn et al., 2015).
1. Excesiva estimulación de receptores de la dopamina (D2) al sistema mesolímbico.
2. Deficiencia en la estimulación de los receptores dopaminérgicos D1 de la corteza prefrontal.
3. Alteraciones en la actividad prefrontal en la transmisión del glutamato, incluyendo el bloqueo de los receptores NMDA.
4. Actividad reducida de las neuronas GABAérgicas en la corteza prefrontal.
Es característico que las personas con esquizofrenia presenten cambios estructurales en sus cerebros en la región frontotemporal, a lo cual se le atribuye ciertas deficiencias a nivel neuropsicológico (Nickl et al., 2011). A través del metaanálisis llevado a cabo por estos investigadores se evidenció que se han replicado las siguientes alteraciones
-
Sincronización disminuida entre regiones frontales y temporales, siendo este factor un fuerte predictor de tener más tendencia a padecer alucinaciones.Estos descubrimientos han hecho que algunos autores hipoteticen que esta desconexión entre estas regiones sea un mecanismo clave que explique los síntomas centrales de la esquizofrenia, como por ejemplo las alucinaciones auditivas (Ford et al., 2002).
-
Afección del lóbulo temporal medial a través de análisis volumétricos (Shenton et al., 2001). En concreto, se hallaron alteraciones en el grupo laterobasal en la amígdala (Nickl et al., 2011). Son consideradas estructuras clave para laevaluación afectiva de los sentidos, en particular de los canales auditivos y visuales.
-
Activación aberrante de la amígdala en respuesta a estímulos emocionales (Morris et al., 2009).-
Atrofia bilateral en las estructuras talámicas, principalmente en núcleos que proyectan hacia regiones prefrontales y temporales (Fornito et al., 2009).-
Alteraciones en el volumen de los ganglios basales, aunque es altamente discutido por diferentes autores si es debido al tratamiento antipsicótico (Lang et al., 2004) ya que otros autores lo ponen en duda (McClure et al., 2006).Los autores Friston y Frith (1995) proponen una distinción entre patología de primer y de segundo orden. En el primer caso la patología se relaciona con déficits en una región cerebral en concreto, mientras que en el segundo caso existen déficits en las conexiones entre varias áreas cerebrales. Precisamente Ford et al., (2002) hallaron datos neurofisiológicos que sugerían una patología de segundo orden al evidenciarse una desconexión funcional entre regiones frontales y temporales en personas con
(2002, 2020), además de otros autores (Stephan et al., 2006). Más adelante se profundizará acerca del papel de los déficits en las conexiones neuronales en la esquizofrenia.
3. Hipótesis y modelos explicativos de la esquizofrenia
3.1 Hipótesis y modelos clásicos Modelos farmacológicos
Estos modelos en animales fundamentan sus hipótesis en las observaciones obtenidas a través de las alteraciones en varios sistemas de neurotransmisión neuronal.
(1) Dopamina
Los modelos clásicos en animales sistemáticamente se han centrado en los fenómenos relacionados con la dopamina. Esto es debido a que el sistema
dopaminérgico se encuentra estrechamente relacionado con la esquizofrenia (Costall
& Naylor, 1995).
La hipótesis dopaminérgica de la esquizofrenia propone una disfunción en el sistema dopaminérgico que produce los síntomas característicos de este trastorno. En
concreto, se propone que la hiperactividad de las neuronas dopaminérgicas en la región mesolímbica del cerebro produce los síntomas positivos de la esquizofrenia, además de la psicosis. En cambio, los síntomas negativos tendrían su origen a partir de un estado hipo dopaminérgico en los campos terminales frontocorticales de las neuronas dopaminérgicas mesocorticales (Marcotte, Pearson & Srivastava, 2001).
Finalmente, existen evidencias de que los antipsicóticos que se han mostrado eficaces para este trastorno son antagonistas de los receptores dopaminérgicos. En
inducir sintomatología similar a la presentada en estados de psicosis (Costall & Naylor, 1995).
(2) Glutamato
Estudios en animales han demostrado que es posible inducir estados de esquizofrenia no paranoide, especialmente cuando incluye síntomas negativos a través de la
administración de un fármaco denominado PCP, el cual actúa sobre los receptores NMDA. Además, la administración de otros antagonistas de los receptores NMDA inducen síntomas similares a la esquizofrenia en pacientes sanos y provocan estados de psicosis en pacientes con esquizofrenia que han sido previamente estabilizados.
(Marcotte, Pearson & Srivastava, 2001).
(3) GABA
Una actividad reducida de las neuronas GABAérgicas en la corteza prefrontal se ha relacionado con la esquizofrenia. Se ha observado que existe una interacción entre el sistema dopaminérgico y el GABAérgico a través de conexiones directas en la corteza prefrontal. A través de un control inhibitorio sobre los outputs excitatorios en las
neuronas piramidales de la capa III, se producen cambios sustanciales en el desarrollo al final de la adolescencia, siendo esta la edad típica de inicio de la esquizofrenia (Marcotte, Pearson & Srivastava, 2001).
Finalmente, la evidencia de la reducción de los receptores GABA en el lóbulo
temporal, el aumento de los receptores GABA en la corteza cingulada y la reducción de la expresión génica del ácido glutámico descarboxilasa en la corteza prefrontal proporcionan evidencias a favor de la participación del GABA en la esquizofrenia (Marcotte, Pearson & Srivastava, 2001).
Modelo genético e inmunológico (4) Hipótesis de citoquinas
La literatura científica ha relacionado en numerosas ocasiones interacciones entre genética y ambiente como parte crucial de las vulnerabilidades para sufrir
esquizofrenia. Entre ellas encontramos las que hacen referencia a procesos inflamatorios del sistema inmune. En concreto, se ha relacionado a las citoquinas como mediadoras de estos procesos inflamatorios producidos principalmente durante periodos neonatales (Watanabe, Someya & Nawa, 2010).
Se han observado niveles de expresión anormales en algunas citoquinas en los cerebros y en la sangre en pacientes con esquizofrenia. Además, se han observado desregulaciones en la expresión génica de genes relacionados con el sistema inmune e inflamatorio (Watanabe, Someya & Nawa, 2010).
A partir de estos datos la hipótesis de citoquinas señala que errores en la señalización de las citoquinas juegan un papel crucial en la patología de la esquizofrenia. Estos errores producen un desarrollo anormal del cerebro que desemboca en la
adolescencia en las disfunciones cerebrales típicas de la esquizofrenia.
Figura 4. Representación del proceso que establece la hipótesis de citoquinas como posible precursor del desarrollo de la esquizofrenia. Los antígenos activan el sistema inmunológico inflamatorio, el cual reacciona a diversas citoquinas y/o produciéndolas. Diferentes factores genéticos y ambientales
posteriores pueden producir alteraciones en el funcionamiento cerebral, alterando su correcto desarrollo y desembocando en una pérdida sináptica y/o transmisión alterada en la adolescencia y la edad adulta (Watanabe, Someya & Nawa, 2010).
3.2 Aproximación de la neuropsicología computacional (1) Modelo causal dinámico (DMC)
El DMC se trata de un enfoque de carácter genérico que se utiliza para describir la dinámica de las interacciones de los diferentes sistemas neuronales (Stephan, Baldeweg & Friston, 2006). Este tipo de modelo permite cuantificar y llevar a cabo inferencias estadísticas sobre respuestas de regiones cerebrales a nivel de conectividad neuronal. A partir de contextos experimentales como, por ejemplo, la administración de un fármaco es posible observar cambios en la conectividad neuronal de dichas regiones (Stephan, Baldeweg & Friston, 2006).
El DMC se utiliza sobre todo para observar cambios en la conectividad al realizar tareas de aprendizaje en combinación con la administración de diferentes fármacos que tienen ciertos neurotransmisores como target principal. Por ejemplo, la dopamina se encuentra implicado en el aprendizaje emocional, mientras que la acetilcolina es importante para el aprendizaje perceptual (Friston, 2002).
(2) Modelos bayesianos jerárquicos de inferencia perceptual
Estos modelos se caracterizan por seguir la premisa del cerebro bayesiano. Esto es, a partir de la concepción de que los sistemas cerebrales siguen una organización
jerárquica, cada uno de los niveles funciona de tal manera que las discrepancias entre los niveles tienden a ser minimizadas. Los niveles inferiores que envían inputs a los superiores tienden a cumplir las predicciones realizadas por los niveles superiores y
determinar la causa más probable a partir de los datos del mundo sensorial (Stephan, Baldeweg & Friston, 2006). Desde la neuropsicología computacional es básico el uso de fórmulas matemáticas ya que se trata de una visión teórica y determinística. Estas son una herramienta indispensable para poder representar y explicar los fenómenos de los sistemas neuronales. Una de las más básicas para representar la búsqueda de causas es la función determinística no lineal:
En esta funciónuhace referencia al estímulo sensorial,ves un vector de las causas (p.ej. propiedades físicas de un objeto),θson parámetros y el conjunto deg (v, θ)es un modelo generativo (p.ej. en este caso, una función que genera datos sobre las causas de los inputs recibidos) (Stephan, Baldeweg & Friston, 2006).
Cabe recalcar la naturaleza jerárquica de los sistemas neuronales, ya que cada jerarquía construye sus propios a priori. Sin embargo, estos se ven influidos por información recibida de los niveles inferiores, por lo que es altamente importante que la discrepancia entre las predicciones y los inputs recibidos sea mínima. De esta forma, en los niveles inferiores los a priori dependen fundamentalmente de la
información sensorial, mientras que en los niveles superiores dependen en gran parte de los a priori de los niveles anteriores (Stephan, Baldeweg & Friston, 2006).
Resulta relevante mencionar el concepto de energía libre utilizado por Friston para referirse a la sorpresa o discrepancias que pueden surgir entre los a priori y los
estímulos sensoriales. Según él, los sistemas cerebrales tratan de predecir lo que va a suceder en el mundo a través de predicciones y cálculo de probabilidades siempre intentando evitar la energía libre (Figura 5).
Figura 5. En la imagen superior se muestra el esquema de una jerarquía neuronal para generar
codificación predictiva. Cada nivel proporciona predicciones (a priori) a los niveles inferiores. Los círculos superiores representan conjuntos de neuronas que codifican el error de predicción, mientras que los círculos inferiores son grupos neuronales que codifican las expectativas condicionales de las causas. Las expectativas se modifican para minimizar el error de predicción, es decir, la discrepancia entre la
predicción de un nivel superior con el input del nivel inferior. (Stephan, Baldeweg & Friston, 2006).
4. El cerebro Bayesiano
4.1 Thomas Bayes
Thomas Bayes nació probablemente entre los años 1701 y 1702. Provenía de una familia prominente de ideología no conformista de Sheffield, situado en el norte de Inglaterra. Debido a su ideología no conformista y a su falta de interés por el ministerio en la Iglesia de Inglaterra, optó por formarse para el ministerio presbiteriano en la Universidad de Edimburgo en el año 1719 (Bellhouse, 2004). Allí inició sus estudios en lógica y matemáticas, campos en los que destacaría y donde sentaría las bases de lo que en el futuro se denominaría el teorema de Bayes. Se desconoce cómo terminó por interesarse en las teorías de la probabilidad. Algunos autores apuntan a que pudo ser alumno de Abraham de Moivre, mientras que otros afirman que su interés surgió tras leer publicaciones de Thomas Simpson (Bellhouse, 2004). Precisamente su obra más importante: “An essay towards solving a problem in the Doctrine of Chances”, en la que aportaría sus ideas sobre la probabilidad fue publicada póstumamente por su amigo Richard Price, quién la envió a la Royal Society.
4.2 El teorema de Bayes y el papel de la probabilidad
El teorema de Bayes se trata de un teorema válido para su uso en la totalidad de aplicaciones dentro de la teoría de la probabilidad. Sin embargo, los seguidores de la estadística más tradicional, es decir, la más objetivista o frecuencialista critican el tipo de probabilidades que emplea (Fernández, 2009). El teorema de Bayes se utiliza con frecuencia con probabilidades de carácter subjetivo, hecho que critican duramente los estadísticos tradicionales, quienes defienden las probabilidades basadas en
experimentos repetibles y con confirmación empírica (Fernández, 2009).
En la figura 6 se muestra la fórmula del teorema de Bayes, donde P (Ai) son las probabilidades a priori, P (B / Ai) es la probabilidad de B dentro de la hipótesis Ai y P (Ai / B) hace referencia a las probabilidades a posteriori.
Figura 6. Fórmula del teorema de Bayes (Fernández, 2009).
La fórmula del teorema de Bayes está compuesta a partir del teorema de la probabilidad total y de la definición de probabilidad condicional, permitiendo así calcular inferencias estadísticas de tipo inverso. Este enfoque de la estadística
bayesiana está demostrando tener utilidad en ciertas estimaciones en el conocimiento subjetivo a priori y permitir revisar estas estimaciones en función de la evidencia (Fernández, 2009).
4.3 El cerebro Bayesiano y la esquizofrenia
La teoría de Bayes sentó las bases para que la neurociencia cognitiva comenzara a aplicar el procesamiento predictivo como una forma de comprender la arquitectura funcional cerebral junto con la naturaleza de las conexiones neuronales desde un punto de vista jerárquico (Friston, 2020). Precisamente el procesamiento predictivo apela a la noción del cerebro bayesiano con el objetivo de enfatizar la asimilación de información sensorial bajo cierta incertidumbre o con una precisión incompleta. Desde esta premisa, el cerebro se encuentra continuamente realizando inferencias sobre las causas de los inputs recibidos del mundo sensorial siguiendo las reglas de Bayes. De una forma simplificada estas reglas dicen que la probabilidad de una causa, dada a partir de ciertos datos, es proporcional a la probabilidad de dichos datos dada la causa
forma de describir la actualización continua de las creencias a partir de la combinación de creencias previas (a priori) con la evidencia sensorial para producir creencias posteriores (a posteriori).
Un estudio realizado por Greenman et al. en el año 2020 proporcionó evidencias de que personas con esquizofrenia mostraban creencias aberrantes en la actualización de información en el procesamiento cognitivo superior. Además, observaron que personas sanas que mostraban déficits en la conectividad parietal-prefrontal mientras realizaban tareas de memoria de trabajo manipulativa se asociaba con un mayor riesgo poli genético hacia la esquizofrenia (Greenman et al., 2020). En la figura 7 se pueden observar diferentes gráficos que muestran los datos obtenidos en el estudio.
Figura 7. Arriba a la izquierda, se compara los sujetos control (N=143) y los sujetos con esquizofrenia (N=66) en relación a su precisión en el mantenimiento y manipulación de la memoria de trabajo. Arriba a
46 de Brodmann. Esas regiones de interés abarcan zonas de la corteza prefrontal dorsolateral y del cortex parietal, las cuales se mostraron con anterioridad disfuncionales a nivel de conectividad en personas con esquizofrenia durante la actualización de información contextual. Abajo a la izquierda se observa como los sujetos con esquizofrenia que sufren alucinaciones (N=35) tienen menor conectividad efectiva de regiones parietales a la corteza prefrontal en comparaciones con los sujetos con esquizofrenia que no padecen alucinaciones (N=31). Finalmente, abajo a la derecha se muestra como la conectividad efectiva mantiene una correlación negativa con el riesgo poligénico de esquizofrenia en sujetos control sanos (N=143).
PANS = Escala de síndrome positivo y negativo. DLPFC= corteza prefrontal dorsolateral. (Greenman et al., 2020).
Estos hallazgos respaldan la idea de que las creencias de alto nivel tienden a volverse insensibles a la información sensorial que las contradice en personas que padecen esquizofrenia (Friston, 2020).
5. La esquizofrenia desde la neuropsicología computacional
(1) Hipótesis de la desconexión
Se trata de una hipótesis propuesta por el neurocientífico Karl J. Friston. En ella se argumenta que en la esquizofrenia existe una alteración en las conexiones neuronales.
Debido a la naturaleza de flujo continuo de las conexiones neuronales, esto implicaría anomalías en los cambios en la conectividad, es decir, una plasticidad sináptica anormal (Friston, 2002).
Debido a que la esquizofrenia se ha relacionado con complicaciones en los estadios más tempranos del desarrollo, además de conocerse que la sintomatología comienza a apreciarse en las etapas de la adolescencia y adulta, se apuntan a dos tipos de plasticidad como focos de investigación. La primera de ellas es la plasticidad estructural, esta es la que hace referencia a las interacciones entre la biología
de naturaleza estructural. Por otro lado, está la plasticidad sináptica, es decir, cambios en la fuerza, forma y/o función de las sinapsis neuronales. Esta segunda plasticidad favorece el aprendizaje y la memoria perceptual y procedimental (Friston, 2002).
Precisamente la consolidación y el refuerzo de la plasticidad sináptica representa para la hipótesis de la desconexión un claro candidato para la fisiopatología en la
esquizofrenia (Friston, 2002).
Existen evidencias que respaldan dicha hipótesis, como por ejemplo los hallazgos que relacionan el papel de la dopamina en el reforzamiento y otras formas de aprendizaje emocional, mientras que la acetilcolina es un neurotransmisor importante para los aprendizajes perceptuales (Stephan, Baldeweg & Friston, 2006). Desde este punto de vista, Friston apunta a que algunos de los aspectos desintegrativos y autistas de la esquizofrenia pueden entenderse como errores en el aprendizaje emocional. Estos se producen de forma secundaria a partir de fallos fundamentales del aprendizaje por reforzamiento. Del mismo modo, las alucinaciones características de la esquizofrenia pueden ser interpretadas como resultado de problemas con el aprendizaje perceptivo e inferencias erróneas procedentes de paradigmas sensoriales erróneos. Ya en 2002, Ford et al., apuntaban que la conectividad funcional fronto-temporal reducida podría contribuir a la mala atribución de pensamientos a voces externas en la esquizofrenia (Ford et al., 2002).
(2) Delirios desde un punto de vista bayesiano
Los delirios son una alteración de las capacidades mentales que generan
pensamientos confusos y una disminución de la conciencia sobre el entorno. El papel de la percepción junto con el pensamiento son clave en dicho fenómeno. Desde un punto de vista bayesiano es desconcertante observar cómo un cerebro llega a generar creencias falsas que se sostienen con certezas indebidas y que son altamente
Adams et al., (2021) utilizaron un agente de toma de decisiones óptimo de Bayes (Markov) para llevar a cabo una simple tarea que involucra inferencias de tipo social y no social con la finalidad de investigar acerca de los delirios desde un punto de vista bayesiano la esquizofrenia. Los autores definen la inferencia activa como un marco bayesiano que trata tanto la percepción como la acción como problemas de inferencia.
En su caso, la percepción es una inferencia sobre los estados ocultos del mundo que provocan resultados sensoriales, mientras que la acción es el resultado de inferir que secuencias deben adoptarse para obtener ciertos resultados sensoriales. En su conjunto, estas inferencias requieren un modelo generativo que codifique las relaciones probabilísticas de los resultados observados junto con los resultados sensoriales que el agente espera obtener (Adams et al., 2021).
En dicho estudio demostraron que la certeza delirante y la incorregibilidad pueden surgir en un agente de toma de decisiones óptimo de Bayes a través de cambios permisivos en la precisión de la probabilidad, la precisión de las decisiones y la
resistencia al hábito. Las interacciones entre estos parámetros pueden provocar que el sistema quede atrapado en estados de creencias disfuncionales, de los cuales es difícil escapar sin ayuda. Por lo tanto, en lugar de ser incompatibles con Bayes, los delirios pueden existir debido a las dependencias que se refuerzan a través de la actualización bayesiana (Adams et al., 2021).
(3) Modelos y evidencias
En Adams et al. (2013), los investigadores argumentan que la psicosis puede ser causada a partir de una alteración en la codificación metacognitiva, es decir, la confianza que tienen las personas acerca de la precisión de la información entrante o sobre las creencias sobre el mundo. En concreto, los autores explican que las
Para minimizar la sorpresa, se producirían cambios compensatorios en la precisión de la información llevando a los síntomas cognitivos o negativos característicos de la esquizofrenia (Valton et al., 2017). Cabe destacar que los autores argumentan que síntomas como las alucinaciones o los delirios se explicarían mejor a partir de un incremento en la precisión de las expectativas en relación con la evidencia sensorial externa.
Jardri & Deneve (2013) propusieron un modelo de inferencia bayesiano jerárquico utilizando un algoritmo conocido como “propagación de creencias”. En dicha jerarquía cada nivel produce inferencia y abstracción hacia los niveles inferiores. Según los autores, la evidencia sensorial de abajo hacia arriba y las predicciones de arriba hacia abajo se podrían ver afectadas debido a una inhibición GABAérgica deficiente. En concreto, la alteración produciría una sobreestimación en la evidencia sensorial y/o en las predicciones dependiendo de los circuitos que estuviesen afectados. Es decir, una alteración en la inhibición ascendente resultaría en una reverberación de la evidencia sensorial como predicciones y una alteración en la inhibición descendente produciría una reverberación de las predicciones como si se tratasen de evidencia sensorial (Valton et al., 2017).
6. Conclusiones
Como bien se ha visto a lo largo de la revisión, la esquizofrenia es un trastorno altamente complejo. Tiene un impacto elevado en la vida de las personas que la padecen, ya que afecta a multitud de aspectos comportamentales, emocionales y cognitivos, así como a su entorno más próximo. En las últimas décadas se ha avanzado grandemente gracias a la investigación científica en cuanto a la nosología de la esquizofrenia. Como hemos comprobado, a lo largo de los años ha habido una línea psicopatológica más clásica que ha estudiado la esquizofrenia con el punto de mira puesto en los factores poligénicos y epigenéticos además de observar en gran medida los cambios en diferentes neurotransmisores cerebrales. Sin embargo, en las últimas décadas también se ha comenzado a abordar el estudio de la esquizofrenia desde la neurociencia computacional. Autores como Karl Friston, entre otros, han utilizado la noción del cerebro bayesiano desde una perspectiva computacional para investigar la esquizofrenia, desarrollar hipótesis y modelos explicativos del trastorno.
La hipótesis de la inferencia bayesiana en la esquizofrenia puede ser un esperanzador marco unificador que consiga explicar la variedad de síntomas expresados en los pacientes con esquizofrenia. Sin embargo, se necesitan experimentos que sean sensibles a nivel comportamental para validar los modelos antes de poder llegar a realizar predicciones a nivel neuronal (Valton et al., 2017). Por lo tanto, es necesario seguir llevando a cabo investigaciones para seguir obteniendo conocimiento científico en este campo, ya que en los últimos años se han conseguido realizar avances prometedores y todo parece indicar que todavía hay potenciales descubrimientos por llevar a cabo.
7. Referencias bibliográficas
1. Adams, Rick A.; Stephan, Klaas Enno: Brown, Harriet R.; Frith, Christopher D.;
Friston, Karl J. (2013).The Computational Anatomy of Psychosis. Frontiers in Psychiatry,4(), doi:10.3389/fpsyt.2013.00047
2. Adams, Rick A.; Vincent, P.; Benrimoh, D.; Friston, Karl J.; Parr, T. (2021).
Schizophrenia Research,https://doi.org/10.1016/j.schres.2021.07.032
3. American Psychiatric Association. (2013).Guía de consulta de los criterios diagnósticos del DSM-V(5th ed.)Arlington, VA: American Psychiatric Association.
4. Barlow, D.H., Durand, V.M. i Hofmann, S.G. (2018). Abnormal Psychology. An integrative approach (8th edition). Boston: Cengage Learning
5. Barnes, T. R. (2011). Evidence-based guidelines for the pharmacological treatment of schizophrenia: recommendations from the British Association for Psychopharmacology.Journal of Psychopharmacology, 25(5), 567–620.
doi:10.1177/0269881110391123
6. Bellhouse, D. R. (2004). The Reverend Thomas Bayes, FRS: A Biography to Celebrate the Tercentenary of His Birth. Statistical Science, 19(1), 3-43.
doi:10.1214/088342304000000189
7. Cardno, A. G. i Gottesman, I. I. (2000). Twin studies of schizophrenia: From bow-and-arrow concordances to star wars mx and functional genomics.
American Journal of Medical Genetics - Seminars in Medical Genetics, 97(1), 12-17. PMID: 10813800
8. Costall B, Naylor RJ. Animal neuropharmacology and its prediction of clinical response. In: Hirsch SR, Weinberger DR, editors.Schizophrenia.Oxford:
Blackwell Science; 1995. p. 401-424.
9. Fernández Regalado, Raúl. (2009). El teorema de Bayes y su utilización en la interpretación de las pruebas diagnósticas en el laboratorio clínico.Revista Cubana de Investigaciones Biomédicas,28(3), 158-165. Recuperado en 13 de agosto de 2021, de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-030020090003000 13&Ing=es&tlng=es
10. Ford, J. M., Mathalon, D. H., Whitfield, S., Faustman, W. O., Roth, W. T. (2002).
Reduced communication between frontal and temporal lobes during talking in schizophrenia.Biological Psychiatry51(6):485–492.
https://doi:10.1016/s0006-3223(01)01335-x
11. Fornito, A., Yücel, M., Patti, J., Wood, S. J., Pantelis, C. (2009). Mapping grey matter reductions in schizophrenia: an anatomical likelihood estimation analysis of voxel-based morphometry studies.Schizophrenia Research, 108 (1-3), 104-113. doi: 10.1016/j.schres.2008.12.011
12.Friston, K. J., Frith, C. D. (1995).Schizophrenia: A disconnection syndrome?
Clinical Neuroscience3 (2), 89-97. PMID: 7583624
13. Friston, K. J. (2002). Dysfunctional connectivity in schizophrenia.World Psychiatry: official journal of the World Psychiatric Association (WPA), 1(2), 66-71. PMID: 16946855
14. Friston, K. J. (2020). Bayesian Dysconnections.American Journal of Psychiatry, 177(12), 1110-1112. doi: 10.1176/appi.ajp.2020.20091421
15. Gaebel, W., Zielasek, J. (2015). Schizophrenia in 2020: Trends in diagnosis and therapy.Psychiatry and Clinical Neurosciences, 69, 661-673.
doi:10.1111/pcn.12322
16. Gaviria, A. M., Franco, J. G., Aguado, V., Rico, G., Labad, J., de Pablo, J., Vilella, E. (2015). A Non-Interventional Naturalistic Study of the Prescription Patterns of Antipsychotics in Patients with Schizophrenia from the Spanish Province of Tarragona.PLoS ONE, 10(10): e0139403. doi:
10.1371/journal.pone.0139403
17. GBD 2016 Disease and Injury Incidence and Prevalence Collaborators (2017).
Global, regional, and national incidence, prevalence, and years lived with disability for 328 diseases and injuries for 195 countries, 1990-2016: a systematic analysis for the global burden of disease study 2016.The Lancet 390, 1211-1259. doi: 10.1016/S0140-6736(17)32154-2
18. Gottesman, I. I., Laursen, T. M., Bertelsen, A., i Mortensen, P. B. (2010). Severe mental disorders in offspring with 2 psychiatrically ill parents.Archives of
General Psychiatry, 67(3), 252-257. doi:10.1001/archgenpsychiatry.2010.1
19. Greenman, Danielle L.B.; La, Michele A.N.; Shah, Shefali; Chen, Qiang;
Berman, Karen F.; Weinberger, Daniel R.; Tan, Hao Yang (2020).
Parietal-Prefrontal Feedforward Connectivity in Association With Schizophrenia Genetic Risk and Delusions.American Journal of Psychiatry, appi.ajp.2020.1-.
doi: 10.1176/appi.ajp.2020.19111176
20. Insel, T. (2010). Rethinking schizophrenia.Nature,468, 187-193.
https://doi.org/10.1038/nature09552
21. Irving, J., Patel, R., Oliver, D., Colling, C., Pritchard, M., Broadbent, M., Baldwin, H., Stahl, D., Stewart, R., Fusar-Poli, P. (2020). Using Natural Language
Processing on Electronic Health Records to Enhance Detection and Prediction of Psychosis Risk.Schizophrenia Bulletin, 47, 405-414.
https://doi.org/10.1093/schbul/sbaa126
22. Jardri, R.; Deneve, S. (2013). Circular inferences in schizophrenia.Brain, 136(11), 3227-3241.doi: 10.1093/brain/awt257
23. Kahn, R. S., Sommer, I. E., Murray, R. M., Meyer-Lindenberg, A., Weinberger, D. R., Cannon, T. D., ... Insel, T. R. (2015). Schizophrenia.Nature Reviews Disease Primers, 1, 15067. doi:10.1038/nrdp.2015.67
24. Kriegeskorte, N., & Douglas, P. K. (2018). Cognitive computational neuroscience. Nature neuroscience, 21(9),1148-1160.
doi:10.1038/s41593-018-0210-5
25. Lang, D. J., Kopala, L. C., Vandorpe, R. A., Rui, Q., Smith, G. N., Goghari, V.
M., Lapointe, J. S., Honer, W. G. (2004). Reduced basal ganglia volumes after switching to olanzapine in chronically treated patients with schizophrenia.Am J Psychiatry, 161 (10), 1829-1836. doi: 10.1176/ajp.161.10.1829
26. Maia, T. V., Huys, Q. J. M., & Frank, M. J. (2017). Theory-Based Computational Psychiatry.Biological Psychiatry, 82(6), 382-384.
https://doi.org/10.1016/j.biopsych.2017.07.016
27. Marcotte, E. R., Pearson, D. M., & Srivastava, L. K. (2001). Animal models of schizophrenia: a critical review.Journal of psychiatry & neuroscience: JPN, 26(5), 395-410. PMID: 11762207
28. McClure, R. K., Phillips, I., Jazayerli, R., Barnett, A., Coppola, R., Weinberger, D. R. (2006). Regional change in brain morphometry in schizophrenia
associated with antipsychotic treatment.Psychiatry Research, 148, 121-132.
doi: 10.1016/j.pscychresns.2006.04.008
29. Morris, R. W., Weickert, C. S., Loughland, C. M. (2009). Emotional face processing in schizophrenia.Current Opinion in Psychiatry, 22, 140-146. doi:
30. Nickl-Jockschat T, Schneider F, Pagel AD, Laird AR, Fox PT, Eickhoff SB.
(2011). Progressive pathology is functionally linked to the domains of language and emotion: Meta-analysis of brain structure changes in schizophrenia
patients.Eur Arch Psychiatry Clin Neurosci, 261, Suppl 2, 166-171.
https://doi.10.1007/s00406-011-0249-8
31. Orrico-Sánchez, A., López-Lacort, M., Muñoz-Quiles, C. et al. (2020).
Epidemiology of schizophrenia and its management over 8-years period using real-world data in Spain.BMC Psychiatry20, 149.
https://doi.org/10.1186/s12888-020-02538-8
32. Raduà, J., Ramella-Cravaro, V., Ioannidis, J. P. A., Reichenberg, A., Phiphopthatsanee, N., Amir, T., . . . Fusar-Poli, P. (2018). What causes
psychosis? an umbrella review of risk and protective factors.World Psychiatry, 17(1), 49-66. doi:10.1002/wps.20490
33. Riecher-Rössler A., Gschwandtner U., Borgwardt S., Aston J., Pflüger M., Rössler W. (2006). Early detection and treatment of schizophrenia: how early?
Acta Psychiatrica Scandinavica,113, Suppl 429, 73-80.
doi:10.1111/j.1600-0447.2005.00722.x
34. Sharma, M., Acharya, U.R. (2021). Automated detection of schizophrenia using optimal wavelet-based
l
1norm features extracted from single-channel EEG.Cognitive Neurodynamics15, 661-674.
https://doi.org/10.1007/s11571-020-09655-w
35. Shenton, M. E., Dickey, C. C., Frumin, M., McCarley, R. W. (2001). A review of MRI findings in schizophrenia.Schizophr Res,49(1-2), 1-52. doi:
10.1016/s0920-9964(01)00163-3
36. Stephan, K.E., Baldeweg, T., Friston, K.J. (2006). Synaptic plasticity and disconnection in schizophrenia.Biol Psychiatry,15;59 (10), 929-939.
doi:10.1016/j.biopsych.2005.10.005
37. Sun, R. (Ed.). (2008). The Cambridge handbook of computational psychology. Cambridge, UK: Cambridge University Press.
38. Sun, Ron; Coward, L. Andrew; Zenze, Michael J. (2005). On levels of cognitive modeling.Philosophical Psychology, 18(5), 613-637.
doi:10.1080/09515080500264248
39. Trappenberg, T. P. (2010).Fundamentals of Computational Neuroscience.
Oxford, UK: Oxford University Press.
40. Valton, Vincent; Romaniuk, Liana; Steele, Douglas; Lawrie, Stephen; Seriès, Peggy (2017). Comprehensive review: Computational modelling of
Schizophrenia.Neuroscience & Biobehavioral Reviews, S0149763416307357-.
doi:10.1016/j.neubiorev.2017.08.022
41. Watanabe, Y., Someya, T., Nawa, H. (2010). Cytokine hypothesis of
schizophrenia pathogenesis: Evidence from human studies and animal models.
Psychiatry and Clinical Neurosciences,64(3), 217-230.
doi:10.1111/j.1440-1819.2010.02094.x
42. World Health Organization. (2019). Schizophrenia.WHO.
https://www.who.int/news-room/fact-sheets/detail/schizophrenia
