精神分裂症计算模型

     (Computational Modeling for Schizophrenia）

                   孙复川*                                                                         季卫东

         (中国科学院上海生命科学院                                   (上海长宁区精神卫生中心；

     现称:中国科学院上海营养与健康研究所）    上海交通大学精神神经科学与系统代谢组学研究所）

           <fcsun@sibs.ac.cn>                                                 <jidong@126.com>

              *通讯联系作者

   内容提纲：

1.精神分裂症简介

2.精神分裂症诊断治疗依据DSM，及其缺陷

3.维纳控制论对精神分裂症发病机制的推测

4.精神分裂症的计算模型介绍

(1) 联想记忆神经网络伪吸引子模型(Spurious Attractor Model of Associative Memory)

(2) 多巴胺门控的联结主义神经网络模型 (Connectionist Model with Dopamine Gating)

(3) 精神分裂症的关联维度计算（Computation of Correlation Dimension D2 in Schizophrenia）及模型

(4) 统计决策的计算运动控制模型（Computational motor control using a Bayesian decision making）

(5)精神分裂症患者“成就-代价”的计算模型（Effort cost computation in schizophrenia）                        

5.对精神分裂症计算模型的思考及讨论

    (1) 计算模型是探索精神分裂症机制和病因及诊疗方法的新途径

    (2) 对现有精神分裂症神经网络模型的几点质疑及设想

            (A)现有精神分裂症神经网络伪吸引子或联结主义模型所包含的神经元数量过少

            (B)精神分裂症症状与精神分裂症是不同的概念

            (C)大脑精神障碍的软件隐喻

    (3) 精神分裂症与“自我”意识的关联

         (A) DSM-5决定的精神分裂症三要素皆依赖于自我意识及其主诉表达

         (B)自我意识单一性和私密性：即使多重人格精神病人不同的意识只可能不在同的时间出现在同一大脑中，正如于一台计算机只能运行一个操作系统，虽然在不同时间可以安装使用不同操作系统；人大脑中的意识至今不可能被任何仪器设备读出，而只能由自己主诉，也不能被外部信息全部或局部改写，电休克或经颅磁刺激最多只能进行干扰，所以自我意识具有私密性。

         (C)自我意识与梦睡眠

期望：计算机人工智能（Artificial Intelligence 简称AI）研究的进展有利于加快精神分裂症计算模型的研究。

 <d>关于机器人意识：计算模型或AI modeling 能使机器人完成人的各种工作任务，能否将机器创建成有自我意   识？ 如果成功则有意识的机器将是研究精神疾病的一种有用且方便的模型；

  但当机器一旦有自我意识，牠会设法摆脱设计者的控制而寻求“独立”吗？

     如果机器有了意识还不想脱制造者而独立就不算真正自我意识---机器意识悖论

6.参考文献

1.精神分裂症简介：

   精神分裂症是1911年由瑞士医生Bleuler首次提出用“Schizophrenia”（精神分裂症）来命名的一种精神疾病,表达患者出现的“Splitting of Mental Faculties”（精神分裂症特征）[4]。在中国，人群患病率约1%左右[25], [32], [37]，美国的统计也为1%[9], 全美国的精神病院住院治疗病人中精神分裂症患者约占一半。患者的神经中枢不一定有可用以确诊的实质病变，常表现有幻觉，听幻觉最常见，也可发生视﹑触﹑嗅﹑味及内脏性幻觉；妄想而产生歪曲的信念，例如病人坚信自己的思想和行动被别人控制，且无法以逻辑推理来进行说服纠正；思维形式障碍；行为怪异等多种症状。精神分裂症可发生于任何年龄，大多数发病于青年期，病程常迁延，至今尚不易彻底治愈。

2.当前精神分裂症诊断治疗的依据DSM（The Diagnostic and Statistical Manual of Mental Disorders）及其缺陷：

   精神疾病包括精神分裂症目前仍然没有令人十分信服客观诊断标准，且缺乏客观的实验检查指标。为了临床及科研工作的需要，一般由有关研究学会及相关医学的专业协会共同讨论，并根据当时的伦理道德规范及认识水平共同协议，制定出一个相对合理的诊断标准及治疗方法，并需随时间不断修改变化。美国在1952年首次订出《精神障碍诊断与统计手册(第一版)》（The Diagnostic and Statistical Manual of Mental Disorders， First edition, 简称DSM-I），在至今六十多年时间内改订了5个版本和几个中间的修订版，并不断地修正精神疾病的概念。例如同性恋者曽经在被看作违背宗教，违犯法律的罪行情况下被美国DSM-II 列为一种 “社会病态人格” 精神疾病，需要进行强迫治疗，但到上世纪70年代由R.Spitzer 医生详细调查研究后，从医学伦理认为任何一种医学疾病必须是患者主观感到痛苦，或者造成社会功能的损害，否则不能被视为疾病。这观点被大多数同行接受，后来修订的DSM-III中同性恋不再列为精神疾病，（Dr. Spitzer后来还为自己曾经对同性恋使用过电击治疗而进行公开道歉）。我国《中国精神障碍分类与诊断标准》（简称CCMD）从1979起到2000年止作了三版修改，也同样在客观诊断标准和客观实验指标上有所欠缺。因此，精神疾病包括精神分裂症诊断的有效度（Valitity）和可信度（Credibility）问题至今远未解决[11]， [16], [31]，急需深入研究改进。

     还值得一提，在美国最近的一次新版本的DSM-V 公布不久，美国“国家精神卫生研究所”（The National Institute of Mental Health 简称NIMH）这世界最大的精神健康研究所就宣布不再支持DSM-V，公开指出DSM-V的软肋在于它不像缺血性心脏病，淋巴瘤，艾滋病等那样对疾病有客观的实验测量指标[41]。这说明精神疾病包括精神分裂症的诊断治疗当前亟待建立客观的科学理论基础。 

精神分裂症的病因和发病机制方面，虽然在遗传﹑神经发育﹑神经递质﹑躯体易感性及社会应激等方面已有大量科研成果，但从实证科学来分析，仍有待于研究深化。例如精神分裂症病因研究热点的分子遗传学[9]，[16]，[29]， 已有大量统计资料表明同卵双胞胎的同患病率近50%，从这一方面看来，精神分裂症与基因相关性很大，而且近年来确实也陆续发现了如 α-7-烟碱受体﹑DISC1﹑GRM3等近百个基因与精神分裂症的易患性相关，但是，对基因如何导致精神分裂症的发生还是所知甚少，亟需深入研究；再从另一方面思考，与基因遗传无关的另外“50%”原因是什么(它还并非<5%)？那些非遗传因素，是否可能更容易被用来影响精神分裂症的诊断和治疗？这说明不能把精神分裂症的病因除了从基因研究探索，还必须同时重视寻求新方向及途径。

神经化学研究目前已知道多巴胺（Doparmine，DA）﹑5-羟色胺（5-Hydroxy Tryptamine，5-HT）﹑去甲肾上腺素（Noradrenaline，NE）及谷氨酸（Glutamic Acid，Glu）等神经递质及其受体的异常与精神分裂症的症状有很大相关性，且有关药物被广泛用于临床治疗以改善患者症状，在患者尸体脑组织中也检测出一些神经递质受体高于对照组[26]，但是，究竟这些递质异常是发生精神分裂症的原因？还是该疾病造成的结果？或仅仅只属症状的伴随现象而不存在因果关系？(例如感冒发烧时会查出血液中白细胞介素升高，服用降低白细胞介素的药物也能降体温，但是病因应该是感冒病毒或细菌而不是白介素。)这些问题至今尚无定论，亟待研究阐明[9], [16]， [31]。这些都说明了精神分裂症这类重要精神疾病急需另辟蹊径加强研究，真正使占人类1%的这部分群体能回归正常生活和拥有正常社会功能。绝大多数传统的生物医学研究对象是具体的生物和人的生物性质，精神分裂症需要面对的却是人的思想意识（Mind，或Consciousness），这属于非物质的精神范畴的疾病[3]，[9]，至今还没有共同认可的动物模型，最近有一篇发表在《Cell》上的研究论文，说明人类拥有更高效率大脑的代价是更容易患上神经精神疾病[33]。而计算模型包括人工神经网络（Artificial Neural Networks，ANN）和人工智能（Artificial Intelligence，AI）计算模型等有可发挥其新型交叉学科优势，探讨人的精神及意识范畴复杂系统问题。

3. 维纳控制论对精神分裂症机制的推测

电子计算机的发明曾受到生物神经元和脑功能的启发，因此，早期计算机理论的奠基者，从信息处理及控制的观点对脑与计算机的对比都抱有极大的兴趣，如维纳（N. Wiener），冯.诺依曼(J. von Neumann), 图灵（A. Turing）等[42],[43],[45]，尤其是控制论的创始人维纳针对计算机与精神疾病对比的一些推测，仍值得引起研究工作者的思考。他认为：

（1）  从信息存贮记忆﹑传输﹑运算等功能来理解，大脑与计算机有很多相似之处，由此而得的启示可对精神疾病的病因及治疗提供有效的新研究方法；

（2）  精神分裂症等精神障碍，可能是发病初期大脑中发生恶性焦虑的异常循环信息状态；当计算机发生无法中止的异常循环运算过程形成“死机”时，可用全部信息置零（Reset）解决；对精神分裂症采用电休克等治疗方法所以很有效， 其机制之一可能就是清除大脑的异常循环运算信息；

（3）  人类大脑的神经元数量和神经突触数量连接距离远远大于其它动物，可能是人类精神疾病发生率显著的原因。 人脑进化越庞大复杂，问题就越严重，最后可能导致人类的脑走向毁灭，犹如恐龙类动物曾经因身体巨大而导致灭亡一样。

这些半个多世纪前的大胆“猜想”，某些部分至今还是有一定参考意义，值得我们思考。

4.精神分裂症的计算模型介绍

   鉴于精神分裂症的理论研究和医学临床现状, 迫切需要能将精神病理现象与已知理论联系在一起的模型研究,以深入探索精神分裂症机制和改进临床诊断治疗效果，计算模型工作的探索被人们开始考虑。

（1）联想记忆神经网络伪吸引子模型(Spurious Attractor Model of Associative Memory)：

在上世纪后期，计算机科学人工神经网络研究取得进展[17]，其中Hopfield建立一种用于自动图像识别的平行分布式处理（PDP）联想记忆网络, 它在完成图像学习任务后，进行识别输入的图像时，它会自动寻找到Hamming距离最近的的一个神经元输出，也就是联想关系最强的信息状态（也是其定义的识别能量函数H的极小值），在联想记忆神经网络领域称之为“吸引子”attractor，从而完成图像识别任务；但是，偶尔由各种原因这神经网络会出现一个局部极小“伪吸引子”（Spurious Attractor），造成识别错误。[17]，[22]。

Hoffman等人由此推想，这种联想记忆网络可能是表达了人脑的认知过程，而人类正常发育过程中大脑皮层的神经突触密度变化，从嬰幼儿开始到青春期是逐步减少的过程，假设这种神经联系的突触密度过度减少，就可能导致神经网络正常联想功能障碍，犹如联想记忆人工神经网络产生“伪吸引子”（Spurious Attractor）的情况，从而对某些听觉或视觉信息得出不正确的认知，他们认为这可能是导致精神分裂病人在意识上出现幻觉和妄想症状的神经网络机制。Hoffman等曾用10×10矩阵的人工神经网络进行了模拟，所得出定量结果的基本趋势符合预计 [18], [19], [20]， [21]。 这一计算模型为精神分裂症的机制探索提供了一种有意义的新途径

 （2）.多巴胺门控的联结主义模型(Connectionist Model with Dopamine Gating)：

Cohen 等人认为精神分裂症病人症状的关键可以看作是认知控制的失败(failures of cognitive control) [5]，[7]，[8]，[34]， 病人在从事有连续顺序信息的任务时，维持和更新其工作记忆的能力发生缺陷。Cohen他们认为“联想记忆神经网络模型”能以吸引子（Attractor）贮存信息，但任何一吸引子都是由其输入信息所决定，一个新的输入信息就会驱动系统到一个新吸引子，也就是更新了原来前一次所保持的工作记忆；若将网络联接权重更新规则重组，再有新的输入时，不让原先记忆被快速消除，则又损害了网络的学习适应能力。为此，根据临床上神经阻滞类药物（neuroleptics）能改善精神分裂症症状, 可以假设多巴胺（DA）系统紊乱失调是精神分裂症的一种病理因素，设想在联想记忆吸引子网络的基础上,加上一个门控机制(gating mechanism)部分，它代表主管工作记忆的前额皮层（PFC）的多巴胺控制单元，精神分裂症的症状就表现为这种门控信号的噪声增高，导致病人在从事顺序信息的认知任务中出错，临床上表现为精神症状。

Cohen等还对16位未用过精神药物的精神分裂症患者组及相应的健康对照组，进行行为实验并与模型模拟作对照，两者的结果趋向基本一致。所以，他们认为这个模型能成功地解释这些精神分裂症认知损害是由多巴胺活动异常所致。并宣称这理论模型是为神经生理学研究和精神分裂症心理学研究的结合提供了重要的途径。

 （3）精神分裂症的关联维度计算（Computation of Correlation Dimension D2 in Schizophrenia ）及模型:

近年来非线性动力学在计算神经科学中越来越受到重视[28],[35],[39]

，其中有一个关注点是计算脑电信号的混沌(Chaos)程度的关联维度D2(dimensional complexity)，Koukkou  等曾测量了精神分裂症未用过药物治疗的发病者的关联维度D2为4.44，显著大于健康对照组测得的3.96 （ρ< 0.001）[27] 其机制可设想为精神分裂症病人脑的有关功能区域之间相互的兴奋性联接减少，促使关联维度增大。直观地可理解为病人脑的各个局部功能区在发病过程中形成较独立的子神经系统，从而表现出各自不同的动力学特性，因此每个局部对整体的复杂程度的关联维度就增大。这就与Hoffman的联想记忆神经网络模型中由于联结缺陷形成虚幻的寄生吸引子现象很相似[18]，[19], [20], [21]。   Friston等根据此假设进行了计算模拟，采用每组8个神经元共3组构成模型网络，各组内的神经元之间以兴奋和抑制性突触联结形成动力学混沌过程；在各组之间以稀疏兴奋性联结组成矩阵结构，模拟结果表明当各组之间的联结强度参量增大时，网络的维度复杂性单调下降；也即减少各组之间的兴奋性联结强度，可使关联维度D2增大，这与对精神分裂症患者测出的结果一致。[13],[14]

 （4）运动控制贝叶斯统计决策计算模型（Computational motor control using a Bayesian decision making）:

精神分裂症运动控制计算模型是2016年发表在Neurosci Res. 的一文中提出的[24]，Izawa等根据精神分裂症患者常表现有严重的感觉运动感知障碍及控制障碍，用贝叶斯统计决策模型（ Bayesian decision making）为框架建立一计算模型，来模拟精神分裂症病人的运动反应动作模式的统计特性，希望能用来辅助诊断。感觉运动(sensor-motor)中的一个主要部分是眼部运动(ocular-motor)，眼部运动包括眼球运动，瞳孔反应运动，和眼球内晶状体的聚焦调节运动等，它们根据不同的视觉输入信息经过有关脑部神经核团处理后，再由颅神经直接反馈输出，来控制相应的眼部肌肉形成运动, 这就可能由统计数学模型来评估眼部运动异常作为精神疾病诊断的参考指标，Izawa说明这在精神疾病临床诊断有一定的参考价值。

 （5）精神分裂症的“成就-代价”计算模型（Effort cost computation in schizophrenia）[15]:     由于精神分裂症的认知和情感不正常，患者往往过高估计自己的努力程度及所付出的代价，而低估了取得的成绩和奖励和社会的肯定，严重缺乏成就感，从而由“成就-代价”比而作出的决策 （cost/benefit decision making）上现出不正常。故可用博弈计算模型来对这些参数估值以达到解释精神分裂症状和发病诱因。

5．对精神分裂症计算模型的讨论

 （1）计算模型是探索精神分裂症病因及诊疗方法的新途径：

精神分裂症是具有思维﹑知觉﹑情感﹑意识及行为等障碍的复杂病理现象的精神性疾病，特别是它涉及人的精神认知（mental cognition）,或称之为思想（thought）﹑心智（mind）﹑意识（consciousness）等这些尚未了解透彻甚至尚未有明确公认定义的概念[2],[9]，；对它的诊断方法目前仍然还存在一定争议；对它的治疗手段至今也尚不能尽如人意，因此从交叉学科的计算科学角度进行精神分裂症模型研究是对传统的生物医学战场引入一支生力军,也将是精神疾病临床及研究的新方向[25],[31],[44]。近年来，计算模型对精神分裂症病因所推出的神经网络连接缺陷障碍和混沌复杂性增大等脑神经机制，对原有思路有很大启发，由于其计算科学及数学的表述特点，可能在传统生物医学领域不易被直观理解接受，但仍属非常有意义的开端。

 （2）对现有精神分裂症神经网络模型的几点质疑及设想：

支持计算神经科学精神分裂症模型的研究，我们不能只是对已发表的范本文章进行跟随点赞，或改变几个初始条件或神经元数量重新演算发表类似文章；而是应该以科学质疑思维对其提出讨论意见，这正是维纳在控制论中关于科学方法论所述：通过质疑争论才能促进新的交叉学科发展和成熟[45]，这也是交叉学科发展成熟的必须步骤。

    (A)关于精神分裂症模型所包含的神经元数量的思考：

人脑是由10¹² 数量级的神经元和10¹⁴~10¹⁵ 数量级的突触结构成的巨网络系统[23]，从而产生复杂的精神及精神病理现象包括精神分裂症;可是Hoffman或Cohen等人已提出的精神分裂症神经网络模型最多只包含了10²个 数量级神经元，它们却都能得出与真实病人及对照组实验相一致的模拟结果，必然会令人发问：这是模拟了精神分裂症的本质要素吗？或把问题反一下，由10²个数量级的神经元的连接缺陷可以表征精神分裂症吗？或者问：几百个神经元构成的“脑”不管以如何复杂的方式联结能够产生人脑所具有的精神现象吗？还是我们应该理解为这些很有限神经元的网络，只是模拟了图像识别等“人工智能”（AI）过程的简单过程及其失误，对模拟人的正常精神状态及精神分裂症还有较大距离。这样反思不是对这些探索性研究的否定，而是我们进一步研究时必需要思考的问题。

    (B)精神分裂症症状与精神分裂症是不同的概念：

前面所述的几种文献提及的模型显然都是对精神分裂症症状的模拟。这些精神分裂症症状却可以发生于不同的神经器质性疾病或服用神经精神药物导致的症状，如苯丙胺类（ATS），麦角二乙胺（LSD）及致幻剂苯环利定（PCP）等皆可能引起幻觉，妄想，语言混乱，特别是PCP还可能影响认知注意和行为功能等障碍，非常相似于精神分裂症症状，但并不等于就是精神分裂症（就如体温升高症状与细菌性肺炎疾病之间不能用等号），深入的模型研究应该对精神分裂症的本身做出深层次的探索，揭示疾病的本质机制，才能作出更正确有效的诊断及诊疗。

    (C)大脑精神障碍的软件隐喻（Software Metaphor）

从发现精神分裂症与癫痫之间的生物拮抗性引入休克疗法概念，后来开始建立电休克治疗，经过70多年历史争议和经验积累，电休克至今仍是治疗精神分裂症的方法之一，对某些类别的精神分裂症初发患者一个十次左右的疗程即可有较高治愈率[6],[12]，（值得思考的是这里所述的电休克electro-convulsivetherapy是简单方法ECT，而不是指先注射松弛剂和麻醉剂后的”无痉挛电休克”MECT而治愈率下降）, 但其治疗机制至今尚无令人满意的阐述。 电休克治疗实质是给脑部脉冲电流刺激，那么脉冲电流是如何达成治疗精神分裂症效果？维纳曾提出过的精神分裂症是“循环记忆信息异常”引起大脑功能疾病[45]。他猜想电休克可能是强制清除这种循环过程的方法, 简化直观地解释，精神分裂症等疾病犹如计算机在工作运行中有时会发生进入异常循环的“死机”状态，故对异常运行中的软件信息的而强行Reset(置零重启)使操作系统重新启动，不需要对硬件进行修理就可能恢复正常；对于人脑，维纳认为 “除了死亡外，没有一个常规方法可完全清除大脑中的全部记忆；而死亡后又不能让脑重新启动”。 那么人脑的神经系统结构的物质与其精神活动是否存在相似于计算机的硬件与软件关系，软件还包括应用程序和操作系统的差别，从维纳推测中引申出的软件隐喻，对精神分裂症研究有兴趣者可进一步讨论，因为这不仅是件有趣的工作，还可能获得意想不到的效果。例如，是否可能从中寻找到既能有效的清除大脑循环记忆信息异常又能使副作用最小的方法。

 (3）精神分裂症与“自我意识”的密切关联

   精神分裂症并非只是物质（matter）或身体（body）的疾病，而更主要是表现在患者的“心智”（mind）或称为“自我意识”（Self Consciousness）的密切相关。

（A） DSM-5 诊断精神分裂症三要素皆依赖于自我意识及其主观表达

2013年修订的 DSM－5 比1994年的DSM－4 为了可靠的诊断精神分裂症增加了一项要求，要求被诊断对象在以下三类症状：妄想，幻觉，与言语紊乱，必须至少具备一个核心的“阳性症状”。前两者“妄想” 及“幻觉”只是被诊断对象的“自我意识”，其中“言语紊乱”也是需被诊断对象主观表达，这说明当前精神分裂症的诊断与患者的自我意识密切相关，刚好遇到至今所知甚少的。也是吸引很多科学工作者兴趣的“精神”或“心智”（Mind）问题,或称作“意识”（Consciousness）问题。

（B）自我意识的单一性，私密性：理论物理的量子力学的奠基人薛定谔（Schrodinger）在上世纪五十年代于剑桥三一学院所作的“什么是生命(What is Life)”讲座的第二部分“意识和物质（Mind and Matter）”中，他曽指出并非每一神经活动过程或每一大脑活动都和意识伴随，许多神经反射过程虽然通过大脑，但绝不属于意识范畴，或者说与意识几乎无关。“我”只是存在于我的世界中[36]。

而且自我意识具有单一性和私密性，薛定谔就认为我们中的任何人

没有经历过超过一种意识的出现，所以在任何一个人头脑中不可能有一种以上的意识。虽然精神病人中有一种“多重人格”（Multiple Personality Disorder）患者，其中以双重人格相对多见，称为“双重人格” （Dual Personality），患者同一人会具有两种完全不同的自我意识(或人格)，它们各有自己的记忆世界、行为及爱好，相互分开独立，但是在一个时间内患者头脑中只出现一个意识，（通常是会有一种占优势，从而出现较多时间）[36]，薛定谔举这例子是为了加强说明自我意识的单一性。也可以借用维纳的软件隐喻来理解，这就像一台计算机内只能运行一个操作系统软件，虽然一台机器可以安装不同的操作系统, 但只可能在不同的时间启动，在任何一时间只能启动运行其中一个操作系统。

另外，在上世纪50年代，美国加州神经外科医生史佩雷（R.Sperry）为了医治极少数药物治疗无效的癫痫病人的痛苦，以脑外科手术成功地完全切断了联系两个大脑半球的大量神经纤维的胼胝体，完成了裂脑（split- brain）手术。史佩雷及其同事同时以这些裂脑人作为受试者，进行了左右半脑视场刺激及左右手行为控制功能的实验，结果显示裂脑人表现为左右脑半球具有不能协调的行为，与正常人有显著差异[38]，[3]。 但是，显然没有出现两个自我意识，根本没有表现出两个“我”（例如出现一个要看书一个要睡觉！），而只是左右半脑对文字或图像等刺激和反应差异。其实，就像现代计算机的复杂硬件结构，双核或多核处理器电脑虽然CPU增多，可以一个CPU处理图像信息为主而另一CPU处理文字信息为主，从而提高应用程序的运算速度，但仍只可能用一个操作系统工作。（有趣的是同卵双胞胎是受精卵从开始就多分裂了一次，就能形成两个“我”意识，也即是开始就造两台电脑就可以用两个操作系统。）

  意识的个人私密性表现在每个人的意识只能靠主诉来表述，至今其他人使用任何仪器设备还不能检测出你在想什么，也不能使你产生某种意识，虽然可以干扰及影响但并不能使你产生某一意识。也就是外来读写一个人的意识（mind access）不可能。

计算科学包括人工智能研究的进展，能否建立“意识”的计算模型，冲破自我意识不可被客观“读出”的现状，从而对精神疾病的诊断治疗提供新途径？

   <C>关于自我意识与梦睡眠：

   <i>睡眠快速眼动:

Aserinsky和Kleitman曾首先报导了睡眠中出现一种快速眼动（rapid eye movement，简称REM）的现象和规律及其与梦的关系[1],[40]。健康人在正常睡眠期间会间歇地出现一种快速急剧的眼球运动，每晚睡眠中约出现3至4次，一次持续期为几分至几十分钟，共计约2小时左右；在时间上与“梦”同步发生（在REM期间唤醒受试者都能证实是正在做梦）；且在REM时期脑血供应量明显增加。这一方面提示了在睡眠期间人脑并非像肌肉一样处于静止休息状态，而是周期地进行着高强度的神经信息处理活动，此时睡眠者表现出快速眼球运动并且主观意识到所进入梦境；另一方面也揭示“梦”并非睡眠中的偶发现象，而是一种正常睡眠过程中必然的生理现象。这也是科研人员首次对睡眠及梦以记录眼球运动方法进行的客观实验研究，突破了以往凭主诉回忆、或用“自我”“本我”之类所谓心理分析来对梦睡眠的猜测的主观性的非科学性。在此不准备介绍弗洛伊特对梦的所谓“精神分析”，由于其非科学的主观意向性，在DSM-II的修订中就已被有关临床及研究舍弃。

  <ii>睡眠快速眼动REM的“反向学习机制假设”（Reverse Learning Mechanism Hypothesis），及其目前理论和试验的缺陷：

人在正常睡眠中皆发生间歇性快速眼动REM,并与梦同步, 这种REM在脑信息处理中究竟起何作用？这吸引了DNA基因发现者Crick及其同事用大脑神经网络的“反向学习”假设来解释其脑信息处理[10]，他们设想大脑皮层正如Hopfield人工神经网络中描述的平行处理式联想记忆网络[22]，能对一组模式样本输入通过学习改变权重系数来更新神经元的突触连接，然后在新信息模式输入时，网络由突触权重求和运算再经非线性激励函数后，自动导致“汉明距离(Hamming distance)” 最近的神经元呈现激活状态，也即得到联想结果（也称作“吸引子”，Attractor）；Crick假设：大脑的成长或生活经验的学习过程所塑造的神经元突触联接都难免会有联接错误，形成错误的寄生吸引子模式（parasitic attractor modes）,它们会导致脑产生奇异联想（bizarre association）、或顽固地产生同一联想状态的强迫观念（obsession）、或因不当反馈信号使在无输入信息下造成幻觉（hallucination），睡眠中发生快速眼动（REM）活动正是脑在睡眠中以“反向学习”来消除这些产生这些寄生模式的神经突触联接错误。趁大脑睡眠状态下处于与外界的输入输出关系皆被阻断的状态时，从脑桥-膝状体-枕叶发出PGO波（Ponto-Geniculo-Occipital wave）随机信号来激励神经网络系统，产生快速眼动REM，同时促成梦境中各种非现实的幻觉出现, 使其中错误寄生模式都被激发出来，再经“反向学习”在神经突触联接中校正消除。Crick认为这种“反向学习机制”虽然目前还不易用实验来验证，但比其它的假设都更合理。但是，我们不得不提出有一个实验事实与这假设矛盾：幼婴儿每天睡眠中的快速眼动REM时间累计多达8小时以上，为青年期每晚快速眼动期REM（约两小时）的4倍，但如何解释婴儿脑部神经网络联接的错误比成年时大如此之多？尤其是幼婴视知觉经历很少，其大脑如何界定正常经验知觉与视幻觉？

另外，严重睡眠障碍与多种精神疾病包括精神分裂症有着关联[2]，[30],这很可能与REM睡眠相关更为密切，从梦睡眠是人脑必要的神经信息处理来考虑，这应是一有意义的研究方向，尤其是梦中意识与清醒时的意识究竟有何异同？其研究也将为意识精神疾病的计算模型提供实验数据。

    期望:随着脑科学及精神病学研究的进展，特别是当前计算科学的人工智能快速发展，更将加强了精神分裂症计算模型研究的进程。精神分裂症计算模型不仅是简单地描述疾病，更重要的是揭示它的本质规律，就像当年牛顿定律揭示了自然界的物体力学运动的规律，麦克斯韦方程组揭示了电磁波的的产生及传播的规律一样,如果现有的数学工具包括人工神经网络（Artificial Neural Network，ANN）、 混沌（Chaos）、统计数学方法等尚不能全面正确地描述非物质的精神领域包括精神分裂症的规律，就该不勉强地套用现有的数学工具，例如牛顿对受外力作用下发生加速运动的动力学的牛顿第二定律就创建了微积分数学来表达。因此我们盼望精神分裂症计算模型的研究在不久的将来能取得出色成果，不仅可以解释已经发现的精神现象，更在于能获得新信息预见新现象新规律，指导有关生物医学实验研究并快速推进精神分裂症的临床诊断及治疗水平。

5. 参考文献：

1.Aserinsky E，Kleitman N，Regularly occurring period of eye motility，Science，1953，118：273-274

2.Baglioni C, et al; Sleep and Mental Disorders: A Meta-Analysis of Polysomnographic Research, Psychol Bull. 2016 Jul 14.

3.Blakemore, C., Mechanics of the mind, Cambridge University Press, London 1977.

4.Bleuler E. Dementia Praecox or the group of schizophrenias: Translated into English 1987. In:Cutting J, Shepherd M. (Eds). The Clinical Routes of the Schizophrenia Concept. Cambridge:Cambridge University Press, 1913

5.Braver, T. S., Barch, D. M. & Cohen, J. D. Cognition and control in schizophrenia: a computational model of dopamine and prefrontal function. Biol. Psychiatry, 46, 312–328 (1999).

6.Cerletti U., Electroshock therapy J. Clin. Exper. Psychopathology，153:312-328 (1954)

7,Cohen, J. D. & Servan-Schreiber, D. Context, cortex, and dopamine: a connectionist approach to behavior and biology in schizophrenia. Psychol. Rev. 99, 45–77 (1992).

8,Cohen, J. D., Braver, T. S. & O’Reilly, R. C., A computational approach to prefrontal cortex, cognitive control and schizophrenia: Recent developments and current challenges.  Philosophical Transactions of the Royal Society of London: Series B, 351, 1515-1527 (1996).

9.Coon， D., Introduction to Psychology ---Gateways to Mind and Behavior, Company; 9th edition (2002) 有中译本，郑钢等译，中国轻工业出版社，（2004）

10．Crick F，Mitchison G，The function of dream sleep, Nature, 1983,304(7):111-114.

11.Fadem, B., Simiring, S., Psychiatry, Lippincott Williams & Wilkins (1998), 有中译本：李占江等译，精神病学，中信出版社 （2004）；

12.Fink M: Convulsive therapy:theory and practice.New York,Raven Press,1979.

13. Friston KJ. Theoretical neurobiology and schizophrenia. Br Med Bull. 1996, 52(3):644-55.

14. Friston KJ, Tononi Sporns O, Edelman GM. Characterising the complexity of neuronal interactions. Hum Brain Mapping, Vol.3(4) 2004,p302-314;

15. Gold JM, Waltz JA, Effort cost computation in schizophrenia: a commentary on the recent literature. Frank MJ.Biol Psychiatry. 2015 Dec 1;78(11):747-53.

16.郝伟 主编，精神病学,人民卫生出版社，北京，（第6版）2009；

17.Hertz J., et al, Introduction to the theory of neural computation, Addison-Wesley Publishing. Co. (1991)

18.Hoffman RE, Dobscha SK.， Cortical pruning and the development of schizophrenia: a computer model. Schizophr Bull. 1989;15(3):477-490.

19.Hoffman RE, McGlashan TH.， Parallel distributed processing and the emergence of schizophrenic symptoms， Schizophr Bull. 1993;19(1):119-140.

20.Hoffman, R. E. Neural network simulations, cortical connectivity, and schizophrenic psychosis. MD Comput. 14, 200–208 (1997).

21.Hoffman, R. E. & McGlashan, T. H. Neural network models of schizophrenia. Neuroscientist 7, 441–454 (2001).

22.Hopfield, J. J. Neural networks and physical systems with emergent collective computational abilities. Proc. Natl Acad. Sci. USA 79, 2554–2558 (1982).

23.Hubel, DH,  Eye, Brain and Vision, Scientific American Library, (1988)

24.Izawa J, Asai T, Imamizu H: Computational motor control as a window to understanding schizophrenia, Neurosci Res 2016 Mar.104,44-51,

25.金国章：应加强严重精神疾病的前沿研究，第73期上海东方科技论坛,（2006）（www.cas.cn/ys/ysjy/200606/t20060622_1689032.shtml）

26.Kandel, ER, et al, ed.,  Principles of Neural Science, 3^rd Edition, Appleton &       Lange, Norwalk,1991.

27.Koukkou M, Lehmann D, Wackermann J, Dvorak I, Henggeler B. Dimensional complexity of EEG brain mechanisms in untreated schizophrenia. Biol Psychiatry 1993; 33: 397-407

28.Lee SH, Choo JS, Im WY, Chae JH.,Nonlinear analysis of electroencephalogram in schizophrenia patients with persistent auditory hallucination. Psychiatry Investig. 2008, 5(2):115-120. 

29.Mcguffin P. et al. Seminars in Psychiatric Genetics, London; Gaskell 1994 p88-89

30.Mulligan LD, et al, High Resolution Examination of the Role of Sleep Disturbance in Predicting Functioning and Psychotic Symptoms in Schizophrenia: A Novel Experience Sampling Study. J Abnorm Psychol. 2016 Jun 30.

31.National Advisory Mental Health Council (USA): Approaching the 21th Century-Opportunities for NIMH Neuroscience Research,(1989)

32.Phillips MR, et al, Prevalence, treatment, and associated disability of mental disorders in four provinces in China during 2001—05: an epidemiological survey, The Lancet, Vol 373: 9680, p.2041 - 2053, (2009)

33. Pryluk R,et al, A Tradeoff in the Neural Code across Regions and Species. Cell, 2019 Jan 24;176(3):597-609.

34.Rolls ET, Loh M, Deco G, Winterer G. Computational models of schizophrenia and dopamine modulation in the prefrontal cortex. Nat Rev Neurosci. 2008, 9(9):696-709. .

35.Röschke J, Mann K, Fell J.,Nonlinear EEG dynamics during sleep in depression and schizophrenia.  Int J Neurosci. 1994， 75(3-4):271-84.

36.Schrodinger，E., What is Life, part 2 Mind and Matter, Oxford University Press（1967）（有中译本，罗来鸥，罗辽复译，湖南科技出版社，2015）

37.沈渔邨 主编，精神病学，人民卫生出版社，北京，2003.

38.Sperry,R.W., Mental unity following surgical disconnection of the cerebral hemispheres. The Harvey Lecture Series,62: 293-323, New York: Academic. 1968

39.Sporns O, Gaily JA, Reeke GN, Edelman GM. Re-entrant signalling among simulated neuronal groups leads to coherence in their oscillatory activity. Proc Natl Acad Set USA 1989; 86: 7265-9

40.孙复川，睡眠快速眼动的信息处理，《10000个科学难题-信息科学卷》 P.361-363，科学出版社2011，或查阅: http://blog.sciencenet.cn/blog-87919-559213.html

41.The NIMH Withdraws Support for DSM-V，2013，May，8，

http://www.psychologytoday.com/blog/side-effects/201305/the-nimh-withdraws-support-dsm-5，or:

http://www.parentspectrum.org/the-nimh-withdraws-support-for-dsm-5-psychology-today/

42.Turing, AM., Computing machinery and intelligence, Mind, (1950) 59, 433-460.

43.von Neumann, J., The Computer and the Brain, Yale University Press,Inc. (1958).

44. Wang XJ，Krystal JH, Computational Psychiatry, Neuron, 2014,Nov.5;84(3):638-654

45.Wiener, N. Cybernetics, John Wiley & Sons, (1947) (1961二版，有中译本,郝季仁译, 科学出版社, 1962，2009二版)