ترجمه مقاله رفتار درمانی شناختی (CBT)
این ایده ها متکی بر نظریه و داده های حاصل از تحقیقات پردازش اطلاعات می باشند، همچنین تغییرات بالقوه مهمCBT را برای اختلالات مبتنی بر اضطراب پیشنهاد می کنند. به عنوان مثال، ریمان، کوکرتز، روزنمن، ویرسینگ و امیر (2013)، تاثیر اصلاح توجه را به عنوان بخش الحاقیCBT در درمان اضطراب در یک نمونه جوان مورد بررسی قرار دادند. آنها استدلال کردند، از آنجا که سوگیری توجه نسبت به اطلاعات تهدیدآمیز می تواند سبب حفظ اضطراب شود، اصلاح این پردازش توجهی می تواند منجر به بهبود علائم شود. آنها از یک تکلیف ردیابی کاوش استفاده کردند که شامل محرک های چهره خنثی یا تهدیدآمیز و کاوش هایی بودند که توجه را از محرک های تهدیدآمیز دور می کرد. نتایج نشان داد که در واقع تکلیف تغییر توجه منجر به کاهش علائم اضطراب می شود و این کاهش علایم بیشتر از سایر شرایط درمانی از قبیل CBT با یا بدون دارو می باشد. داده های مشابهی توسط امیر، کوکرتز، نجمی و کانلی (2015) در مورد درمان OCD گزارش شده اند که نشان می دهند این مفاهیم و روش ها برگرفته از علوم شناختی هستند و می توان از آنها برای تقویت یا تکمیل درمان های CBT محور استفاده کرد.
ثبت سفارش ترجمه تخصصی روانشناسی
فعال سازی مغز
تکنیک های تصویربرداری از مغز از قبیل برش‌نگاری با گسیل پوزیترون (PET) و تصویرسازی تشدید مغناطیسی کارکردی (fMRI) و همچنین تکنیک های مختلف ارزیابی فیزیولوژیکی سنتی (به عنوان مثال، الکتروانسفالوگرافی) و ارزیابی عصب روانشناختی، امکان مکانیابی فعالیت مغز را فراهم می کند. به عنوان مثال، از اسکن PET برای درک جریان خون مغزی، میزان متابولیسم گلوکز و اکسیژن و مقادیر دوپامین، مواد افیونی، سروتونین و گلوتامات استفاده شده است (پودج، 1997). علاوه بر این، بواسطه بررسی تولید سیگنال رادیویی پروتون، که مشاهده شده عاملی است که با فعالیت مغز ارتباط دارد، می توان حین انجام تکالیف شناختی از fMRI برای بررسی مکان فعالیت مغز استفاده کرد.
بنابراین فعالیت مکان یابی مغز می تواند برای درک مکانیسم هایی که در پس علائم بهبودی درCBT قرار دارد، مهم باشد و در حقیقت، می تواند در هدف قرار دادن روش های شناختی در حوزه های عملکردی مغز مفید واقع شود. به عنوان مثال، داده های fMRI که توسط شوارتز (1998) گزارش شده، نشان می دهد که اختلال وسواس فکری-عملی با فعال سازی غیرطبیعی در قشر اوربیتوفرونتال مشخص می شود. پس ازCBT ، فقط تغییراتی در فعال سازی اوربیتوفرونتال چپ در پاسخ دهندگان مشاهده شد که نشان می دهد شناخت درمانی می تواند مستقیماً بر قسمت هایی از مغز فعال شود که بیشتر تحت تأثیر این اختلال قرار دارند.
شوارتز (1998) به دو روش از این اطلاعات برای اطلاع رسانی در مورد CBT استفاده کرده است. روش نخست، اینکه بطور خاص جنبه های دشوار درمان، با نشان دادن تغییرات فعال سازی مغز بیماران در حین تمرین تکنیک های درمانی، بهبود می یابد. شوارتز در روش دوم، برخی از تکنیک های CBT را اصلاح کرد تا به نواحی اوربیتوفرونتال دمی مغز بپردازد. به طور خاص، بیماران ضمن اینکه هنوز اصرارهای ناخوشایندی دارند، رفتارهای خود را تغییر می دهند، که به نظر می رسد امکان سازگاری با مدارهای اوربیتوفرونتال دمی بوجود می آید. نتایج به طور مشابه برای سایر اختلالات امیدوار کننده می باشد. به عنوان مثال، افسردگی با بیش فعالی نیمکره ﭼﭗ در ارتباط است (به عنوان مثال، هنریکس و دیویدسون، 1991). از آنجا که قشر پیش پیشانی پشتی جانبی کاملاً فعال، مهار واکنش های هیجانی را تنظیم می کند، تحقیقات نشان می دهد که واکنش های هیجانی به ویژه در افسردگی بی پروا می شوند. در همین راستا، برودر و همکارانش (1997)، با استفاده از تکالیف عصب روانشناختی، نشان دادند که CBT با از بین رفتن این عدم تقارن های نیمکره ای همراه است و نشان می دهد که درمان می تواند روند مهار هیجانی را افزایش دهد که اثرات افسردگی را معکوس کند. نمونه های دیگری از مداخلات مبتنی بر شناخت وجود دارد که بواسطه تحقیقات بر روی فعال سازی مغز آگاهی داده می شوند. به عنوان مثال، سیگل، غیناسی و ﺗﻴﺲ (2007)، بواسطه آموزش کنترل شناختی، روش جدیدی را برای درمان افسردگی گزارش کردند. آموزش کنترل شناختی، با هدف فعال سازی قشر پیشانی و جلوگیری از افزایش فعالیت آمیگدالا، به طور خاص آمیگدالا و قشر پیشانی را هدف قرار می دهد. قسمت اول این درمان، از آموزش توجه ولز (2000) استفاده می کند که بیماران را مجبور می کند تا توجه خود را در این مورد به صدایی که در یک محیط طبیعت گرایانه اتفاق می افتد، معطوف کنند و سپس توجه خود را به سمت شمارش صدا ببرند. پس از اتمام این تکلیف، بیماران تکلیف اعداد سریالی را انجام دادند که در آن مجموعه ای از اعداد به آنها ارائه و خواسته شد به یک مجموع متوالی توجه کنند. این تکالیف مستلزم توجهی هستند که بواسطه فعالیت پیش پیشانی صورت می گیرد، و این ایده را مطرح می نماید که انجام چنین تکالیفی با گذشت زمان باید عملکرد مهارکننده آمیگدال را مجدد به حالت قبلی برگرداند. نتایج گزارش شده توسط سیگل و همکاران (2007)، در مورد کاهش افسردگی نوید می داد و نشان می دهد که چگونه روش هایی که به طور خاص عملکرد مغز را هدف قرار می دهند، می توانند در تأثیرگذاری بر تغییر درمانی مفید باشند. CBT ممکن است موثر واقع شود، زیرا شناخت تغییر یافته است؛ در این حالت، شناخت نه با روان درمانی بلکه با «تنظیم مجدد» ساختارهای مغزی تغییر می یابد.
شیمی اعصاب
بخش قابل توجهی از توجه به سمت روش هایی هدایت شده که اجازه می دهد تا میزان مواد شیمیایی عصبی که در زمان واقعی متابولیسم شده از طریق طیف‌نگاری با تشدید مغناطیسی (MRS) اندازه گیری شود، این روش غیرتهاجمی برای اندازه گیری غلظت های شیمیایی عصبی بکار می رود (به عنوان مثال، فرانگو و ویلیام، 1996). از چنین روش هایی برای درک نقش مداخلات دارویی-درمانی و تغییر این مقادیر استفاده شده است (به عنوان مثال، کاتو، اینوبوشی و کاتو، 1998؛ رنشاو و همکاران، 1997). علاوه بر این، تحقیقات نشان می دهد که انتقال دهنده های عصبی منتشرشده از قبیل دوپامین، نوراپی نفرین و سروتونین در حفظ تعدادی از اختلالات از جمله افسردگی (به عنوان مثال، کلیمک و همکاران، 1997؛ استکمایر، 1997)، اسکیزوفرنی (به عنوان مثال، کوهن و سروان-شرایبر، 1993) و اضطراب نقش دارند (به عنوان مثال، مک کان و همکاران، 1995). بررسی روابط بین حالت عاطفی، عملکرد شناختی، متابولیسم عصبی شیمیایی و میزان کاهش علائم، برای درک نقش این مواد شیمیایی عصبی در تغییر درمانی، مفید خواهد بود.
ثبت سفارش ترجمه تخصصی روانشناسی
ثبت سفارش ترجمه تخصصی روانشناسی
ثبت سفارش ترجمه تخصصی روانشناسی
ثبت سفارش ترجمه تخصصی روانشناسی
همچنین شواهد نشان می دهد که داروها می توانند به طور موثری مداخلات تغییر درمانی CBT را تکمیل کنند. به طور خاص، اثرات آگونیست های گلوتامات (به عنوان مثال،D-سیکلوسرین [DCS]) باعث از بین رفتن یادگیری مشروط در حیوانات و انسان شده است (موناهان، هندلمان، هود و کوردی، 1989). به نظر می رسد تجویز کوتاه مدتDCS ، همراه با درمان از راه مواجهه، به عادی شدن هراس و اضطراب خاص کمک می کند (هافمن و همکاران، 2006؛ رسلر و همکاران، 2004) و بنابراین نوید افزایش اثراتCBT را می دهد.
از رویه های شیمی عصبی (به عنوان مثال، MRS) برای درک متابولیسم عصبی شیمیایی منتشر شده و پاسخ درمان دارویی به اختلالات قابل درمان با شناخت درمانی، از قبیل هراس اجتماعی (توپلر، دیویدسون، اسمیت و لازیراس،1997) نیز استفاده شده است. اگرچه هنوز مطالعه ای منتشر نشده که از MRS برای درک تأثیرات درمان شناختی-رفتاری بر غلظت های عصبی شیمیایی استفاده کرده باشد، اما این مطالعه در مباحث دارو درمانی یک سری احتمالات نویدبخش را نشان می دهد.
به عنوان مثال، تحقیقات نشان داده اند که می توان از طریق درمان شناختی یا دارویی به میزان مشابهی از اختلالات از قبیل افسردگی دست یافت (به عنوان مثال، هولون، دروبز، ایوانز و ویمر، 1992)؛ با اینحال، مکانیزم هایی که در پس این نتایج درمانی مشابه قرار دارد، ناشناخته است. با این حال، داده ها نیز نشان داده اند که علی رغم نتایج مشابه، بیماران تحت درمان با CBT نسبت به بیماران تحت درمان دارویی کمتر دچار عود یا بازگشت بیماری می شوند. در حال حاضر، ایجاد تعادل نسبی در اثرات بلند مدت هر نوع درمان، امری ناشناخته است.
داده های تصویربرداری عصبی، اندازه گیری های فیزیولوژیکی یا آنالیز طیف نگاری متابولیسم عصبی شیمیایی، که قبل و بعد از انواع مختلف درمان صورت گرفته اند، می توانند به توضیح در مورد برخی از مکانیسم های اثرات درمانی در درمان های شناختی و دارویی و احتمالاً اثرات درمانی ناهمسان بلند مدت کمک کند. به عنوان مثال، پس ازCBT شاهد تغییرات در قشر خلفی خارجی و شکمی میانی پیش پیشانی و تغییر در متابولیسم گلوکز در حال استراحت در قشر سینگولیت قدامی هستیم، اما به دنبال دارو درمانی چنین چیزی رخ نمی دهد (گلداپل و همکاران 2004؛ کندی و همکاران، 2007). ممکن است شباهت ها و تفاوت ها در مکانیسم های مسئول تغییر در درمان های شناختی و دارویی ناشی از شباهت ها و تفاوت ها در شاخص های فیزیولوژیکی اندازه گیری شده باشند.
هوش مصنوعی
هوش مصنوعی (AI) دربردارنده یک سری کامپیوتر برنامه نویسی برای مدلسازی رفتار انسان می باشد، غالباً هدف آن قابل تشخیص کردن عملکرد کامپیوتر از عملکرد انسان است (به عنوان مثال، جاکت، 1993؛ تورینگ، 1936، 1950). برای این امر در تکامل CBT دو جنبه خاص اعمال شده است و که لازم است مورد بحث قرار گیرند. مورد اول از گروهی از محققان هوش مصنوعی به دست آمده که انسان را از نظر مفهومی مشابه کامپیوترهای فوق العاده کارآمد می دانند و مورد دوم شامل استفاده از کامپیوتر برای انجام فعال درمان در افراد می باشد.
کاربرد هوش مصنوعی در درمان شناختی-رفتاری
هرچه درک بیشتری از مکانیسم آسیب شناسی روانی به دست آید، می توان شباهت های این مکانیزم ها را به عنوان برنامه های کامپیوتری برسمیت شناخت. چنین برنامه های کامپیوتری مطابق دستورالعمل های برنامه نویس شان در مورد مکانیسم های اختلال رفتار می کنند، اما می توانند به ورودی هایی که توسط برنامه نویس در نظر گرفته نشده، پاسخ دهند. این روش مانند درک یک فرمول آماری، اما بدون دانستن نتیجه استفاده از این فرمول در یک مجموعه داده خاص تا زمان انجام تجزیه و تحلیل می باشد. بنابراین رسمی سازی نظریه های مربوط به شناخت اختلال در کامپیوتر می تواند برخی از مفاهیم نظریه ها و همچنین تضادهایی را که قبل از رسمی شدن نظریه ها در نظر گرفته نشده را آشکار کند (به عنوان مثال، کوهن و سروان-شرایبر، 1992؛ سیگل، 1997).
مدل سازی متغیرهای شناختی هوش مصنوعی در رابطه با CBT می تواند به عنوان مکانیزمی ابتکاری برای آزمایش جنبه های نظریه های شناختی عمل کند (سیگل، 1997). به عنوان مثال، با برنامه ای شروع می کنیم که رفتارهایی (یعنی خروجی ها) مشابه رفتارهای افراد مبتلا به اختلال ایجاد می کند، گنجاندن شباهت های فرآیندهای تغییر در درمان می تواند ارزیابی کند که آیا مداخلات خاص باعث ایجاد تغییر در رفتار می شود. این تکنیک نسبت به نظریه محض یک مزیت دارد، اینکه بسیاری از سیستم های شناختی زمینه ساز، پیچیده و غیرخطی هستند، بنابراین پیش بینی آنها بدون شبیه سازی شان در یک برنامه کامپیوتری، دشوار می باشد. علاوه بر این، مدل های اختلال که به عنوان سیستم های هوش مصنوعی اجرا شده اند، می توانند بواسطه بررسی نحوه اصلاح تاثیر فرآیندهای تغییر شناختی شبیه سازی شده، بر رفتارهای شبیه سازی شده برنامه، CBT را اصلاح کنند. بعلاوه، محققان هوش مصنوعی می توانند با مدل سازی جنبه های شناخت و هیجان در کامپیوتر، دیدگاه های منحصر به فردی از جمله کمک به افراد در برنامه ریزی و حل مشکلات را به مفاهیم اصلی CBTاضافه کنند (به عنوان مثال، چارنیاک و مک درمو، 1985). محققان هوش مصنوعی چیزهای زیادی در مورد چگونگی حل مشکلات مردم آموخته اند (نیول و سایمون،1972). وبستر (1995) از طریق شبیه سازی با استفاده از حل کننده های محاسباتی نشان داده است که تکنیک هایی مانند ذخیره سازی و بررسی مکرر ناکامی های گذشته در حل مسئله می تواند منجر به ایجاد یک حل کننده بلاخص موثر برای مسئله شود. وی پیشنهاد می کند که چنین فرآیندی را می توان به جنبه های انطباقی تفکر منفی و نشخوار فکری از جمله اختلالات عاطفی تشبیه کرد، اما ممکن است اتخاذ چنین استراتژی های انطباقی منجر به نقص هایی در حل مسئله غیر انطباقی شود. این تحقیقات پیامدهای بالقوه زیادی برای درمانگران شناختی-رفتاری دارند، از جمله درک اینکه نشخوار فکری می تواند تطبیقی باشد (به عنوان مثال در فکر فرورفتن در مقابل تعمق اندیشه) و اینکه یافتن سطح مطلوب نشخوار فکری مشتری می تواند یک پیگیری مفید برای درمانگران شناختی-رفتاری محسوب شود .
همچنین می توان از مدل های استدلالی هوش مصنوعی برای درک تغییر در CBT استفاده کرد. هدف اصلی بسیاری از برنامه های هوش مصنوعی شامل استدلال در مورد موقعیت هایی می باشد که یک عامل هوشمند مصنوعی (به عنوان مثال یک ربات) می تواند در جهان تجربه کند. مفهوم یک طرحواره، که CBT اغلب مبتنی بر آن است، در این مطالعات انجام شده رسمیت یافته است (به عنوان مثال، شانک و ابلسون، 1977). به طور سنتی، طرحواره ها برای محققان هوش مصنوعی به عنوان یک مفهوم کارآمد برای ارائه مجموعه اطلاعاتی که معمولاً با زمینه رفتاری مرتبط هستند، مفید واقع می شوند و شایان ذکر است که درمان شناختی بک مبتنی بر این تصور است که افراد مبتلا به افسردگی دارای طرحواره های منفی نسبت به خودشان هستند.
منطق نظری، یک حوزه نهایی محسوب شده که در آن هوش مصنوعی سنتی برای مدل سازی بسترهای CBT مفید واقع شده است. یک هدف تکرار شوند در CBT این است که به افراد کمک کند تا عقاید ناسازگار را سازگار نمایند (به عنوان مثال، این باور که شخص مقصر چیزی است که بر آن هیچ کنترلی نداشته است). رشته برنامه نویسی منطقی، به سوالاتی درباره چگونگی رفتار یک سیستم در هنگام داشتن عقاید متناقض می پردازد و این امر یکی از اهداف تکرار شونده CBT درمحسوب می شود (به عنوان مثال، پرداختن به این باور که شخص خود را مقصر چیزی می داند که معتقد است هیچ گونه کنترلی بر آن نداشته است). گرنت و سوبراهمانیان (1995) نشان داده اند که وقتی عقاید ناسازگار در پایگاه داده اصلی قرار دارند، می توان بواسطه پایگاه داده نتیجه گیری کرد. این مفهوم را می رساند که هرچه اعتقادات ناسازگار یک فرد مرکزی یا هسته ای باشد، توانایی تصمیم گیری در فرد کمتر خواهد بود و تغییر آن بدون ایجاد اختلال در کل شبکه اعتقادات دشوارتر می باشد (دامبک، سیگل و اینگرام، 1996). سوبراهمانیان و همکارانش (گرنت و سوبراهمانیان، 1995؛ پرادن، مینکر و سوبراهمانیان، 1995) نشان می دهند که وقتی یک پایگاه داده محدود می شود، به طوری که باورهای ناسازگار را نمی توان با هم در نظر گرفت، مجدد می توان از پایگاه داده برای نتیجه گیری استفاده کرد. بر اساس منطق سوبراهمانیان، کمک به افراد برای در نظر گرفتن کانون باورهای متقابلاً سازگار و اولویت بندی اینکه کدام باورها در چه موقعیت هایی کنترل شده اند، در مواردی که باورهای ناسازگار افراد در شبکه شناختی شان چنان مرکزی شده که نمی توانند آنها را به راحتی تغییر دهند، می تواند برای درمانگرهای شناختی مفید واقع شود.
اتصال گرایی و شبکه های عصبی: تلفیق روانشناسی شناختی، هوش مصنوعی و علوم اعصاب
اتصال گرایی اصطلاحی است که به مدل های نظری ناشی از روانشناسی شناختی و هوش مصنوعی داده می شود و در آن فرض می شود که شناخت شامل گسترش فعال سازی بین گره ها است. به عنوان مثال، گره ها می توانند گزاره ها و فعال سازی می تواند فرآیندهای حافظه را در رابطه با یک باور نسبت به باور دیگر نشان دهد. در مثال اولیه، بوئر (1981) با استفاده از این پیشنهاد که باورها و هیجانات را می توان به طور مشابه به عنوان گره های متصل به چنین سیستمی نشان داد، از این شبکه های معنایی برای درک روابط بین هیجان و شناخت استفاده کرد. از این رو، ممکن است افسردگی ارتباطات شدیدی با برخی افکار و هیجانات در شبکه های معنایی داشته باشد. به این ترتیب، بسیاری از افکار می توانند به تجربه یک احساس غم انگیز منجر شوند و به همین ترتیب، می توانند در درک درمان های شناختی به عنوان تغییر ارتباط در شبکه های معنایی مورد استفاده قرار گیرند.
الگوهای پردازش اطلاعات، نتیجه حاصل از شبکه های واحدهای ساده نورون مانند بهم متصل را مورد استلال نظری قرار داد. این مدل های به اصطلاح «شبکه عصبی» از این نظر نسبت به سایر مدل های اتصال گرایی مزایایی دارند که می توان آن را به عنوان شباهت های سیستم های بیولوژیکی طراحی کرد. چنین مدل هایی، شکاف بین تحقیقات شناختی و علوم اعصاب را پر می کنند. مکانیسم های احتمالی اختلال ناشی از تحقیقات علوم اعصاب را می توان در شبکه های عصبی که برای تقلید از مدارهای شناخته شده مغز طراحی شده اند، مجسم کرد. دانش یک شبکه عصبی از طریق مکانیسم های یادگیری ایجاد شده در روانشناسی شناخت به دست می آید.
