مرکز تحقیقات سوءمصرف و وابستگی به مواد

 اعتیاد؛ وقتی مغز بین «هدف» و «عادت» دچار تعارض میشود

پژوهشهای جدید در علوم اعصاب محاسباتی نشان می دهند که اعتیاد تنها نتیجه افزایش میل به لذت یا ضعف اراده نیست، بلکه بیشتر به عنوان یک اختلال در نحوه سازماندهی تصمیم گیری در مغز درک می شود. در این چارچوب، مغز به عنوان یک سیستم چندلایه تصمیم گیری عمل می کند که شامل فرآیندهای هدف- محور (directed-goal ) و عادت- محور .است ( habit-based) در حالت طبیعی، این دو سیستم با هم تعادل دارند؛ سیستم هدف- محور به پیامدهای آینده توجه میکند، در حالی که سیستم عادت- محور رفتارهای تکراری و خودکار را شکل می دهد. اما در اعتیاد، شواهد نشان می دهد که این تعادل به نفع سیستم عادت محور تغییر می کند و رفتارهای مصرفی حتی در حضور آگاهی از پیامدهای منفی ادامه پیدا می کنند. مطالعات اخیر در مدلهای یادگیری تقویتی (Learning Reinforcement )نشان می دهند که رفتارهای اعتیادی را می توان نتیجه «غلبه کنترل عادت بر کنترل هدف محور» دانست. در این مدلها، یادگیری عادتها به تدریج با تقویت سیگنالهای پاداش (signals reward mediated-dopamine )تثبیت می شود، در حالی که سیستم برنامه ریزی آگاهانه توان تعدیل رفتار را از دست می دهد. این وضعیت به شکل یک «شکاف عملکردی» ظاهر میشود: فرد می داند که رفتارش آسیب زا است، اما سیستم های پایین دستی مغز که همان سیستم عادتی هستند(system habit)، همچنان رفتار مصرف را فعال می کنند. این شکاف یکی از ویژگی های کلیدی اعتیاد در مدل های جدید محسوب می شود. در مدل های جدیدتر، مغز نه فقط به صورت دو سیستم جداگانه، بلکه به عنوان یک ساختار سلسله مراتبی تصمیم گیری در نظر گرفته می شود. در این دیدگاه، لایه های بالاتر مسئول اهداف بلندمدت و کنترل شناختی هستند، در حالی که لایه های پایینتر رفتارهای خودکار و شرطی شده را مدیریت می کنند. بر اساس این مدلها، اعتیاد زمانی رخ میدهد که یادگیری مبتنی بر پاداش در الیه های پایینتر آن قدر تقویت شود که خروجی رفتاری مستقل از کنترل شناختی شود. این تغییر به ویژه در اثر تقویت بیش از حد نشانه های مرتبط با مصرف و حساس شدن مدارهای پاداش در استریاتوم گزارش شده است. ً یک مشکل انگیزشی یا اخلاقی این یافته ها پیام مهمی برای درک بالینی اعتیاد دارند. در این رویکرد، اعتیاد دیگر صرفا تلقی نمی شود، بلکه به عنوان یک اختلال در معماری تصمیم گیری مغز دیده می شود؛ اختلالی که در آن سیستم های عادت-محور می توانند رفتار را حتی در تضاد با اهداف آگاهانه فرد هدایت کنند. یافته های جدید در علوم اعصاب و مدلهای محاسباتی اعتیاد نشان میدهند که جهت گیری پژوهشها در حال تغییر از «کنترل وسوسه» به سمت «بازآموزی سیستم تصمیم گیری مغز» است. بر اساس مرورهای اخیر در Reviews Nature Neuroscience و مطالعات مدلسازی در حوزه یادگیری تقویتی learning reinforcement، اعتیاد به عنوان اختلال در تعادل بین سیستم های هدف-محور و عادت-محور در نظر گرفته میشود.

1. تمرکز درمانی: تقویت کنترل شناختی و کاهش سلطه عادت پژوهش های جدید پیشنهاد می کنند که هدف درمان باید بازگرداندن کنترل از سیستم عادت به سیستم هدف-محور باشد. این رویکرد شامل تقویت عملکرد قشر پیش پیشانی (cortex prefrontal )و شبکه های کنترل اجرایی است. مداخلاتی مانند تمرین های شناختی، درمان های مبتنی بر تصمیم گیری و تحریک مغزی غیرتهاجمی (rTMS )در این مسیر مورد توجه قرار گرفته اند.

2. تغییر پارادایم: از کاهش craving به اصلاح یادگیری در مدل های یادگیری تقویتی، اعتیاد نوعی «یادگیری ناسازگار پایدار» تلقی می شود. بنابراین به جای تمرکز صرف بر کاهش craving وسوسه ، پیشنهاد می شود درمان ها فرآیند یادگیری جدید ایجاد کنند؛ یعنی ارتباط بین نشانه ها (cueها) و رفتار مصرفی تضعیف و ارتباط با رفتارهای جایگزین تقویت شود.

3. حرکت به سمت درمان شخصی سازی شده یکی از یافته های مهم جدید، ناهمگونی افراد در سبک تصمیم گیری است. برخی بیماران بیشتر تحت سلطه عادت هستند و برخی دیگر دچار نقص در کنترل هدف محور. بر این اساس، آینده درمان اعتیاد به سمت «روانپزشکی دقیق» (psychiatry precision ) حرکت می کند که در آن مداخلات بر اساس الگوی شناختی–عصبی فرد طراحی می شوند.

4 . درمان های ترکیبی و چندسطحی جمع بندی مطالعات جدید نشان می دهد درمانهای تک بعدی کافی نیستند. آینده درمان اعتیاد احتمالًا ترکیبی از مداخالت دارویی، روانشناختی و ابزارهای دیجیتال پایش رفتار خواهد بود.

1. From compulsivity to compulsion: the neural basis of compulsive disorders, https:// www.nature.com/articles/s41583-024-00807-z

2. The utility of a latent-cause framework for understanding addiction phenomena, https:// www.sciencedirect.com/science/article/pii/S2772392524000026

3. Computational models of behavioral addictions: State of the art and future directions, https:// www.sciencedirect.com/science/article/abs/pii/S0306460322003616

4. Computational models of behavioral addictions: State of the art and future directions, https:// www.sciencedirect.com/science/article/abs/pii/S0306460322003616