We advance a novel computational model that characterizes formally the ways we perceive or misperceive bodily symptoms, in the context of panic attacks. The computational model is grounded within the formal framework of Active Inference, which considers top-down prediction and attention dynamics as key to perceptual inference and action selection. In a series of simulations, we use the computational model to reproduce key facets of adaptive and maladaptive symptom perception: the ways we infer our bodily state by integrating prior information and somatic afferents; the ways we decide whether or not to attend to somatic channels; the ways we use the symptom inference to make decisions about taking or not taking a medicine; and the ways all the above processes can go awry, determining symptom misperception and ensuing maladaptive behaviors, such as hypervigilance or excessive medicine use. While recent existing theoretical treatments of psychopathological conditions focus on prediction-based perception (predictive coding), our computational model goes beyond them, in at least two ways. First, it includes action and attention selection dynamics that are disregarded in previous conceptualizations but are crucial to fully understand the phenomenology of bodily symptom perception and misperception. Second, it is a fully implemented model that generates specific (and personalized) quantitative predictions, thus going beyond previous qualitative frameworks. (PsycInfo Database Record (c) 2021 APA, all rights reserved).

中文翻译：

---

从主动推理的角度对身体症状的感知和误解：对恐慌症的案例进行建模。

我们提出了一种新的计算模型，该模型正式表征了我们在惊恐发作的情况下感知或误解身体症状的方式。该计算模型基于主动推理的正式框架，该框架将自上而下的预测和注意力动态视为感知推理和动作选择的关键。在一系列模拟中，我们使用计算模型来重现适应性和适应不良症状感知的关键方面：我们通过整合先验信息和躯体传入来推断我们身体状态的方式；我们决定是否参加躯体频道的方式；我们使用症状推断来决定服用或不服用药物的方式；以及上述所有过程可能出错的方式，确定对症状的误解和随之而来的适应不良行为，例如过度警觉或过度用药。虽然最近现有的精神病理学理论治疗侧重于基于预测的感知（预测编码），但我们的计算模型至少在两个方面超越了它们。首先，它包括在以前的概念中被忽视的动作和注意力选择动态，但对于充分理解身体症状感知和错误感知的现象学至关重要。其次，它是一个完全实施的模型，可以生成特定（和个性化）的定量预测，从而超越了以前的定性框架。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。虽然最近现有的精神病理学理论治疗侧重于基于预测的感知（预测编码），但我们的计算模型至少在两个方面超越了它们。首先，它包括在以前的概念中被忽视的动作和注意力选择动态，但对于充分理解身体症状感知和错误感知的现象学至关重要。其次，它是一个完全实施的模型，可以生成特定（和个性化）的定量预测，从而超越了以前的定性框架。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。虽然最近现有的精神病理学理论治疗侧重于基于预测的感知（预测编码），但我们的计算模型至少在两个方面超越了它们。首先，它包括在以前的概念中被忽视的动作和注意力选择动态，但对于充分理解身体症状感知和错误感知的现象学至关重要。其次，它是一个完全实施的模型，可以生成特定（和个性化）的定量预测，从而超越了以前的定性框架。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。它包括在以前的概念中被忽视的动作和注意力选择动态，但对于充分理解身体症状感知和错误感知的现象学至关重要。其次，它是一个完全实施的模型，可以生成特定（和个性化）的定量预测，从而超越了以前的定性框架。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。它包括在以前的概念中被忽视的动作和注意力选择动态，但对于充分理解身体症状感知和错误感知的现象学至关重要。其次，它是一个完全实施的模型，可以生成特定（和个性化）的定量预测，从而超越了以前的定性框架。（PsycInfo 数据库记录 (c) 2021 APA，保留所有权利）。