Sveučilište u Kyotu provelo je studiju na trima skupinama: osobama koje opetovano kradu uz dijagnozu kleptomanije, onima koje kradu bez kleptomanije i kontrolnoj skupini bez kriminalne prošlosti. Sudionici su rješavali zadatak „četverokraki bandit“, koji zahtijeva balansiranje između istraživanja i iskorištavanja opcija s različitim vjerojatnostima nagrade.
Tijekom zadatka istraživači su pomoću funkcionalne spektroskopije u bliskom infracrvenom području pratili aktivnost prefrontalnog korteksa. Analiza podataka primjenom modela pojačanog učenja pokazala je da osobe koje opetovano kradu bez kleptomanije ne uspijevaju prilagoditi ponašanje povratnim informacijama, što upućuje na oštećeno potkrepljujuće učenje.
