Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
PORTADA
EFECTO MODULATORIO DEL ACOPLAMIENTO
SENSORIOMOTOR SOBRE LA MEMORIA DE TRABAJO
Tesis para optar al grado de Doctor en Ciencias Biomédicas
ROCÍO BELÉN LOYOLA NAVARRO
Directores de Tesis:
Pedro Maldonado Arbogast, PhD.
Francisco Aboitiz Domínguez, PhD.
2020
A mi familia
2
AGRADECIMIENTOS
Agradezco a todos quienes han hecho posible esta tesis, especialmente a mis
tutores, Dr. Pedro Maldonado y Dr. Francisco Aboitiz, quienes han contribuido en lo
profesional y en lo personal, con una paciencia y dedicación inconmensurables, para
que este trabajo fuese posible.
Mencionar especialmente a Cecilia Carter. Agradezco su calidez, su enorme
corazón y su apoyo logístico y emocional, los que fueron de inmensa ayuda
especialmente en los momentos más difíciles de este proceso.
Agradezco también a todos los miembros del laboratorio de Neurosistemas, por
cuya contención incondicional he llegado a esta instancia. Especialmente, a Cecilia
Babul y Christian López, por hacernos feliz el día a día; a Rodrigo Vergara por su
apoyo emocional, y por su fundamental guía en los análisis estadísticos. También
agradecer a Cristóbal Moenne por su ayuda y paciencia con el preprocesamiento de
mis datos. A Alexandre Hyafil cuyas ideas y trabajo aportaron grandemente a los
análisis de tiempo frecuencia.
A todas las increíbles mujeres en ciencia con las que he compartido y crecido:
Ana Campos, Christ Devia, Carolina Astudillo, Alejandra Parra, Florencia Alamos,
Carolina Salazar, Giuliana Bucci, María de los Ángeles Juricic y Cecilia Babul. Son una
inspiración.
Finalmente, a mi más importante pilar: mi familia. A mi padre que siempre me
incentivó y procuró todos los medios para que este doctorado fuera posible. A mi
madre. A mi hermano Raúl y su incondicionalidad. A mis abuelos, Raúl y Graciela,
siempre presentes.
3
FINANCIAMIENTO
Esta tesis ha contado con el financiamiento de la beca CONICYT-PFCHA 21150153 y
del núcleo milenio ICM P09-015-F.
4
TABLA DE CONTENIDO
PORTADA i
AGRADECIMIENTOS iii
FINANCIAMIENTO iv
TABLA DE CONTENIDO v
ÍNDICE DE FIGURAS Y TABLAS viii
RESUMEN x
1. INTRODUCCIÓN 12
1.1 Modelos teóricos de la Memoria de Trabajo 22
2.1 Neurobiología de la Memoria de trabajo 27
2. HIPOTESIS 35
3. OBJETIVOS 36
3.1 Objetivo General 36
3.2 Objetivos Específicos 37
4. MATERIALES Y MÉTODOS 38
4.1 Sujetos 38
4.2 Materiales 39
4.3 Prueba de Memoria de Trabajo Verbal 41
5
4.4 Electroencefalografía 45
4.5 Análisis de datos 46
4.5.1 Análisis Conductual 46
4.5.2 Análisis de Potenciales Relacionados a Evento (ERPs) 50
4.5.3 Análisis Tiempo-frecuencia 56
5. RESULTADOS 58
5.1 Sujetos 59
5.2 Resultados Conductuales 60
5.3 Resultados Electrofisiológicos 69
5.3.1 Resultados de Potenciales relacionados a Evento 69
5.3.2 Resultados data-driven 81
5.3.3 Resultados de Consistencia de Fase (ITPC) 89
6. DISCUSIÓN 93
7. CONCLUSIÓN 122
8. REFERENCIAS 124
9. ANEXOS 140
9.1 Figuras Suplementarias 141
9.2 Test De Permutaciones. 161
9.3 Modelo Lineal Generalizado 164
9.4 Dataset 166
6
9.4.1 Conductual 166
9.4.2 Sensibilidad y Especificidad 169
9.4.3 Potenciales evocados 172
9.4.4 Consentimiento informado………………………………………………………187
7
ÍNDICE DE FIGURAS Y TABLAS
Tabla 1 Resumen de componentes de ERP encontrados en cada etapa de
procesamiento de Memoria de trabajo. 34
Tabla 2 Características de los sujetos 60
Tabla 3 Valores de variables dependientes conductuales por condiciones
experimentales 61
Tabla 4 Promedios de Amplitud y test de distribuciones de ERPs por
condiciones experimentales
71
Tabla 5 Promedios de Latencias y test de distribuciones de ERPs por
condiciones experimentales.
72
Fig. 1. Preparación (set up) del experimento 43
Fig. 2. Modulación conductual por condición de codificación 64
Fig. 3. Estimadores de la probabilidad de acierto 68
Fig. 4. Gran promedio de ERPs evocados a la aparición del estímulo 73
Fig. 5. Amplitud y latencia de ERPs por condición de codificación 76
Fig. 6. Amplitud y latencia de ERPs por ensayo correcto e incorrecto 78
Fig. 7. Efecto de las condiciones sobre cada electrodo, por serie de tiempo 84
8
Fig. 8. Diferencias entre CA y CP sobre cada electrodo, por serie de tiempo 86
Fig. 9. Diferencias entre CA y CD sobre cada electrodo, por serie de tiempo 87
Fig. 10. Diferencias entre CD y CP sobre cada electrodo, por serie de tiempo 88
Fig. 11. ITPC de ensayos correctos por condición. 91
Fig. 12. Mapa topográfico de valores de p por condición 92
Fig. S1. Resultados del pilotaje 141
Fig. S2. Efectos del aprendizaje de la tarea y del orden de presentación del bloque sobre la exactitud 142
Fig. S3. Efectos de la sensación de seguridad. 143
Fig. S4. Efectos del tiempo pre-estímulo sobre la exactitud. 144
Fig. S5. Actividad electroencefalográfica evocada a la aparición del estímulo 145
Fig. S6. Potenciales Relacionados a Eventos evocados por la presión del botón 147
Fig. S7. Gran promedio de ERPs evocados a la aparición del estímulo
para ensayos incorrectos 148
Fig. S8. Actividad electroencefalográfica evocada a la aparición del estímulo
para ensayos incorrectos. 150
Fig. S9. Gráficos de densidad de amplitud y latencia de ERPs ensayos incorrectos,
desglosado por condición 152
Fig. S10. Amplitud y latencia de ERPs por ensayo correcto e incorrecto,
desglosado por condición 153
Fig. S11. Número de clústers significativos en el tiempo 154
Fig. S12. Ejemplos de ensayos únicos, en electrodo Oz, por condición 155
Fig. S13. Ejemplos de ensayos únicos, en electrodo Fz, por condición 157
Fig. S14. Ejemplo de ensayos únicos, en electrodo Pz, por condición 159 9
RESUMEN
La presente investigación tiene como objetivo comprobar el rol funcional
de un acto motor voluntario temporalmente acoplado con la aparición de los
estímulos codificados en la memoria de trabajo verbal. Específicamente, se
busca verificar que el acoplamiento sensoriomotor temporalmente preciso es un
constituyente de la memoria de trabajo. Para comprobar esta hipótesis, se
diseñó una tarea de memoria de trabajo verbal tipo Sternberg modificada,
presentada en modalidad visual. En ella los sujetos debieron memorizar series
de letras (consonantes) en tres condiciones: una condición activa acoplada, en
donde los participantes presionan un botón luego del cual se muestran
inmediatamente los estímulos a codificar; una condición activa pero
temporalmente desacoplada, en la que existe un retardo entre la presentación
de los estímulos y la presión del botón por parte de los sujetos; y finalmente,
una condición pasiva, que corresponde al paradigma clásico en el cual los
estímulos son presentados automáticamente por el computador.
10
Se reclutó a un total de 26 adultos sanos (13 mujeres; edad promedio:
23.1 años), quienes realizaron las tres condiciones experimentales mientras se
les registró la actividad electroencefalográfica. Los resultados conductuales
muestran que la codificación activa acoplada de los estímulos mejora la
exactitud, especificidad y sensibilidad en la memoria de trabajo. Este efecto de
la codificación activa acoplada sobre el desempeño se mantiene aun cuando se
comprueba que existen otros efectos, además de la condición de codificación,
que también influyen sobre el desempeño.
Al estudiar los efectos del acoplamiento sensoriomotor temporalmente
preciso sobre los potenciales relacionados a la codificación, se observa que la
condición activa acoplada evoca una menor latencia en los componentes N100
y P200. No se evidencian efectos de las condiciones experimentales sobre la
amplitud de los componentes de interés. Por otro lado, al estudiar las
diferencias entre ensayos correctos e incorrectos, los resultados arrojan que los
ensayos correctos (independiente de su condición) evocan una menor amplitud
en los componentes P100-N100, P200 y P300. No se observan diferencian en
la latencia de los componentes al probar ensayos correctos versus incorrectos.
Estos resultados se discuten a partir de la relevancia de la etapa de codificación
en MT, y específicamente, de la codificación activa. Asimismo, se discuten las
11
posibles implicancias de la señal corolaria como el mecanismo neurofisiológico
que sustentaría la modulación del acoplamiento sensoriomotor sobre MT.
12
INTRODUCCIÓN
La memoria de trabajo (MT) es el proceso cognitivo que permite
mantener, integrar, coordinar y manipular información en mente, información
que es utilizada para generar una respuesta o acción atingente al objetivo o
tarea en curso (Alan Baddeley, 2012; Miyake & Shah, 1999). Aun cuando en la
cotidianeidad utilizamos MT activamente, es decir, valiéndonos de actos
motores, los modelos actuales de MT se basan en estudios donde los
participantes reciben pasivamente la información. En ellos, los sujetos deben
esperar inmóviles a que los estímulos aparezcan. La presente investigación
propone que para el sistema nervioso no es lo mismo codificar la información en
MT de una manera activa que de una manera pasiva, de manera que un acto
motor voluntario temporalmente acoplado con la aparición de los estímulos
codificados en la memoria de trabajo verbal, es capaz de beneficiarla.
Diversos estudios han reportado que el planeamiento y la ejecución
motora pueden modular otros procesos cognitivos, como la percepción (para
13
una revisión, ver Schroeder, Wilson, Radman, Scharfman, & Lakatos, 2010).
Desde la percepción activa, el sistema nervioso se entiende como un sistema
que explora activamente su entorno, de manera que no sólo el sistema motor
requiere del sensorial para guiar un acto, sino que el sistema sensorial requiere
del motor para percibir (Ahissar & Assa, 2016). De este modo, sistema motor y
sistemas sensoriales formarían un círculo cerrado sensoriomotor en el cual se
influyen mutuamente. Por ejemplo, ya en 1967 Yarbus evidenció que la
percepción de una escena visual requiere de la exploración mediante
movimientos oculares. En esta línea, los movimientos oculares han mostrado
modular la actividad neuronal del sistema visual (Devia, Montefusco-Siegmund,
Egaña, & Maldonado, 2017; Ibbotson & Krekelberg, 2011; Ito, Maldonado,
Singer, & Grün, 2011; McFarland, Bondy, Saunders, Cumming, & Butts, 2015),
pese a que los mecanismos de cómo se lleva a cabo esta modulación aún no
han sido del todo dilucidados. Esta misma relación entre sistema sensorial y
motor se ha encontrado en otras modalidades perceptuales (olfato y gusto:
Halpern, 1983; Mainland & Sobel, 2006; tacto: Bagdasarian et al., 2013;
Blakemore, Frith, & Wolpert, 1998-1999; audición: Gruters et al., 2018), así
como en varias especies animales, lo que apunta a que la modulación motora
sobre la percepción es un mecanismo neuronal consistente. Siguiendo este
razonamiento, MT podría modularse si durante la adquisición de la información
14
que se mantendrá en memoria -y que guiará nuestra conducta- se activa este
círculo sensoriomotor.
Apoyando esta propuesta, es relevante destacar que la modulación que
el sistema motor ejerce sobre los sistemas sensitivos parece corresponder a un
mecanismo de acción del sistema nervioso que no se limita únicamente al
movimiento de la superficie sensorial, sino que formaría parte de un mecanismo
neuronal más global (Press & Cook, 2015). Varios estudios sugieren que la
actividad motora influiría sobre el sentido de agencia (Haggard, 2017; Haggard
& Chambon, 2012), la percepción temporal (Haggard et al., 2002; Hughes,
Desantis, & Waszak, 2013 para una revisión), la atención (Kumar, Manjaly, &
Sunny, 2015; Morillon, Schroeder, & Wyart, 2014; Nittono, 2004; Waszak &
Herwig, 2007), y la memoria a largo plazo (Yebra et al., 2019). En una serie de
estudios, Nittono y colaboradores (Nittono, 2004, 2006; Nittono, Hamada, &
Hori, 2003) demostraron los efectos de la autoadministración sobre las
respuestas conductuales y la actividad eléctrica evocada por una tarea de
estímulos infrecuentes. Los participantes tomaron significativamente mayor
tiempo para ejercer sus respuestas cuando se autoadministraban la tarea, sin
que esto afectara en su desempeño; en cuanto a la actividad evocada,
encontraron que la amplitud del componente P3a -asociado a la captura de la
atención por un estímulo novedoso- era significativamente mayor cuando el
15
sujeto se autoadministraba la tarea, con respecto a cuando la realizaba de
forma pasiva. Los autores interpretaron dichos resultados como indicativo de
que el procesamiento de la atención puede ser intensificado por un acto
voluntario. En esta misma línea, Morillon et al., 2014 reportaron que un acto
motor mejoraba la atención auditiva con respecto a la atención pasiva. En un
paradigma donde los sujetos debían discriminar la información auditiva entre
estímulos objetivos y distractores, los autores encontraron que un acto motor
mejora la sensibilidad de los primeros, a la vez que suprime activamente la
sensibilidad de los tonos distractores. Cabe destacar que este efecto requería
de un acoplamiento sensoriomotor temporal preciso con los tonos objetivos, de
modo que desfases entre el acto motor y dichos tonos disminuían
significativamente esta modulación. Asimismo, un desacoplamiento entre el
acto motor y el foco atencional generaba una pérdida del efecto: si el acto motor
estaba en fase con el estímulo distractor (y por lo tanto, en antifase con el foco
atencional), la sensibilidad a los estímulos objetivos y distractores dejaba de
mostrar diferencias significativas con respecto a la condición de atención
pasiva. Esta necesidad de una coordinación temporal precisa entre el acto
motor y la atención, también se ha observado en paradigmas de percepción
activa (Attinger, Wang, & Keller, 2017; Blakemore et al., 1999; Ito et al., 2011;
McFarland et al., 2015), indicando que el acoplamiento temporalmente preciso
16
sería un aspecto relevante para el mecanismo de modulación del sistema motor
sobre otros procesos cognitivos.
De este modo, la evidencia hasta ahora presentada parece indicar, por
un lado, que el sistema nervioso procesaría los estímulos que se reciben de
manera pasiva de una forma distinta a cuando se procesan de manera activa.
Además, apuntaría a que este proceso requeriría un acoplamiento temporal
preciso. Por otra parte, estos hallazgos sugieren que el sistema motor es capaz
de influenciar otros procesos cognitivos, más allá de la percepción.
De acuerdo con esto, nosotros conjeturamos que el mismo principio
podría modular la memoria de trabajo. Varios estudios han demostrado que un
acto motor voluntario no relacionado con la tarea es capaz de interferir con MT
tanto verbal (Buszard, Farrow, Zhu, & Masters, 2016; Logan & Fischman, 2015;
Spiegel, Koester, & Schack, 2013; Spiegel, Koester, Weigelt, & Schack, 2012;
Weigelt, Rosenbaum, Huelshorst, & Schack, 2009), como visuoespacial
(Gündüz, Schack, & Koester, 2017; Spiegel et al., 2013), lo que indicaría que los
mecanismos subyacentes a MT no serían independientes del sistema motor.
Estos estudios han demostrado que la ejecución de actos motores voluntarios
durante la etapa de mantención es capaz de interferir con el desempeño en
17
tareas de MT, independiente de la dificultad del movimiento (Logan & Fischman,
2011; Spiegel et al., 2012-2013). La modulación en el desempeño de MT se ha
interpretado como indicativo de que la ejecución y la planificación motora
compartirían recursos con el bucle fonológico, recursos por los cuales deben
competir. Dicha competencia por los recursos cognitivos compartidos entre MT
y el sistema motor, se observa como la interferencia producida en la mantención
y recuperación de los estímulos. Esto apunta a que, efectivamente, el sistema
motor parece formar parte de los mecanismos de MT, al menos durante la etapa
de mantención. En una línea similar, Gündüz, Schack & Koester (2017)
estudiaron los efectos de un movimiento voluntario no relacionado con el
objetivo de la tarea, pero esta vez durante la etapa de codificación. Los autores
encontraron que la realización de movimientos manuales (agarrar, sostener un
objeto y luego ubicarlo en lugar específico) concomitantes a la codificación de
los estímulos, conllevaba una disminución en el desempeño cuando la tarea era
visuoespacial y no verbal. Esta modulación sugiere que la ejecución motora y la
MT visuoespacial compartirían recursos cognitivos también durante la etapa de
codificación de los estímulos a mantener. Cabe destacar que el efecto de
interferencia observado en estos estudios podría tener relación con que los
actos motores no son atingentes a la tarea en curso. Vale decir, la consecuencia
sensorial de los actos motores no tiene relación con el objetivo de codificar o
mantener los estímulos en MT. De este modo, es posible esperar que un acto
18
motor cuya consecuencia sensorial se relacione con la codificación, tenga el
efecto en la dirección contraria, beneficiando el desempeño de MT. El efecto en
esta dirección se ha probado recientemente en la memoria de largo plazo
(Yebra et al., 2019), quienes solicitaron a sus participantes presionar -o no- un
botón mientras observaban imágenes. Cabe destacar que los sujetos no eran
avisados de antemano que una hora después de la tarea de codificación se les
preguntaría por el recuerdo de dichos estímulos. Los resultados de esta
investigación muestran que la codificación activa mejora la memoria a largo
plazo. Esto se observa en que los estímulos que fueron codificados asociados a
la presión de un botón, posteriormente fueron recordados en una mayor
proporción que los estímulos codificados sin presión del botón. Estos hallazgos
apuntan a que un acto motor que es atingente al cambio sensorial durante la
codificación es capaz de mejorar la memoria -en este caso, a largo plazo-, aun
cuando codificar estímulos en la memoria no sea el objetivo en curso de los
individuos. Esto sugiere que un mecanismo similar de modulación podría
observarse durante el uso de MT, cuando el efecto sensorial de un acto motor
son los estímulos a codificar. Más aún, nuestro trabajo propone que un aspecto
relevante dentro de esta modulación sería la precisión temporal entre el acto
motor y el efecto sensorial.
Además de los efectos conductuales, Gunduz, Schack & Koester (2017)
19
investigaron los correlatos neuronales que subyacen a esta interacción entre
actos motores voluntarios y MT durante la codificación. Los autores encontraron
que los actos motores durante la codificación generan un cambio del patrón en
el componente negativo posterior. Este componente negativo posterior ha sido
interpretado como índice de la percepción e identificación de material
visuoespacial en MT (Ruchkin, D., Canoune, H., Johnson, R. 1995). Dicho
cambio consistió en que este componente negativo posterior se podía observar
bilateralmente cuando la codificación de MT era concomitante a la ejecución
motora, mientras que en tareas pasivas la distribución mantiene la distribución
típica de lateralización hacia electrodos derechos. Los autores interpretaron
estas diferencias cualitativas en la distribución espacial del componente
negativo como reflejo del costo de la tarea motora asociada a la codificación de
MT visuoespacial. Dicho estudio no muestra evidencia de cambios cuantitativos
en amplitud o latencia de estos u otros componentes asociados a la codificación
de estímulos en MT, como P300 (P3). Diversos estudios han correlacionado la
aparición de este componente positivo P3 con la codificación en tareas de MT
tipo Sternberg (Chao & Knight, 1996; Kiss et al., 1998, 2007; Kusak et al., 2000;
Patterson et al., 1991; Ruchkin et al., 1992). La amplitud de P3 reflejaría los
procesos de codificación que promueven el almacenamiento exitoso y
facilitarían así, la posterior recuperación de la información y reconocimiento del
estímulo (Polich, 2007). Esto parece corroborarse evidencialmente en tanto que
20
los ítems que evocaron P3 durante la codificación, tienden a ser los ítems
recuperados, tanto en tareas tipo Sternberg (Fabiani, Karis, & Donchin, 1986a;
Karis, Fabiani, & Donchin, 1984), como en paradigmas atencionales (Ortega,
López, Carrasco, Anllo-Vento, & Aboitiz, 2013; López et al., 2008). Asimismo,
durante la codificación de estímulos visuales en MT pueden observarse
componentes relacionados al procesamiento sensorial más temprano del
estímulo, como P100 y N100 cuya distribución es en electrodos occipitales.
P100 ha sido asociado a la respuesta visual temprana (Clark, Fan, & Hillyard,
1995; Di Russo, Martínez, Sereno, Pitzalis, & Hillyard, 2002; Luck, Heinze,
Mangun, & Hillyard, 1990; Natale, Marzi, Girelli, Pavone, & Pollmann, 2006;
Sergent, Baillet, & Dehaene, 2005), mientras que el componente N100 se ha
postulado como índice del proceso de discriminación visual, y también se
considera una respuesta visual temprana (Di Russo et al., 2002; Vogel & Luck,
2000). En este sentido, nuestro estudio hipotetiza que el acoplamiento
sensoriomotor entre un acto motor voluntario y los estímulos visuales generaría
una modulación de los mecanismos neuronales que subyacen a la codificación
de los estímulos. Específicamente, nuestro estudio propone que el
acoplamiento sensoriomotor temporalmente preciso conlleva un aumento de la
amplitud y una disminución de la latencia de los componentes tanto tempranos
(P100 y N100) como tardíos (P300) relacionados a la codificación de estímulos
visuales en MT.
21
En resumen, la memoria de trabajo es un proceso cognitivo que nos
permite mantener información en línea para ejecutar acciones concordantes con
una tarea en curso. Si bien hacemos uso de esta habilidad de manera
voluntaria y activa, los paradigmas actuales suelen estudiarla como un proceso
donde los participantes reciben pasivamente la información. Existe evidencia
que muestra que el sistema nervioso no procesaría de igual manera la
información adquirida pasivamente que la adquirida de modo activo, mediado
por un acto voluntario. Así, procesos como la percepción, la atención y la
memoria a largo plazo parecen ser modulados por un acto motor
temporalmente coordinado con el estímulo -es decir, una coordinación temporal
sensoriomotriz-. En memoria de trabajo, el sistema motor parece compartir
recursos cognitivos con MT tanto en su etapa de codificación como de
mantención; sin embargo, hasta el alcance de nuestra investigación, los efectos
del acoplamiento sensoriomotor -y, más aún, la necesidad de un acoplamiento
temporal preciso- no han sido estudiados. De este modo, nuestro trabajo
plantea que la codificación activa de la información sería un constituyente de
MT; vale decir, que la modulación de cortezas motoras sobre cortezas visuales
forma parte de los mecanismos de MT, siendo capaz de beneficiarla.
22
23
Modelos teóricos de la Memoria de Trabajo
Como se mencionó previamente, MT es un proceso cognitivo que
permite la mantención de información en mente, así como su integración,
coordinación y manipulación, la que es utilizada para generar una respuesta o
acción atingente al objetivo o tarea actual. Esta característica sería esencial
para otras funciones cognitivas, como el lenguaje (Alan Baddeley, Gathercole, &
Papagno, 1998; Makuuchi, Bahlmann, Anwander, & Friederici, 2009; Meyer,
Grigutsch, Schmuck, Gaston, & Friederici, 2015) y la inteligencia (Chooi, 2012;
Kyllonen & Christal, 1990; Süß et all., 2002).
Modelo de Multicomponentes
Teóricamente, se han propuesto diversos modelos del funcionamiento de
MT (e.g. Baddeley & Hitch, 1974; Conway & Engle, 1994; Cowan, 1988; Postle,
2006). De ellos, el más clásico y difundido corresponde al modelo de
multicomponentes de Baddeley & Hitch (1974). Este modelo define a MT como
un sistema que retiene y manipula una cantidad limitada de información durante
24
períodos cortos de tiempo. Un aspecto clave de MT, es que su funcionamiento
está íntimamente ligado a los procesos de atención y conciencia (Baddeley,
Hitch, & Allen, 2009; Campoy & Baddeley, 2008; Miller, 1994).
Conceptualmente, el modelo de multicomponentes establece que existirían tres
subsistemas de modalidades o subdominios específicos -llamados subsistemas
esclavos-, y un subsistema de modalidad general y dependiente de la atención
-administrador central-. El administrador central estaría a cargo de funciones
relacionadas con la distribución de recursos cognitivos, dentro de las cuales se
propone: a) regular el flujo de información en actividades que requieren de la
atención voluntaria y que están relacionadas con acciones planificadas; b)
seleccionar el subsistema adecuado para la mantención de la información
(visual o verbal); c) integrar y coordinar la información entre los subsistemas, y
c) proveer un mecanismo de manipulación cognitiva de la información
mantenida en línea. Los recursos de este administrador central son limitados, y
su eficacia se relaciona con la demanda de la tarea en curso y la presencia de
otras tareas simultáneas (Baddeley & Hitch, 1974; Alan Baddeley, 2012). Los
otros tres subsistemas (el bucle fonológico, la agenda visuoespacial y el buffer
episódico), se proponen como sistemas “esclavos” del administrador central.
Corresponderían a almacenes y procesadores de información en diferentes
modalidades sensoriales. Una de las principales limitaciones de este modelo
corresponde a que el funcionamiento de la memoria de trabajo queda
25
supeditado a ciertas entradas sensoriales, como la visión y la audición.
Además, en el modelo original, cada modalidad funcionaría de manera paralela
e independiente, sin interacción entre ellas. Sin embargo, es notorio que se
puede mantener y manipular información verbal proveniente tanto de la
modalidad visual como auditiva, y que características visuales como el color o la
forma de objetos visuales pueden mantenerse ayudados de componentes
verbales. Asimismo, este modelo tampoco daría cuenta de la capacidad para
mantener y manipular información de otras modalidades sensoriales, como las
táctiles o propioceptivas. Por ejemplo, esta sería necesaria para mantener
secuencias de texturas, lo cual queda especialmente de manifiesto en la
capacidad para leer Braille. Otra debilidad que el modelo de multicomponentes
tuvo por mucho tiempo fue la relación entre memoria a largo plazo y MT. El
modelo inicial de Baddeley & Hitch (1974) proponía la existencia de una
relación entre los mecanismos de MT y memoria a largo plazo, pero sin
especificar cuál era ni cómo sucedía. No fue hasta el año 2000, en una revisión
del modelo, que esta relación se especificó al añadir el componente
denominado buffer episódico (Baddeley, 2000). Este componente actuaría como
un espacio mental que permite unir información proveniente de dimensiones
lingüísticas y visuales -mantenidas en los subsistemas bucle fonológico y
agenda visuoespacial- y de otros procesos cognitivos como la percepción y la
memoria a largo plazo (Baddeley, 2012). Este subcomponente tiene una clara
26
influencia de otros modelos de MT, como el mismo autor ha dejado de
manifiesto.
Modelo Embebido
Otro modelo especialmente influyente es el modelo embebido (Cowan,
1988). Este modelo propone que MT corresponde a la activación temporal de la
memoria de largo plazo, asistida por procesos atencionales y ejecutivos. Se
denomina “embebido”, en tanto que existiría una “porción” de memoria activada,
dentro de la cual se focaliza la atención. De estas “porciones” de memoria a
largo plazo que han sido activadas, el ejecutivo central determina qué ítems
entran al foco de atención. En tanto que este foco atencional es limitado en su
capacidad, el ejecutivo central puede, además, “sacar” ítems del foco de
atención, y “meter” otros; estos ítems que son reemplazados se mantendrían
disponibles por un tiempo, dejando un “trazo” que persistirá unos cuantos
segundos, antes de dejar de estar del todo disponibles. Cabe destacar, que este
modelo asume que la memoria a largo plazo es ilimitada, y que, por lo tanto,
también se pueden activar ilimitadas características a la vez. Por tanto, el límite
de la memoria de trabajo estaría dado por la capacidad de la atención, en tanto
que no puede focalizar un número infinito de ítems (Cowan, 1988, 2009).
27
Dentro de los componentes de MT, Cowan define al ejecutivo central
como un conjunto de varios procesos voluntarios que están relacionados, más
que una única estructura unificada. Cowan (1988) define sus funciones como:
“a) la selección de los canales de información desde la memoria a corto plazo ,
b) transferir información desde un tipo de almacenamiento al otro, c) escanear
la memoria a corto plazo para seleccionar los ítems que entraron desde la
memoria a largo plazo o desde los sensores, d) mantención de la información
en la memoria a corto plazo, e) búsqueda de información en memoria a largo
plazo, f) procesos de resolución de problemas, incluyendo la recuperación
basada en reglas de ítems desde la memoria a largo plazo, y la formación de
nuevas asociaciones a partir de la recombinación de la información en memoria
a corto plazo”.
Otra característica del modelo embebido, es que no existe la entidad de
los sistemas esclavos. En este sentido, el bucle fonológico más que ser un
componente en sí mismo, correspondería a la activación temporal de
información fonológica almacenada en la memoria a largo plazo. Algo similar
ocurriría para los otros subsistemas. Esto implica que no existe un componente
esclavo por cada modalidad sensorial, de modo que no hay restricciones en el
tipo de información que puede ser mantenida y manipulada en mente. Además,
ya que varias características puedan ser activadas a la vez por el ejecutivo
28
central, dichas características pueden interactuar entre ellas, y por ende,
modularse e interferirse (Cowan, 2009).
Los mecanismos por los cuales ocurre la activación de la memoria
incluyen la focalización voluntaria de la atención, y un mecanismos automático y
no voluntario de orientación atencional. Mientras el mecanismo voluntario
involucraría la acción del ejecutivo central, el mecanismo automático parece
tener relación con procesos “ bottom-up ”, que actuarían redireccionando el foco
de atención que estaba siendo mantenido por el ejecutivo central (Cowan,
1988).
Neurobiología de la Memoria de trabajo
Bajo el modelo de multicomponentes, numerosos estudios de
neuroimagen han correlacionado la activación de ciertas regiones para cada
componente de MT (para una revisión en extenso, ver Smith & Jonides, 1997).
Dentro de ellas, el hallazgo más consistente ha sido la activación de la corteza
prefrontal (Awh, Vogel, & Oh, 2006; Braver et al., 1997; Cohen et al., 1997;
29
Courtney, Ungerleider, Keil, & Haxby, 1996; McCarthy et al., 1996; D’Esposito et
al., 2000) y de regiones temporoparietales (Awh, Smith, & Jonides, 1995;
Jonides et al., 1997; Jonides et al., 1993; Paulesu et al., 1993; Smith et al.,
1996; Vallar et al., 1997), las cuales se postulan como las áreas subyacentes al
ejecutivo central. Otra lectura de estos hallazgos es que la activación de estas
redes frontoparietales corresponden al correlato neurobiológico de procesos
atencionales y ejecutivos (Gazzaley & Nobre, 2012). Estas redes, a su vez,
estarían activando engramas específicos de memoria a largo plazo, similar al
modelo Embebido planteado por Cowan.
En una línea paralela, se ha propuesto que no sólo la actividad de las
redes frontoparietales serían necesarias para MT, sino también la actividad de
cortezas perceptuales (Teng & Kravitz, 2019). Existe evidencia que apunta que
las cortezas perceptuales son reclutadas y moduladas para mantener
información en MT, pese a que ya no existe una activación “ bottom-up ” desde la
superficie sensorial (Harrison & Tong, 2009). Recientemente, Teng & Kravitz
(2019) mostraron de manera comportamental, que los estímulos que se
mantienen en MT son capaces de interferir con la percepción visual de nuevos
estímulos que están siendo observados. Es decir, aquella información que es
mantenida en mente, interfiere con la percepción de información que está
llegando directamente desde la retina. Los autores interpretan estos hallazgos
30
como un indicador (indirecto) de que, tanto la mantención de información en MT
como la percepción, requieren de actividad de cortezas visuales tempranas
Además de conocer las áreas que serían relevantes para MT, es
relevante conocer la temporalidad con la cual estos mecanismos actúan.
Diversas aproximaciones desde la electrofisiología han investigado los
mecanismos relacionados con la MT, permitiendo adquirir la señal con una
resolución temporal adecuada a los procesos indagados. Dentro la
electrofisiología, una de las técnicas más clásicas ha sido el uso de potenciales
relacionados a eventos (ERP, del inglés event related potentials ), que han
permitido estudiar la actividad neuronal relacionada temporalmente a un
proceso cognitivo.
Diferentes componentes de la señal ERP han sido postulados como
marcadores del procesamiento neuronal en tareas de MT. Una de estas tareas
corresponde al reconocimiento de ítems o tarea tipo “Sternberg” (Sternberg,
1966), en la cual el sujeto debe codificar un número variable de estímulos, y
luego de un tiempo de retención, identificar si un estímulo de prueba pertenece
al grupo de estímulos previamente presentado. Dicha tarea evoca la aparición
de diferentes componentes, dependiendo si la actividad está relacionada a la
fase de aparición de los estímulos codificados, a la fase de mantención de la
31
información, o a la fase de reconocimiento o recuperación de la información (ver
resumen en tabla 1 ).
La codificación de la información en tareas de MT tipo Sternberg se ha
correlacionado con la aparición de componentes tempranos (primeros 200 ms
después de presentado el estímulo) y tardíos. Dentro de los primeros, se
encuentra la aparición de componentes relacionados al procesamiento sensorial
y atencional temprano. P100 corresponde a una positividad en electrodos
occipitales, y que aparece alrededor de los primeros 100 ms. Este componente
se ha interpretado como índice de la respuesta visual temprana en la corteza
visual (Clark et al., 1995; Di Russo et al., 2002; Luck et al., 1990; Natale et al.,
2006; Sergent et al., 2005), el cual parece ser modulado por la atención.
Finnigan, O’connel Cummins, Broughton, & Robertson (2011) reportaron que
menores latencias en P100 durante la codificación se correlacionan con un
mejor desempeño de MT verbal. Posterior a P100, y también en electrodos
occipitales, se observa la aparición de una onda negativa: el componente N100
(Finnigan, O’Connell, Cummins, Broughton, & Robertson, 2011). Este
componente parece ser un marcador del proceso de discriminación visual, y
también se considera una respuesta visual temprana susceptible de ser
modulada por la atención (Di Russo et al., 2002; Vogel & Luck, 2000). Luego del
procesamiento sensorial inicial, se ha reportado la aparición de un componente
32
positivo en electrodos frontales denominado P200. Este componente reflejaría
la actividad neuronal subyacente a la codificación de los estímulos en MT (Dunn
et al., 1998; Missonnier et al., 2007). Dunn et al (1998) reportaron una
modulación de la amplitud de este componente, según la habilidad de los
sujetos para recordar los ítems. Los sujetos con menor capacidad para recordar
los ítems presentaron una mayor amplitud de este componente, que los sujetos
que recordaban más ítems. Los autores interpretaron sus hallazgos como
evidencia sugerente de que los mecanismos de codificación serían más
eficientes en los sujetos con mejor desempeño. Además de una modulación en
la amplitud de P200, se han reportado modulaciones en su latencia. Missonnier
et al (2007) estudiaron P200 elicitados en tareas de MT en pacientes con
diagnóstico de deterioro cognitivo leve y en pacientes con enfermedad de
Alzheimer. Los autores encontraron que la latencia de P200 es
significativamente mayor en los dos grupos de pacientes con respecto a los
controles sanos. Esto parece apuntar a que alteraciones en algunos de los
componentes de MT (como la memoria a largo plazo) parecen enlentecer la
codificación de los estímulos en MT. Finalmente, entre los 300 y los 600 ms
aparece un componente positivo de gran amplitud, de ubicación en electrodos
parietales, denominado P300 (Chao & Knight, 1996; Kiss et al., 1998, 2007;
Kusak et al., 2000; Patterson et al., 1991; Ruchkin et al., 1992). Este P300 se
ha propuesto como un índice de los procesos de codificación exitosa en MT
33
(Polich, 2007). La literatura señala que la amplitud de P300 durante la
codificación correlaciona directamente con la recuperación y reconocimiento
correctos del estímulo (Fabiani et al., 1986; Gevins et al., 1996; Karis et al.,
1984; Kiss et al., 1998, 2007; Kusak et al., 2000). Vale decir, los estímulos que
presentaron mayores amplitudes de P3 durante la codificación son aquellos que
posteriormente fueron correctamente reconocidos durante la fase de
recuperación.
Por otro lado, los procesos de mantención de la información en tareas
tipo Sternberg parecen reflejarse mediante componentes negativos tardíos. Se
ha observado la aparición de una onda negativa lenta frontal, cuya amplitud
aumenta con el incremento en la carga de MT (Ruchkin et al.,1992, 1995; Löw
et al., 1999; Kok, 2001). Cabe destacar que esta onda no es observable en
tareas que no requieren memorización (Ruchkin et al., 1992, 1995). Asimismo,
la mantención de información se ha vinculado con la aparición de una variación
negativa contingente (CNV, del inglés contingent negative variation ) en regiones
frontales, cuya amplitud se correlaciona positivamente con el aumento de la
dificultad de la tarea (Kamijo et al., 2010, 2011; Rosahl & Knights, 1995). CNV
reflejaría el reclutamiento de más recursos para ejecutar correctamente dicha
tarea, y por lo tanto, sería un marcador del esfuerzo cognitivo (Falkenstein et
al., 2003; Lorist et al., 2000; Wild-Wall et al., 2007). Cabe remarcar que CNV se
34
ha correlacionado con actividad de la corteza frontal (Oishi & Mochizuki, 1998;
Rosahl & Knight, 1995), la que a su vez también ha sido ampliamente implicada
con la retención de ítems en MT (Habeck et al., 2005; Jonides et al., 1993; Lara
& Wallis, 2015; Rypma et al., 1999).
Finalmente, los procesos de recuperación de la información han sido
correlacionados principalmente con P300 y con ondas negatividades frontales.
De ellos, el componente más consistente es P300, el cual incluso se ha
propuesto como marcador de la actualización de la información en MT durante
la recuperación (Kok, 2001). En tareas tipo Sternberg, los estímulos de prueba
correctamente reconocidos -tanto como pertenecientes a la lista presentada,
como no pertenecientes a la lista- evocarían un P300 en regiones posteriores
(Chao & Knight, 1996; Golob & Starr, 2004; Lefebvre et al, 2005). Además, tanto
la amplitud como la latencia de P300, parecen modularse inversamente con la
carga y la dificultad de la prueba, tanto en tareas de MT tipo Sternberg (Chao &
Knight, 1996; Golob & Starr, 2004; Kotchoubey et al., 1996; Verleger, 1997)
como en pruebas de MT tipo n-back (Dong, Reder, Yao, Liu, & Chen, 2015;
Gaspar et al., 2011). Adicionalmente, se ha correlacionado la amplitud de P300
evocado por el estímulo recuperado con la capacidad de MT en sujetos
normales (Dong et al., 2015; Nittono et al., 1999). Los sujetos con mayor
capacidad de MT presentan mayores amplitudes de P300. Sumado a esto, la
35
dificultad de la tarea les genera una menor disminución de la amplitud de P300.
Además del componente P300, también se ha reportado la aparición de ondas
sostenidas negativas en regiones fronto-centrales, cuya amplitud se incrementa
con la dificultad para identificar el ítem como conocido (Chao & Knight, 1996).
En resumen, existen marcadores de la actividad neuronal evocada en
cada etapa del procesamiento de MT: codificación, mantención y recuperación
de la información. Uno de los objetivos de nuestro trabajo se enfocó en estudiar
los efectos del acoplamiento sensoriomotor sobre la amplitud y latencia de los
ERPs evocados durante la codificación.
36
Tabla 1 Resumen de componentes de ERP encontrados en cada etapa de procesamiento de Memoria de trabajo.
37
Proceso Componente ERP
Efecto
Codificación P100 Disminución de latencia asociado al éxito de la recuperación
P200 Menor amplitud asociada a mejor desempeño
Aumento de la latencia asociado al deterioro cognitivo
P300 Aumento de amplitud en electrodos parietales asociado al éxito de la recuperación
Mantención Onda negativa sostenida
En ambas: Aumento de amplitud ante aumento de la carga.
CNV
Recuperación P300 Disminución de la amplitud con el aumento de la complejidad
Onda negativa sostenida
Aumento de la amplitud con el aumento de la complejidad (relacionada con identificación de ítem nuevos)
HIPOTESIS
El acoplamiento sensoriomotor temporalmente preciso es un constituyente de la
memoria de trabajo.
Corolarios:
1. La administración autoaplicada de una tarea de memoria de trabajo,
mediante un acto motor voluntario temporalmente acoplado a la aparición
del estímulo a codificar, modula el desempeño de los participantes.
Específicamente, la auto-aplicación de la tarea disminuye los tiempos de
reacción y aumenta el número de respuestas correctas. Esta modulación
conductual tiene relación con la actividad cerebral evocada (ERP)
asociada a la codificación de la memoria de trabajo.
2. La administración autoaplicada de una tarea de memoria de trabajo,
mediante un acto motor voluntario temporalmente acoplado a la aparición
del estímulo a codificar, modula los componentes de ERP asociados a la
codificación de la información. Específicamente, la autoaplicación se
correlaciona con una mayor amplitud y una menor latencia de los
componentes asociados a la codificación (P100, N100, P200 y P300).
38
OBJETIVOS
OBJETIVO GENERAL
Comprobar el rol funcional de un acto motor voluntario temporalmente
acoplado con la aparición de los estímulos codificados en la memoria de trabajo
verbal, presentados visualmente.
39
OBJETIVOS ESPECÍFICOS
1. Diseñar e implementar una tarea de memoria de trabajo verbal, en
modalidad a) autoaplicada por el sujeto mediante un acto motor temporalmente
acoplado a la aparición del estímulo b) mediante un acto motor temporalmente
no acoplado a la aparición del estímulo y c) aplicada externamente mediante
computador.
2. Registrar y analizar la actividad cerebral eléctrica evocada (ERP) y
conductual (rendimientos) de sujetos humanos sanos al realizar la tarea de
memoria de trabajo verbal.
3. Evaluar los efectos del acto motor temporalmente acoplado sobre el
rendimiento de los sujetos en la tarea de memoria de trabajo.
4. Evaluar los efectos del acto motor temporalmente acoplado sobre los
ERPs asociados a memoria de trabajo.
5. Evaluar la relación entre los efectos conductuales y los efectos en
ERPs de un acto motor temporalmente acoplado a la aparición del estímulo.
40
MATERIALES Y MÉTODOS
Sujetos
Primeramente, se realizó un pilotaje de la prueba conductual en 4 sujetos
varones (edad promedio 22,5 años; rango de edad: 20-26 años; educación
universitaria incompleta), en el que se comprobó que la programación de la
tarea estuviese correcta. Los resultados de este pilotaje se muestran en la
figura suplementaria 1 (anexos), y no fueron incluidos dentro del análisis
general.
Una vez comprobado el funcionamiento de la tarea en el pilotaje, s e
reclutaron 26 sujetos adultos sanos (mujeres: 13; edad promedio: 23.1 años;
rango de edad: 18-31 años) de una muestra por conveniencia. Uno de los
participantes fue excluido de los análisis debido a diferencias en la luminancia
del experimento. Los sujetos correspondieron a estudiantes universitarios de
pre y postgrado, sin enfermedades neurológicas o psiquiátricas actuales, y con
visión normal o corregida. Lo anterior, se comprobó previamente a la sesión de
41
registro de electroencefalografía (EEG), mediante la aplicación de una
entrevista y una prueba estandarizada (MoCA, criterio de normalidad ≥ 26
puntos). Los criterios de exclusión incluyeron: a) Antecedente de traumatismo
encéfalo-craneano, b) Uso de drogas ilegales en los últimos tres meses, c)
Patología médica descompensada (enfermedades metabólicas o epilepsia), d)
Uso de fármacos: Benzodiazepinas, anticonvulsivantes, metilfenidato,
modafinilo. f) Diagnóstico de Depresión o Déficit Atencional del adulto. Previo a
los procedimientos antes descritos, se requirió del consentimiento informado de
cada participante. Dicho consentimiento y el presente estudio han sido
aprobados por el Comité de Ética en seres Humanos de la Facultad de
Medicina de la Universidad de Chile.
Materiales
Los estímulos fueron presentados en una pantalla plana Viewsonic de 27
pulgadas (23,54x13,24 pulgadas) y 1920x1080 pixeles de resolución. Los
sujetos se ubicaron a una distancia de 72 cm de la pantalla, por lo que las
imágenes abarcaron 45,1 grados visuales (°) horizontales y 26,3° verticales,
con 40,35 píxeles por grado visual. Se solicitó a los sujetos reposar su mentón
en un apoya mentón para reducir los movimientos de cabeza y mantener la
42
distancia entre los ojos y la pantalla de manera estable. Durante toda la tarea,
se monitorearon los movimientos oculares de los participantes mediante el
sistema Eyelink 1000 (SR Research Ltd., Mississauga, Ontario, Canadá). Esto,
tanto para controlar que los sujetos mantuviesen su mirada en la cruz de
fijación, como para verificar el nivel de fatiga y ensoñamiento.
La pantalla se mantuvo en todo momento con un fondo gris (127/127/127
RGB) para evitar cambios en la luminancia. Todos los estímulos (el set de
estímulos a codificar (S1) y el estímulo de prueba (S2)) eran consonantes de
color negro. El set S1 correspondió a 5 consonantes en mayúsculas (excepto Ñ,
X, Y) ordenadas en un arreglo circular en torno a una cruz de fijación ( Fig 1A ).
La cruz de fijación se ubicó en el centro de la pantalla (coordenadas en el pixel
960,540). Existían 6 posibles ubicaciones donde podían aparecer los estímulos,
todas ellas marcadas por un círculo (similar al arreglo presentado por Proksch &
Bavelier, 2002 y Green & Bavelier, 2003). Por lo tanto, en cada ensayo
aparecían seis círculos marcadores de posición: cinco con estímulos en su
interior y uno vacío. La elección del círculo vacío cambiaba de manera aleatoria
en cada ensayo. Tomando como referencia trabajos previos (Proksch &
Bavelier, 2002 y Green & Bavelier, 2003), se delimitó el tamaño de cada
consonante en 0,6° de alto, mientras que los círculos que demarcan la
ubicación fueron creados con 1° de diámetro. El centroide de cada círculo para
demarcar la ubicación estaba a una distancia de 2,4° de la cruz de fijación. Ya 43
que la región parafoveal tiene un tamaño de 5,2° (Kolb, 2005), la disposición
antes descrita aseguraba que los 5 estímulos presentados simultáneamente se
encontrasen dentro de dicha región parafoveal. Se crearon 300 set S1 (para
300 ensayos), con 5 consonantes no repetidas y escogidas aleatoriamente
mediante una rutina de Matlab© (usando la función rand). Se cuidó que en un
mismo set S1 no aparecieran “B” y “V”, ni “M” y “N” juntas debido a su similitud
sonora. Por otro lado, el estímulo de prueba S2 correspondió a una única
consonante minúscula (salvo ñ, x, y) presentada centralmente luego del período
de mantención (coordenadas en el pixel 960,540). La ausencia o presencia del
estímulo de prueba S2 era igualmente probable (50%), en un orden
determinado al azar en cada participante. Para ejecutar sus respuestas, los
sujetos contaban con un joystick Microsoft modelo SideWinder® con 8 botones
delanteros y 2 botones traseros ( Fig. 1B )
Prueba de Memoria de Trabajo Verbal
Los participantes ejecutaron una tarea de memoria de trabajo modificada
del paradigma de Sternberg (1966). En dicha tarea, los sujetos debieron a)
memorizar un set de estímulos (S1) presentados simultáneamente en una
pantalla, b) mantener dicho set S1 durante un periodo variable, para finalmente 44
c) reconocer si un estímulo de prueba S2 se encontraba o no dentro del set S1
codificado ( Fig. 1C ). Cada ensayo consistió en la presentación de una cruz de
fijación, seguida de la presentación del set S1 por 250 milisegundos (ms);
después de ellos, se presentó una cruz de fijación por un tiempo variable (2000
a 2500 ms), correspondiente al periodo de mantención en memoria de los
estímulos S1. Finalmente, el estímulo de prueba S2 aparecía por 800 ms, luego
de lo cual aparecía una última cruz de fijación por 1500 ms, todo lo cual (800 +
1500 = 2300 ms) correspondía al periodo en que el sujeto podía responder. Si
el estímulo de prueba S2 se encontraba dentro del set S1, los sujetos debían
presionar el botón trasero derecho del joystick (con índice derecho), mientras
que, si estaba ausente, debían presionar el botón trasero izquierdo (con índice
izquierdo).
45
Fig. 1 Preparación (set up) del experimento. A Se muestra la disposición de los estímulos a codificar (S1). B Ejemplifica cómo los participantes sostuvieron el joystick. C Paradigma experimental. Se muestran las tres condiciones experimentales que varían únicamente en la manera en que se presentan los estímulos a codificar. (° grados visuales; s: segundos)
46
Para probar nuestra hipótesis, se manipuló el modo en que el set S1 era
presentado, pudiendo ser de manera temporalmente acoplada (CA),
temporalmente desacoplada (CD) o pasiva (CP) ( Fig 1C ). En la condición
acoplada, los estímulos aparecen inmediatamente después de que el sujeto ha
presionado un botón delantero del joystick (con cualquier pulgar, izquierdo o
derecho). En la condición desacoplada, los estímulos aparecen con un retardo
de entre 400 a 600 ms luego de la presión del botón delantero del joystick.
Finalmente, la condición pasiva corresponde a la presentación automática de
los estímulos por parte del computador. Cada condición de codificación fue
presentada en un bloque de 100 ensayos, separados por pausas cada 25
ensayos. Cada uno de los 26 sujetos ejecutó las tres condiciones de
codificación de la tarea, de modo que cada sujeto realizó 3 condiciones x 100
ensayos = 300 ensayos en total. El orden de presentación de las 3 condiciones
fue seudo aleatorizado para cada sujeto. Los sujetos fueron instruidos en la
ejecución de cada condición antes del comienzo de los 100 ensayos; no se
enfatizó en la diferencia entre las condiciones acoplada y desacoplada para no
generar sesgo sobre los participantes. Al final de cada bloque los participantes
rellenaron una encuesta para determinar la sensación de dificultad de cada una
de las condiciones. Para ello, los sujetos evaluaron el nivel de seguridad en sus
respuestas en una escala del 1 al 7, siendo el 1 el sentirse nada seguro de lo
que respondieron, el 4 neutro y el 7 muy seguro de las respuestas que dieron.
47
El paradigma experimental fue desarrollado a través del software
Experiment Builder (SR Research Ltd., Mississauga, Ontario, Canadá), y se
ejecutó mediante el software de Eyelink 1000 (SR Research Ltd., Mississauga,
Ontario, Canadá).
Electroencefalografía
La actividad encefalográfica (EEG) se adquirió a una tasa de muestro de
2048 Hz utilizando un amplificador BioSemi (BioSemi Inc.) de 32 electrodos
activos de registro; la señal de dichos canales se adquirió con respecto al
electrodo denominado Common mode sense (CMS). Los electrodos se
posicionaron en una gorra especialmente diseñada de acuerdo al sistema 10/10
(Jurcak, Tsuzuki, & Dan, 2007) . Además, se colocaron 2 electrodos de
referencia en las mastoides de los sujetos. La actividad eléctrica producida por
movimientos oculares verticales y horizontales (EOG) se monitorizó usando 6
electrodos dispuestos alrededor de la órbita derecha e izquierda de los sujetos.
Durante el registro, se monitoreó que la impedancia se mantuviese bajo los 5
kΩ en todos los electrodos.
48
Análisis de datos
Análisis Conductual
Se analizaron las variables dependientes: a) exactitud, b) sensibilidad, c)
especificidad y d) tiempos de respuesta, así como las variables independientes:
i) condición de codificación, ii) aprendizaje, iii) orden de presentación de cada
condición, iv) sensación de dificultad, y v) tiempo pre-estímulo.
En cuanto a las variables dependientes, la exactitud se define como el
número de respuestas correctas (Verdaderos Positivos + Verdaderos
Negativos) sobre el número total de ensayos, por cada sujeto. Adicionalmente
se midió la sensibilidad ((Verdaderos positivos) / (Verdaderos positivos + Falsos
Negativos)) y la especificidad ((Verdaderos Negativos) / (Verdaderos Negativos
+ Falsos positivos)) en cada participante. El tiempo de respuesta corresponde al
tiempo promedio por sujeto (en milisegundos) desde la aparición del estímulo
de prueba S2 hasta la presión del botón de respuesta.
Respecto a las variables independientes, la condición de codificación
49
corresponde a las 3 condiciones experimentales CA, CD y CP. El aprendizaje se
definió como el cambio en la probabilidad de acertar por aumento en el número
de ensayos (desde ensayo 1 al 100). Para efectos gráficos ( Fig.S2 ), el
aprendizaje se calculó promediando la exactitud de las respuestas cada 25
ensayos, dando un total de 100÷25 = 4 bines. El orden de presentación podía
ser primer, segundo o tercer bloque. Como se mencionó anteriormente, la
presentación de cada condición de codificación se realizó en un bloque de 100
ensayos (ver definición del paradigma). Por lo tanto, cada condición de
codificación fue presentada en un determinado bloque (primer, segundo o
tercero), el cual varió de forma pseudo-aleatoria por participante. La sensación
de confianza en las respuestas se evaluó al final de cada uno de los 3 bloques
con un cuestionario. Los sujetos puntuaron el nivel de seguridad en sus
respuestas en una escala del 1 al 7, siendo el 1 el sentirse nada seguro de lo
que respondieron, el 4 neutro y el 7 muy seguro de las respuestas que dieron.
Finalmente, el tiempo pre-estímulo se evaluó desde dos aproximaciones: a) se
calculó el tiempo pre-estímulo total, que se definió como el tiempo comprendido
desde la aparición de la primera cruz de fijación hasta la presentación del set de
estímulos S1 para todas las condiciones, y b) se calculó el efecto del tiempo
pre-estímulo que los sujetos no podían controlar (tiempo pre-estímulo
involuntario). En la condición CP, tiempo pre-estímulo involuntario y total
corresponden al tiempo entre la aparición de la cruz y la aparición del estímulo.
50
En la condición CD, el tiempo pre-estímulo involuntario corresponde al tiempo
de desfase entre la presión del botón y la aparición del estímulo, mientras que
el tiempo pre-estímulo total es este desfase más el tiempo que el sujeto se toma
para presionar el botón. Finalmente, en la condición CA el tiempo pre-estímulo
involuntario es 0, mientras que el tiempo pre-estímulo total corresponde al
tiempo que el sujeto espera voluntariamente para presionar el botón.
Los análisis estadísticos se realizaron utilizando el software RStudio
(Rstudio Team, 2016), y las librerías ez (v4.4-0; Lawrence, 2016), car (v3.0-2;
Fox & Weisberg,2011), lme4 (v1.1-21, Bates et al., 2015).
Para seleccionar la prueba de hipótesis idónea para los datos obtenidos,
primero se comprobó que la distribución de las variables dependientes fuera
normal -mediante la prueba de Shaphiro-Wilk-, y que se cumpliese la igualdad
de varianzas entre condiciones -mediante el test de Levene (ver tabla 2 ).
Posteriormente, se probaron los efectos de las condiciones de codificación
sobre las variables dependientes (tiempos de respuesta, exactitud, sensibilidad
y especificidad) mediante 4 análisis de variancia (ANOVA) pareados de una vía.
El análisis Posthoc para cada variable dependiente correspondió a un test de t
pareado y corregido para múltiples comparaciones mediante el método Holm .
51
Para comprobar los efectos de otros factores del paradigma experimental
sobre la probabilidad de acierto, se empleó un modelo lineal generalizado mixto
de la familia binomial (Moscatelli, Mezzetti, & Lacquaniti, 2012). Para elegir el
modelo adecuado, se corrieron varios modelos con diferentes parámetros, y
luego se utilizó el criterio de información de Akaike (AIC) para seleccionar el
modelo. El AIC provee un intercambio entre la bondad de ajuste del modelo y
su complejidad, de modo que este índice permite escoger aquel modelo que
mejor explica la varianza de los datos, pero con una penalización por el número
de parámetros del mismo. En anexos, Modelo lineal Generalizado , se muestran
los modelos probados con su respectivo AIC. El modelo escogido tenía los
siguientes (4) estimadores de efecto fijo: 1) la condición de codificación de la
tarea (CA, CD o CP); 2) la interacción entre aprendizaje (ensayo 1 al 100) y
orden de presentación (1, 2 y 3); 3) la interacción entre aprendizaje y condición
de codificación; y 4) la interacción entre el tiempo pre-estímulo (en
milisegundos) y condición de codificación. Como estimador de efectos
aleatorios se consideró a los sujetos, lo cual implica que el intercepto del
modelo era variable para cada sujeto.
Dentro de los modelos probados no se consideró la sensación de
confianza en las respuestas debido a que este puntaje sólo se midió desde el
participante número 12 en adelante; agregar este parámetro al modelo
52
implicaba descartar los datos de los participantes sin puntajes de sensación de
confianza (del 1 al 11), por lo que sólo se utilizó como medida de comparación
entre condiciones, siendo analizado mediante el test no paramétrico
Kruskal-Wallis
Análisis de Potenciales Relacionados a Evento (ERPs)
Los datos de EEG fueron analizados utilizando rutinas en Python
(Gramfort et al., 2013) y Fieldtrip (Oostenveld, 2011; http://fieldtriptoolbox.org).
Para determinar los efectos del acoplamiento sensoriomotor sobre la actividad
electroencefalográfica, se calcularon los potenciales relacionados a eventos
(ERPs) utilizando épocas preprocesadas (ver detalle a continuación) para los
electrodos Fz, Pz y Oz. Las variables de interés fueron la latencia y la amplitud
de los componentes P100-like, N100-like, P200-like y P300-like (en adelante,
P1, N1, P2, P3) .
La señal continua de EEG fue re-referenciada de manera offline a la
actividad promedio de los 32 electrodos. Se aplicó un filtro pasabanda entre 0.5
y 40 Hz usando un filtro simétrico de fase lineal FIR de diseño firwin con una
ventana de Hamming (acausal, retraso de cero-fase y aplicado en una pasada
hacia adelante). El tamaño del filtro fue de 6.6 segundos. El ancho de la banda
53
de transición del filtro fue de 0.5 Hz en el corte de frecuencia inferior y de 10 Hz
en el corte de frecuencia superior. El rizado del pasabanda fue de 0.0194 dB y
la atenuación de la banda de rechazo fue de 53 dB.
Se eliminaron canales ruidosos mediante inspección visual para su
posterior interpolación usando splines esféricos. Posteriormente se ejecutó un
análisis de componentes independientes (ICA) para determinar y eliminar
componentes relacionados a la actividad eléctrica generada por pestañeos y
movimientos oculares. Los segmentos que contenían artefactos musculares y
otros artefactos no relacionados a los pestañeos fueron eliminados
automáticamente a través de un rechazo peak-to-peak de 500 uV.
Luego, la señal continua fue dividida en épocas centradas a la aparición
del estímulo 500 ms antes de este y 1000 ms después. Las épocas se
sometieron a un rechazo de artefacto peak-to-peak con un umbral de voltaje de
250 uV. Todas las épocas que contenían artefactos detectados fueron
rechazadas.
Análisis de componentes de interés
Para cada sujeto, se promedió la señal relacionada a la aparición del
estímulo de todos los ensayos que no fueron rechazados por artefactos. Este
54
ERP se calculó separadamente para ensayos correctos e incorrectos, por cada
condición, generando 6 categorías de ERPS: CA-correctos, CA-incorrectos,
CD-correctos, CD-incorrectos, MP-correctos, MP-incorrectos. En cada sujeto,
se calculó la latencia y la amplitud de los componentes P1, N1, P2 y P3. Los
componentes P1 y N1, se determinaron analizando el electrodo Oz; para el
componente P2 se utilizó el electrodo Fz y para el componente P3, el electrodo
Pz. Con el fin de comparar entre condiciones, las amplitudes de todos los
componentes se calcularon utilizando valores peak-to-peak . Esta aproximación
se utilizó debido a la aparición de una positividad alrededor de los 0 ms que
podría estar influenciando la amplitud de los componentes en la condición
activa acoplada. Este método peak-to-peak consistió en calcular el valor de
amplitud máximo (pico del componente) en una ventana temporal y en el
electrodo relacionado al componente de interés; luego, a ese valor se le restó la
amplitud de un voltaje de referencia, como se detallará a continuación. Para
determinar cuál era el valor máximo de cada componente en cada sujeto, se
tomó como referencia la latencia a la cual aparecía dicho componente en el
gran promedio de todos los sujetos. Posteriormente, para cada sujeto se buscó
el valor máximo en una ventana de 100 ms, centrada en el tiempo donde se
encontró valor máximo en el gran promedio. Así, para el cálculo de la amplitud
del componente P1, primero se determinó que el valor máximo del gran
promedio aparecía a los 114,74 ms en CA, a los 126,95 ms en CD, y a los 132,3
55
ms en CP. Luego, se buscó el valor máximo en cada sujeto, en una ventana de
100 ms, centrada en cada latencia por cada condición (e.g. entre 64,74 ms y
164,74 ms para CA). A continuación, se buscó de la misma manera el valor
máximo del componente N1, por cada condición. Finalmente, la amplitud se
determinó como el voltaje entre P1 y N1, vale decir, desde el máximo de P1 al
máximo de N1. Se repitió un procedimiento similar para el cálculo de la amplitud
de P2 en el electrodo Fz. Primero se encontró el tiempo en el cual aparece el
máximo positivo de P2 en el gran promedio, el cual apareció a los 170,4 ms en
CA, a los 186 ms en CD y a los 191,4 ms en CP. Luego, en el mismo gran
promedio se buscó el máximo pico negativo que aparece previo a P2 (valor de
referencia negativo). Luego, se buscó el valor máximo en cada sujeto en una
ventana de 100 ms centrada tanto en la latencia de P2 como en el valor de
referencia negativo. Finalmente, se calculó el valor de la amplitud de P2, como
el valor peak-to-peak entre P2 y el valor negativo de referencia. En cuanto al
componente P3, se realizó el mismo procedimiento, pero en el electrodo Pz. De
manera inicial, se determinó el tiempo en el que aparece el valor positivo
máximo de P3 (CA: 319 ms; CD: 330 ms; CP: 332,2 ms) y del valor negativo de
referencia en el gran promedio. A continuación, se determinó el pico de P3 y el
valor negativo de referencia en ventanas de 100 ms, centradas en la latencia
promedio de P3, y del valor negativo de referencia. Finalmente, el valor de
amplitud de P3 se determinó como el valor peak-to-peak entre el máximo
56
positivo P3 y el valor máximo negativo de referencia.
Al igual que para los datos conductuales, se comprobó si la distribución
de las variables dependientes (amplitud y latencia) se distribuyen normal
(mediante la prueba de Shaphiro-Wilk) y si se cumpliese la igualdad de
varianzas entre condiciones (mediante el test de Levene). Posteriormente, los
efectos de las condiciones de codificación sobre las variables dependientes se
probaron mediante la prueba de Kruskal-Wallis. En los casos en que se requirió
de una prueba Posthoc , se utilizó la prueba de los rangos con signo de
Wilcoxon. El mismo procedimiento se aplicó para observar si los aciertos
(ensayos correctos versus incorrectos) modulaban las variables dependientes
amplitud y latencia de los componentes de ERP. Para esta comparación, uno de
los sujetos se descartó debido a que no poseía ensayos incorrectos que
hubiesen cumplido con los criterios para ser incluidos, por lo que estas
comparaciones se realizaron con n= 24 sujetos.
Para efectos de visualización de los componentes, se calculó el gran
promedio de los ERPs para cada condición de codificación evocadas por la
aparición del estímulo. Para ello, se promediaron los ERPs de las respuestas
correctas de los 25 sujetos incluidos en el análisis.
57
Adicionalmente, se inspeccionó la aparición de los 4 componentes de
interés (P1, N1, P2 y P3) a nivel de ensayo único. Esto, con el fin de verificar si
los valores de latencia y amplitudes influyen sobre la probabilidad de realizar
una respuesta correcta, mediante la adición de estas variables al GLMM. Sin
embargo, ante inspección visual, en la mayoría de los ensayos, el componente
de interés no sobrepasa el nivel de relación señal/ruido requerido que permita
asegurar su aparición (ejemplos en figuras S12 , S13 , S14 ). Esto se explica
debido a que la promediación de los ensayos permite mejorar esta relación
señal-ruido, actuando como un filtro pasa-bajo de la señal. Por dicha razón, se
decidió no continuar los análisis a nivel de ensayo único.
Análisis guiado por los datos
Además de los análisis de los componentes P1, N1, P2 y P3, se estudió
las diferencias entre las tres condiciones en todos los electrodos (32) y para
todas las series de tiempo comprendidas entre 0 y 500 ms. Para ello, se
ejecutaron 4 test de permutaciones utilizando las funciones implementadas en
el toolbox Fieldtrip. Primero, se ejecutó un test de permutaciones, usando un
test F pareado de una vía. Se utilizó el método de Montecarlo para estimar el
valor de p en la distribución permutada, y el valor de alfa fue definido como
0.05. Ya que este test realiza múltiples comparaciones a nivel de electrodos y
de series de tiempo, se corrigió con el método de clúster de electrodos. Para
hacer la clusterización, se utilizó la suma de los máximos del estadístico para
58
ese clúster, con un alfa de 0.05. El número de permutaciones realizadas fue de
1000. Este mismo procedimiento luego se realizó para comparar entre las
condiciones. Esta vez, se ejecutaron 3 permutaciones usando el test de t
pareado de una vía, y con un alfa de 0.05 dividido en los 3 test realizados,
dando un alfa = 0.01667. Las series de tiempo utilizadas fueron aquellas donde
se encontró un efecto en el test de F (entre 0 y 300 ms). Los demás parámetros
fueron los mismos que para el test de F.
Para efectos de visualización, se calcularon las diferencias entre los
ERPs de las 3 condiciones, y se graficó el gran promedio: CA – CD, CA – CP,
CD – CP. Estas diferencias fueron mostradas entre 0 y 500 ms para el test de F
permutado, y entre 0 y 300 ms para los test de t permutados, en ventanas de 20
ms.
Análisis Tiempo-frecuencia
Los datos de EEG fueron preprocesados utilizando rutinas en Python
(Gramfort et al., 2013) y posteriormente analizados en Fieldtrip (Oostenveld,
2011; http://fieldtriptoolbox.org). Se buscó determinar los efectos del
acoplamiento sensoriomotor sobre la actividad oscilatoria durante la codificación
59
de los estímulos en MT, para lo cual se estudiaron las variaciones en la fase
mediante el índice denominado “agrupación de la fase entre ensayos” ( Intertrial
Phase Clustering, ITPC).
El preprocesamiento de la señal continua de EEG fue similar al
preprocesamiento de ERPs, salvo que se aplicó un filtro pasabanda entre 0.01 y
100 Hz. Posteriormente, la señal continua fue dividida en épocas centradas a la
aparición del estímulo 1000 ms antes de este y 4000 ms después. Las épocas
se sometieron a un rechazo de artefacto peak-to-peak con un umbral de voltaje
de 250 uV. Todas las épocas que contenían artefactos detectados fueron
rechazadas.
Para calcular el ITPC, los datos fueron primero descompuestos por
frecuencia utilizando la transformada de Fourier, y una ventana de Hanning de
tamaño 0.5 segundos. Las frecuencias de interés se fijaron entre 2 y 30 Hz.
Posteriormente se calculó el ITPC mediante la fórmula abs(mean(exp(1i*k))) por
cada frecuencia, cada electrodo y cada punto temporal en cada sujeto.
Luego, se obtuvo el gran promedio de ITPC. Estos procedimientos
(cálculo de ITPC por sujeto y gran promedio) se realizaron para las tres
condiciones por separado, y para ensayos correctos e incorrectos.
60
Posteriormente, se evaluaron las diferencias de ITPC entre ensayos correctos e
incorrectos, mediante el uso de un test de permutaciones. Como primer paso,
se restringió la ventana de interés desde -500 a +800 ms (0 ms= aparición del
estímulo). A continuación, en cada sujeto se unieron todos los ensayos
(correctos e incorrectos) y se tomaron aleatoriamente X número de ensayos,
donde X equivale al número de ensayos correctos para ese sujeto. Luego se
procedió a calcular el ITPC de esta permutación. Este procedimiento se repitió
1000 veces por sujeto (separado por cada condición), y a continuación se
calculó el gran promedio de dichos ITPC permutados por condición.
RESULTADOS
26 sujetos adultos sanos (mujeres: 13; edad promedio: 23.1 años; rango
de edad: 18-31 años) ejecutaron una tarea de memoria de trabajo modificada 61
del paradigma de Sternberg (1966) mientras se registró su actividad
electroencefalográfica. En dicha tarea, los sujetos debieron a) memorizar un set
de estímulos (S1) presentados simultáneamente en una pantalla, b) mantener
dicho set S1 durante un periodo variable, para finalmente c) reconocer si un
estímulo de prueba S2 se encontraba o no dentro del set S1 codificado. Para
probar nuestra hipótesis, se manipuló el modo en que el set S1 era presentado,
pudiendo ser de manera temporalmente acoplada (CA), temporalmente
desacoplada (CD) o pasiva (CP) ( Fig 1C ). Para estudiar el efecto del
acoplamiento sensoriomotor, se diseñó la condición acoplada, en la que los
estímulos aparecen inmediatamente luego de que el sujeto ha presionado un
botón delantero del joystick. Para probar si el acoplamiento sensoriomotor debe
ser temporalmente preciso, se diseñó la condición desacoplada, en la que los
estímulos aparecen con un retardo de entre 400 a 600 ms luego de la presión
del botón delantero del joystick. Finalmente, la condición pasiva corresponde a
la presentación automática de los estímulos por parte del computador. Cada
condición de codificación fue presentada en un bloque de 100 ensayos,
separados por pausas cada 25 ensayos. Cada uno de los 26 sujetos ejecutó las
tres condiciones de codificación de la tarea, de modo que cada sujeto realizó 3
condiciones x 100 ensayos = 300 ensayos en total (para más detalles de la
tarea y las características de los estímulos, ver Anexo, materiales y métodos ).
62
1. Sujetos
Se reclutaron 26 adultos sanos, siendo 13 de ellos mujeres. Durante el
registro de uno de los sujetos, una de las condiciones estaba con una
luminancia diferente al resto, por lo que fue descartado del análisis. La tabla 2
muestra los promedios de edad y resultados en el test de MoCA (Nasreddine et
al., 2005) para los 25 sujetos analizados; adicionalmente, la tabla 2 muestra el
número de participantes que estaban cursando estudios de pre o postgrado.
Tabla 2 Características de los sujetos (n=25). (SD= desviación estándar)
63
Edad (años) MoCA (puntos) Nivel educacional (# sujetos)
Promedio: 22.8
SD 3.5
Rango 18-31
Promedio : 28.9
SD 1.1
Rango 27-30 pts.
Estudiantes de pregrado : 23 sujetos
Estudiantes de postgrado: 2 sujetos
2. Resultados Conductuales
Para determinar si el acoplamiento sensoriomotor temporalmente preciso
modula la memoria de trabajo, se estudiaron los efectos de las 3 condiciones
(CA, CD y CP) sobre los tiempos de respuesta, el desempeño, la sensibilidad y
la especificidad (definición de cada variable en métodos, análisis conductual ).
En la tabla 3 se incluyen los promedios y desviación estándar (SD) de cada
variable dependiente, por condición. La figura 2 muestra los diagramas de cajas
para cada variable dependiente, por cada condición de codificación. En ellos se
observa que, en promedio, los tiempos de respuesta parecen ser similares en
las tres condiciones ( tabla 3 ), al igual que sus distribuciones ( Fig. 2A ). Por otro
lado, se observa una tendencia a que, en promedio, el desempeño, la
sensibilidad y la especificidad sean mayores en la condición CA respecto a las
otras dos ( tabla 3).
Tabla 3 Valores de variables dependientes conductuales por condiciones experimentales. (Shap-Wilk = Shapiro-Wilk; = Promedio; SD= desviación estándar) X
64
Test de Normalidad y Varianza
Acoplada (CA)
Desacoplada (CD)
Pasiva (CP)
Tiempo de Respuesta (ms)
Shap-Wilk: p=0.32
Levene: p=0.69
: X 1096.22
SD: 196.20
: 1057.18 X
SD : 190.6
: 1099.88 X
SD : 210.28
Para confirmar que dichas tendencias tienen significancia estadística, se
procedió a realizar una prueba de hipótesis. Para escoger el test de hipótesis
idóneo, primero se probó la normalidad y la similitud de varianza de cada
variable dependiente mediante los test de Shapiro-Wilk y Levene
respectivamente. Los resultados arrojan que todas las variables dependientes
se distribuyen de una manera similar a una distribución normal, y que las
varianzas entre cada condición de codificación no difieren significativamente
(ver tabla 3 ). En virtud de lo anterior, se procedió a utilizar el test de ANOVA de
medidas repetidas de una vía para verificar interacciones entre las variables
dependientes y las 3 condiciones experimentales.
Conforme al test de ANOVA de medidas repetidas, no se observa un
65
Exactitud Shap-Wilk: p=0.83
Levene: p=0.59
: X 0.84
SD: 0.07
: 0.78 X
SD: 0.08
: 0.74 X
SD: 0.07
Sensibilidad Shap-Wilk: p=0.62
Levene: p=0.21
: X 0.76
SD: 0.10
: 0.74 X
SD: 0.13
: 0.69 X
SD: 0.09
Especificida d
Shap-Wilk: p=0.1
Levene: p=0.95
: X 0.91
SD: 0.08
: 0.85 X
SD: 0.06
: 0.81 X
SD: 0.06
efecto de las condiciones de codificación sobre los tiempos de reacción
(F(2,48)=1.06, p=0.35. Fig. 2A ). Por otro lado, el test de ANOVA de medidas
repetidas arroja un efecto de las condiciones sobre el número de respuestas
correctas (F(2,48)=25.67, p=2.6e-08; tamaño del efecto=0.2. Fig. 2B ).
Posteriormente, se ejecutó un test de t pareado, con corrección por múltiples
comparaciones mediante el método Holm para contrastar entre condiciones.
Los resultados indican que los sujetos realizan significativamente más
respuestas correctas en la condición acoplada con respecto a las otras dos
condiciones (CA/CD: p=0.0033; CA/CP: p=5.9e-08). Asimismo, los sujetos
realizan significativamente menos respuestas correctas cuando la codificación
se produce de manera pasiva en comparación a las otras dos condiciones
(CA/CP: p=5.9e-08, CD/CP: p=0.0031). De este modo, los resultados muestran
que los sujetos parecen mejorar su desempeño cuando el estímulo aparece
inmediatamente posterior a la presión voluntaria de un botón, sin que esto
modifique el tiempo que los sujetos toman para decidir su respuesta.
Para constatar cuál es la estrategia que los sujetos toman para mejorar
su desempeño, se analizó la sensibilidad y la especificidad por cada condición
de codificación. El test de ANOVA de medidas repetidas arroja un efecto de la
condición de codificación tanto sobre la sensibilidad (F(2,48)=5.7, p= 5,9e-03;
tamaño del efecto=0.07. Fig. 2C ), como sobre la especificidad (F(2,48)=32.84,
66
p= 1e-09; tamaño del efecto=0.29. Fig.2D ). El test de t pareado, corregido por
múltiples comparaciones (Holm) señala que la sensibilidad es significativamente
menor en la condición pasiva con respecto a las otras dos (CA/CP: p=0.0045,
CD/CP= 0.0587). No se observan diferencias en la sensibilidad entre las
condiciones acoplada y desacoplada (p= 0.4353). Por otro lado, la especificidad
es significativamente mayor en la condición activa en comparación a las otras
dos condiciones (CA/CD: p=3.1e-05; CA/CP: p=6.8e-07), y significativamente
peor en la condición pasiva con respecto a las otras dos (CA/CP: p=3.1e-05,
CD/CP: p=0.0039). Estos resultados apuntan a que cuando los sujetos realizan
un acto motor voluntario acoplado a la aparición del estímulo, no sólo mejora la
capacidad para identificar los ítems de prueba que han aparecido previamente
(aumento en la sensibilidad), sino que también la capacidad para identificar
aquellos que previamente no han sido codificados en memoria (aumento de la
especificidad).
67
Fig. 2. Modulación conductual por condición de codificación. A . Tiempos de respuesta por condición . A la izquierda, diagrama de cajas que muestra los tiempos de respuesta en milisegundos (ms) por cada condición (CA=celeste; CD=amarillo; CP= naranjo). A la derecha, el gráfico de densidad muestra la distribución de los tiempos de respuesta por cada condición. Similar en B C y D para desempeño, sensibilidad y especificidad respectivamente. En los
68
diagramas de caja, los puntos corresponden a la respuesta (por variable dependiente) de cada sujeto, separadas por condición (según color). Línea= mediana; límite superior de la caja=percentil 75; límite inferior de la caja= percentil 25; extremo superior del bigote= límite superior; extremo inferior del bigote= límite inferior; valores atípicos se muestran fuera de los extremos inferior y superior de los bigotes. En los gráficos de densidad, las líneas punteadas corresponden al promedio por cada condición, según color. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)
Posteriormente, se investigó si los efectos de la condición de codificación
sobre la exactitud se pueden ver explicados por otros factores como el
aprendizaje de la tarea, el orden de presentación de la condición, el tiempo
pre-estímulo y la sensación de confianza en las respuestas (para detalles de
estas variables ver Anexo, métodos, análisis conductual ). En la figura S2
(anexos) se observa una tendencia a que la exactitud aumente con el
aprendizaje de la tarea (desde ensayos 1 al 100), con el orden de presentación
(bloque 1 al 3) y con la sensación de confianza en las respuestas (de 1 a 7;
figura S3 ). En cuanto al tiempo pre-estímulo, este se abordó de dos formas.
Primero, se analizó la influencia del tiempo desde la aparición de la cruz de
fijación hasta la presentación del estímulo en todas las condiciones (tiempo
pre-estímulo total). Como muestra la figura S4A , se observa un efecto
aparentemente no-lineal sobre la exactitud. Específicamente, se observa que en
las condiciones CA y CD (ambas autoaplicadas) la exactitud parece fluctuar en
el tiempo. Esta fluctuación también se evidencia en CP, combinada con una
tendencia a que la exactitud aumente al incrementar el tiempo previo a la
presentación del estímulo. Posteriormente, se evaluó sólo el efecto del tiempo
69
pre-estímulo que los sujetos no podían controlar (tiempo pre-estímulo
involuntario); vale decir, en la condición CP, el tiempo entre la aparición de la
cruz y la aparición del estímulo, y en la condición CD, el tiempo de desfase
entre la presión del botón y la aparición del estímulo ( fig.S4B ). Para poder
evaluar este efecto en el modelo lineal generalizado mixto, este tiempo se
consideró como 0 en la condición CA.
Para determinar si estas tendencias son significativas, se empleó un
modelo lineal generalizado mixto de la familia binomial. Como se muestra en
Anexos, Modelo Lineal Generalizado , el modelo que mejor explica la varianza
de los datos incluye los siguientes parámetros como estimadores de efecto fijo:
condición de codificación de la tarea (CA, CD o CP), aprendizaje (ensayo 1 al
100), orden de presentación (1, 2 y 3) y tiempo pre-estímulo involuntario (para
especificaciones de los estimadores, ver Anexo, métodos, análisis conductual ).
Por otro lado, los sujetos fueron incluidos como estimadores de efectos
aleatorios. La variable dependiente del modelo fue la respuesta de los sujetos
(correcta o incorrecta) por cada uno de los 300 ensayos realizados. Como se
muestra en la figura 3 , los resultados arrojan un efecto significativo para el
aprendizaje (estimado=0.70907, error estándar=0.31388, z=2.259,
p=0.023881), el orden de presentación (estimado=0.25472, error
estándar=0.0705, z=3.613, p=0.000303) y el tiempo pre-estímulo
70
(estimado=0.07338, error estándar=0.03499, z=-2.097, p=0.035966),
manteniendo los efectos de la condición de codificación (Condición CD:
estimado=-0.86459, error estándar=0.22601, z=-3., p=0.000131, Condición CP:
estimado=-0.97685 error estándar=0.31747, z=-3.077, p=0.002091). Estos
resultados indican que existe una disminución significativa de la probabilidad de
responder correctamente en las condiciones CD y CP en relación a la condición
CA, disminuyendo en 0.9 (CD) y 1 (CP) puntos de log odds con respecto a CA.
Como se nombró anteriormente, además del efecto de las condiciones, se
observa un efecto del aprendizaje, de tal modo que la probabilidad de acierto
aumenta significativamente en 0.7 puntos de log odds a medida que avanza el
ensayo (de 1 a 100) dentro de un mismo bloque; ya que no hay interacción
entre alguna de las condiciones y el aprendizaje, este resultado muestra que el
aprendizaje influye significativamente sobre la probabilidad de acierto, pero que
no parece afectar significativamente alguna de las condiciones más que a otras.
Asimismo, el modelo indica que la probabilidad de acierto crece
significativamente en 0.25 puntos de log odds con el aumento en el orden de
presentación; este incremento es independiente del tipo de condición, lo que
implica que el efecto del orden es el mismo en las tres condiciones. Así
también, el modelo muestra que el tiempo pre-estímulo involuntario tiene un
efecto global, el cual indica que la probabilidad de acierto aumenta en 0.07
puntos de log odds a medida que se incrementa el tiempo previo a la aparición
71
del estímulo, independiente de la condición. Cabe destacar que, pese a este
efecto, las diferencias explicadas únicamente por las distintas condiciones
experimentales se mantienen.
Fig. 3. Estimadores de la probabilidad de acierto. Estimadores del modelo lineal generalizado mixto de la familia binomial (detalle de los parámetros en texto). Los dos puntos (:) indican interacciones entre parámetros. (*: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001)
En resumen, los resultados conductuales indican que codificar un
estímulo temporalmente acoplado a un acto motor, incrementaría la
72
probabilidad de recordar correctamente (i.e. acertar) en una tarea de memoria
de trabajo, aun cuando existen otros efectos que también están influyendo en
dicha probabilidad. De este modo, pese a que los sujetos mejoran su
rendimiento con el aprendizaje, con el orden de la tarea y con un mayor tiempo
previo a la aparición del estímulo, el acoplamiento sensoriomotor
temporalmente preciso durante la codificación parece mejorar la exactitud, la
especificidad y la sensibilidad en una tarea de memoria de trabajo, sin afectar
los tiempos de respuesta.
3. Resultados Electrofisiológicos
Resultados de Potenciales relacionados a Evento
Además de los efectos conductuales, nuestro estudio apuntó a verificar si
el acoplamiento sensoriomotor temporalmente preciso durante la etapa de
codificación modifica los mecanismos neuronales subyacentes a la memoria de
trabajo. Para ello analizamos la amplitud y la latencia de los potenciales
relacionados a eventos (ERPs) asociados a la etapa de codificación en
memoria de trabajo durante las 3 condiciones experimentales ( fig.S5 , anexos).
73
Dichos componentes son: P100- like , N100- like, P200 -like y P300- like (P1, N1,
P2 y P3 respectivamente. Para detalles, ver métodos-análisis de ERPs ).
En la tabla 4 se incluyen los promedios y desviación estándar (SD) de la
amplitud (valores absolutos en uV), mientras que en la tabla 5 se muestran los
valores de la latencia (en ms) de cada componente de ERP por condición. En
ambas tablas se desglosan los datos en ensayos correctos e incorrectos. La
figura 4 muestra los gran promedio de los ERPs evocados a la aparición del
estímulo para los electrodos Oz, Pz y Fz, separados por condiciones. En ella se
observa que en la condición CA los componentes P1, N1 (en Oz) y P2 (en Fz)
aparecen con una menor latencia con respecto a las otras dos condiciones. Por
otro lado, en Pz se observa una tendencia a que el componente P3 presente
una mayor amplitud en la condición CP respecto a las otras dos. Además de los
componentes de interés nombrados anteriormente, en la condición CA se
observa un componente cuyo pico de máxima amplitud (positivo en electrodos
parietales y occipitales, y negativo en electrodos frontales) se encuentra previo
a la aparición del estímulo. Al graficar los gran promedio de los ERPs evocados
a la presión del botón ( Fig.S6 anexos), este componente se observa tanto en la
condición CA como CD, y con su pico acoplado temporalmente a la presión del
botón. Interpretamos que este componente corresponde a la actividad
neurofisiológica subyacente a la presión del botón.
74
Para evaluar la modulación producida por las condiciones sobre la
latencia y la amplitud de los ERPs relacionados a la codificación del estímulo en
MT, se ejecutaron cuatro pruebas estadísticas no-paramétricas (ver valores de
test de Shapiro-Wilk en tabla 4 y tabla 5 ). Cabe nombrar que para los siguientes
análisis se utilizaron únicamente los valores de latencia y amplitud de los
ensayos correctos.
Tabla 4 Promedios de Amplitud y test de distribuciones de ERPs por condiciones experimentales. (Amp. = Amplitud peak-to-peak ; Corr.= Correctas; Inc.= Incorrectas; = X Promedio; SD= desviación estándar; Sh-Wilk= Shapiro-Wilk)
75
Test de Normalidad y Varianza
Acoplada (CA)
Desacoplada (CD)
Pasiva (CP)
Amp. P1-N1 (uV)
Corr.
Sh-Wilk: p=0.01
Levene: p=0.79
: 10.3 X
SD: 3.7
: 10.3 X
SD : 3.6
: 10.2 X
SD : 4.1
Inc. Sh-Wilk: p=0.03
Levene: p=0.76
: 11.9 X
SD: 3.7
: 12.0 X
SD : 4.3
: 11.8 X
SD : 4.2
Amp.
P2 (uV)
Corr.
Sh-Wilk: p=7.9e-7
Levene: p=0.1875
: 6.8 X
SD: 3.6
: 6.2 X
SD: 1.9
: 6.4 X
SD: 2.3
Inc. Sh-Wilk: p=1.53e-4
Levene: p=0.9233
: 8.4 X
SD: 3.6
: 8.3 X
SD : 3.2
: 7.6 X
SD : 3.2
Amp. Sh-Wilk: p=2.4e-5 : 2.5 X : 2.3 X : 2.4 X
76
P3 (uV) Corr. Levene: p=0.73 SD: 1.8 SD: 1.4 SD: 1.5
Inc. Sh-Wilk: p=2e-10
Levene: p=0.11
: 5.2 X
SD: 4.8
: 3.8 X
SD : 1.7
: 3.7 X
SD : 2.7
Tabla 5 Promedios de Latencias y test de distribuciones de ERPs por condiciones experimentales. ( Lat = Latencia; Corr.= Correctas; Inc.= Incorrectas; = Promedio; SD= X desviación estándar; Sh-Wilk= Shapiro-Wilk)
77
Test de Normalidad y Varianza
Acoplada (CA)
Desacoplada (CD)
Pasiva (CP)
Lat. N1 (ms)
Corr.
Sh-Wilk: p =0.0001
Levene: p=0.98
: 175.2 X
SD: 9.9
: 182.3 X
SD: 13.9
: 190.9 X
SD: 9.1
Inc. Sh-Wilk: p=0.02
Levene: p=0.37
: 177.3 X
SD: 11.4
: 190.0 X
SD : 16.4
: 188.4 X
SD : 13.7
Lat. P2 (ms)
Corr.
Sh-Wilk: p =0.8545
Levene: p=0.6285
: 171.3 X
SD: 10.6
: 186.1 X
SD: 10.5
: 190.4 X
SD: 8.1
Inc. Sh-Wilk: p=4.085e-5
Levene: p=0.0254
: 172.9 X
SD: 8.7
: 191.5 X
SD : 21.6
: 191.3 X
SD : 18.8
Lat. P3 (ms)
Corr.
Sh-Wilk: p=0.02
Levene: p=0.53
: 319 X
SD: 46.9
: 330 X
SD: 50
: 332.2 X
SD: 63.1
Inc. Sh-Wilk: p=0.02
Levene: p=0.4
: 317.3 X
SD: 53.9
: 313.4 X
SD : 45.9
: 319.4 X
SD : 67.6
78
Fig. 4. Gran promedio de ERPs evocados a la aparición del estímulo (t=0 ms). A. Izquierda Gran promedio de ERP evocado a la aparición del estímulo en electrodo Oz, desglosado por condiciones (n=25 sujetos). Sólo ensayos correctos fueron incluidos. Las líneas indican el gran promedio. Derecha Mapa topográfico en los tiempos señalados. Los puntos indican las posiciones modeladas de los electrodos; los colores cálidos indican electrodos con aumento de la amplitud (voltaje, en uV) y colores fríos disminución de la amplitud en dicho electrodo. B. Similar a A, pero para el electrodo Fz C. Similar a A, pero para el electrodo Pz.
Como muestra la figura 5 , los resultados del test Kruskal-Wallis indican
que no existe un efecto de las condiciones sobre el voltaje en los componentes
P1N1 (chi 2 =0.09, p=0.95), P2 (chi 2 =0.03, p=0.9847) y P3 (chi 2 =0.11, p=0.94). En
cuanto al análisis de latencia ( fig.5 ), se observa un efecto de las condiciones
sobre las latencias de los componentes N1 (Kruskal-Wallis chi 2 =23, p= 9.9e-6)
y P2 (F(2,48)=38.91457, p=9.016549e-11, tamaño del efecto=0.4225585), pero
no para el componente P3 (chi 2 =0.69686, p= 0,7058). Como prueba Post hoc
79
se utilizó el test de Wilcoxon-Mann Whitney (test de rango de signos) para los
componentes N1 y P2. Los resultados de Wilcoxon-Mann Whitney indican que
el componente N1 aparece significativamente más temprano en la condición CA
respecto a las otras dos (CA/CD: V=40.5, p=0.009; CA/CP: V= 46.5, p=2.2e-5),
mientras que en la condición CP este componente es el más tardío en aparecer
(CA/CP: V= 46.5, p= 2.2e-5; CD/CP: V= 137, p= 0.006). Una tendencia similar
ocurre para el componente P2, el cual aparece significativamente antes en la
condición CA respecto a las otras dos (CA/CD: p=1.2e-05; CA/CP: p=6.6e-08),
y significativamente después en la condición CP (CA/CP: p=6.6e-08; CD/CP: p=
0.027).
80
81
Fig. 5. Amplitud y latencia de ERPs por condición de codificación. A . Amplitud (en uV) y Latencia de P1N1 por condición. Izquierda, gráficos de caja. Derecha, gráficos de densidad. B . Amplitud y Latencia de P2 por condición. C . Amplitud y Latencia de P3 por condición. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001).
Estos resultados sugieren que el acoplamiento sensoriomotor
temporalmente preciso modula la temporalidad de los mecanismos neurales
subyacentes al procesamiento de discriminación visual (N1) y al procesamiento
del estímulo en MT (P2). Este último parece seguir el patrón de activación de
cortezas sensoriales tempranas. Ya que esta modulación disminuye en la
condición CD, un aspecto crítico correspondería a que el movimiento debe estar
finamente acoplado -en términos temporales- con el cambio sensorial.
Posteriormente, se buscó estudiar si estos resultados electrofisiológicos
se correlacionan con los resultados conductuales. Para ello, se separaron los
82
ensayos correctos e incorrectos (independiente de la condición), se evaluó la
existencia de efectos sobre voltaje y la latencia en cada uno de los
componentes de interés, utilizando el test de Wilcoxon-Mann-Whitney por cada
variable estudiada. Los gran promedio de ERPs obtenidos en ensayos
incorrectos se muestran en las figuras S7 y S8 , y sus distribuciones por
condición en la figura S9 , en anexos. Como se observa en la figura 6 , existe
una diferencia significativa en la amplitud de los componentes estudiados.
Específicamente, la amplitud es significativamente menor en las respuestas
correctas para los componentes P1N1 (V=756, p=0.001757), P2 (V = 622, p=
0.0001042) y P3 (V=524, p=9.404e-06). Por el contrario, los resultados no
arrojan diferencias significativas en la latencia entre ensayos correctos e
incorrectos ( Fig.6 ) en ninguno de los componentes estudiados (P1N1:
V=1217.5, p=0.731; P2: V=1207, p=0.55; P3: V=1493.5, p=0.218).
83
84
Fig. 6. Amplitud y latencia de ERPs por ensayo correcto e incorrecto. A . Amplitud (en uV) y latencia (en ms) de componente P1-N1 por ensayos correctos e incorrectos. B . Amplitud y latencia de componente P2 por ensayos correctos e incorrectos. C. Amplitud y latencia de componente P3 por ensayos correctos e incorrectos. (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)
Esta misma tendencia se repite al analizar los efectos de la condición
experimental por ensayos correctos o incorrectos en cada componente ( fig. S8
en anexos). De este modo, hay una interacción entre condiciones de la tarea y
el voltaje de ensayos correctos e incorrectos en el componente P1N1 (chi 2 =5.7,
p=0.016), P2 (chi 2 =13.395, p=0.0002523) y P3 (chi 2 =19.2, p=1.1e-05). Esta
interacción no se observa sobre la latencia (N1: chi 2 = 0.46, p=0.49; P2: chi 2 =
0.0051, p=0.9427; P3: chi 2 =1.23, p=0.27). Los resultados de los análisis post
hoc realizados con el test de Wilcoxon-Mann Whitney, indican diferencias
significativas entre la amplitud de ensayos correctos e incorrectos en los
componentes P1N1, P2 y P3. Para el componente P1N1 la amplitud de los
ensayos correctos es significativamente menor en las condiciones CA (V=76,
p=0.03399) y CD (V=78, p=0.03948), lo cual no se cumple en la condición CP
(V=99, p= 0.1515). Esta tendencia se repite en el componente P2, donde la
amplitud de los ensayos correctos es significativamente mayor en las
condiciones activas (CA: V=81, p=0.04906; CD: V=52, p=0.003901), pero no en
CP (V=98, p=0.1434). En P3 la amplitud de los ensayos correctos es
significativamente menor en todas las condiciones (CA: V=50, p=0.003143; CD:
V=49, p=0.002815; CP V=81, p=0.04906). Tampoco se observan diferencias
85
significativas al comparar la amplitud (P1-N1: chi 2 =71, p=0.4777; P2: chi 2 =
0.50247, p=0.7778; P3: chi 2 =71, p=0.477) y latencia (P1N1: chi 2 =59.413,
p=0.2237; P3: chi 2 =68.042, p=0.3741) de ensayos erróneos entre condiciones,
salvo para la latencia del componente P2 (chi 2 =17.343, p=0.0001714).
Estos resultados indican que la amplitud de los componentes de ERPs
evocados por la aparición de los estímulos codificados parecen atenuarse
cuando los sujetos responden correctamente a la tarea de MT. Lo anterior
sugiere que, en una tarea de MT verbal cuyos estímulos se presentan de
manera simultánea, los estímulos que posteriormente son correctamente
recordados parecen evocar una menor actividad relacionada tanto al
procesamiento visual temprano (P1N1) como a la codificación y representación
mental en MT evocada por dicho estímulo (P2 y P3). Si bien esto parece ser así
independiente de la presencia o ausencia de modulación sensoriomotora, el
efecto parece ser más evidente en las condiciones activas (tanto CA como CD)
que en la condición pasiva.
En resumen, los resultados de los potenciales relacionados a eventos de
interés, evocados por la aparición de los estímulos, muestran que el
procesamiento visual temprano de los estímulos visuales parece ser más rápido
cuando los estímulos son autoaplicados mediante un acto motor. Asimismo,
este procesamiento sería más temprano cuando este acto motor está
86
temporalmente acoplado al estímulo visual. Sin embargo, este incremento en la
velocidad de procesamiento visual temprano no parece explicar los efectos
conductuales observados, en tanto que los ensayos correctos se asocian a una
disminución en la amplitud y no en la latencia de los ERPs evocados por el
estímulo.
Resultados data-driven
Adicional a los componentes de interés mencionados previamente, se
realizó un análisis para comprobar si existe un efecto de las condiciones sobre
otros componentes, además de los determinados como componentes de
interés. Se analizaron los 32 electrodos utilizados en las series temporales entre
0 y 500 ms luego de aparecido el estímulo a codificar ( métodos-análisis de
ERPs ). Para ello, se realizaron 4 test de permutaciones: 1 para determinar la
existencia de un efecto de las condiciones en general (utilizando un test de F), y
3 para determinar diferencias específicas entre las 3 condiciones (utilizando 3
test de t). Todos los tests fueron corregidos por múltiples comparaciones con el
método de clusterización. Los detalles y parámetros de los test se especifican
en el apartado de métodos ( métodos-análisis de ERPs ). La figura 7 muestra los
resultados del test de permutaciones realizado con el test de F. En ella se
ilustran con un asterisco los electrodos que muestran un efecto de las
condiciones (p<0.05), por cada ventana de tiempo. Los valores específicos del 87
estadígrafo F y de los valores de p de cada electrodo y ventana temporal se
muestran en la tabla S1 , en anexos. El número de clústers y su duración en el
tiempo se ilustran en la figura S11 . Los resultados arrojan la existencia de un
efecto de las condiciones sobre la amplitud de los ERPs en las ventanas de
tiempo comprendidas entre 0 y 260 ms después de la presentación del
estímulo. Destaca la aparición temprana de un efecto relativamente global: en
los primeros 40 ms parece existir un efecto de las condiciones sobre electrodos
de regiones centro-frontales y regiones parieto-occipitales. El efecto sobre los
electrodos frontales parece ser más sostenido, cuya diferencia se mantiene en
el electrodo Fz durante los primeros 100 ms. Este efecto parece tener relación
con el componente generado por la presión del botón en la condición CA.
Seguidamente, se observa un efecto en regiones posteriores entre 100-140 ms.
Luego aparece nuevamente una diferencia global entre 140 y 160 ms, y de 200
a 240 ms. Posterior a 260 ms no se observan efectos de las condiciones sobre
ningún electrodo, tal como se comprueba en la fig. S11 . Cabe destacar la
ausencia de efectos significativos que coincidan tanto en temporalidad como en
ubicación espacial con los componentes de interés. De este modo, no se
observa un efecto sobre el electrodo Pz, en ninguna serie temporal, mientras
que los efectos en los electrodos Fz y Oz aparecen en tiempos distintos al peak
de los componentes P1N1 y P2. Esto concuerda con los análisis resultantes de
las pruebas de hipótesis ejecutados y mostrados previamente, en tanto que la
88
variable dependiente comparada en este test es la amplitud. Cabe destacar
también, que esta aproximación no permite evaluar diferencias en la latencia de
los componentes, ya que se toma ningún componente de interés (y el tiempo de
su aparición) en específico.
89
90
Fig. 7. Efecto de las condiciones sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la condición CA, para efectos de visualización de los componentes de ERPs en la serie temporal entre 0 y 0.5 s luego de la aparición del estímulo a codificar. * ≤ 0.05.
En la figura 8 se muestran los topoplot por serie de tiempo (entre 0 y 300
ms), y se ilustra la diferencia de los gran promedio entre CA y CP. La figura
también muestra los resultados del test de permutaciones (test de t pareado de
una vía, se evalúa la existencia de diferencias en la cola derecha de la
distribución, con un alfa de 0.01667) realizados al comparar las condiciones CA
y CP. En ella se observan diferencias significativas en la amplitud durante las
series temporales comprendidas entre 0 y 300 ms. Durante los primeros 40 ms,
se observa la presencia de un clúster significativo compuesto por electrodos
parieto-occipitales. Ya que el test realizado evaluó la existencia de diferencia en
la cola derecha de la distribución, estos resultados indican que existe una
mayor amplitud en la condición CA que en CP, en los electrodos
parieto-occipitales, entre los tiempos 0 y 40 ms. Destaca la ausencia de efectos
significativos en el electrodo Pz. Esto se repite, pero en electrodos
témporo-frontales en el tiempo comprendido entre 140 y 160 ms, y luego
nuevamente en electrodos parieto-occipitales en los tiempos entre 200 y 260
ms.
91
Fig. 8. Diferencias entre CA y CP sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CA y CP, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar. * ≤ 0.01667
En la figura 9 y 10 se muestran los resultados del test de permutaciones
realizados al comparar las condiciones CA-CD, y CD-CP, respectivamente. Los
resultados muestran que no existen diferencias significativas de amplitud en
ningún electrodo, en ninguna serie temporal. Esto concuerda y expande los
resultados derivados de los test de hipótesis, los cuales indicaban la ausencia
de un efecto de las condiciones sobre la amplitud de los componentes de
interés. Con este nuevo análisis se muestra, además, que esto es así no sólo
92
para los componentes de interés evaluados, sino también para todos los
electrodos y componentes comprendidos entre 0 y 300 ms, al comparar CA-CD
y CD-CP.
Fig. 9. Diferencias entre CA y CD sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CA y CD, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar.
93
Fig. 10. Diferencias entre CD y CP sobre cada electrodo, por serie de tiempo. Topoplots muestran los electrodos en los cuales existe un efecto de las condiciones, marcados con (*), para cada serie temporal (en s). Los colores indican las variaciones de amplitud (en uV) por cada serie temporal: los colores cálidos indican valores de voltaje mayores, y los colores fríos, valores de voltaje menores. Se ilustra el gran promedio para la diferencia entre CD y CP, en la serie temporal entre 0 y 0.3 s luego de la aparición del estímulo a codificar.
94
Resultados de Consistencia de Fase (ITPC)
La actividad neurofisiológica adquirida mediante EEG no está compuesta
únicamente de cambios de voltaje en el tiempo (y el espacio, medida a través
de los diferentes electrodos), sino que también tiene componentes oscilatorios,
los cuales se caracterizan por variaciones en la frecuencia, en la amplitud de
esa frecuencia y en la fase de esas oscilaciones en el tiempo (Cohen, 2014).
Diversas investigaciones apuntan a que la fase es un mecanismo neuronal que
subyace a procesos cognitivos como la discriminación de diferentes
características del habla (Ding et al., 2016-2017; Luo & Poeppel, 2007), la
atención (Helfrich et al., 2018) y la percepción (Neuling, Rach, Wagner, Wolters,
& Herrmann, 2012). Estudios previos han demostrado que la fase de las
oscilaciones en las bandas alpha y theta podrían influenciar la actividad cortical
(Desideri et al., 2017; Dugue, Marque & VanRullen, 2011), así como predecir el
desempeño en tareas atencionales y perceptuales en el periodo temporal previo
a la aparición del estímulo (Busch, Dubois, & VanRullen, 2009; Busch &
VanRullen, 2010; Helfrich et al., 2018; Mathewson, Gratton, Fabiani, Beck, &
Ro, 2009; Neuling et al., 2012). Al respecto, hipotetizamos que la consistencia
de fase durante el periodo previo a la aparición del estímulo predeciría los
aciertos en la tarea de MT; a su vez, hipotetizamos que el acoplamiento
sensoriomotor resetea la fase de las oscilaciones en banda alpha y theta , y que,
95
por lo tanto, la condición CA presentará un índice mayor de consistencia de
fase con respecto a las otras dos condiciones.
Para estudiar si la fase es capaz de predecir los resultados conductuales,
se analizó el índice ITPC (del inglés Intertrial Phase Clustering , Cohen, 2014)
por ensayos correctos e incorrectos mediante un test de permutaciones en la
ventana temporal previa a la aparición del estímulo (para más detalles, ver
Anexos, métodos, análisis tiempo frecuencia ). La figura 11 muestra la variación
de ITPC en el tiempo para cada una de las condiciones (sólo en los ensayos
correctos). Los resultados del test de permutaciones por ensayos correctos e
incorrectos en cada condición indican que no existen diferencias significativas
en el ITPC, tanto en banda theta como en banda alpha , y en ninguno de los 35
electrodos analizados ( fig. 12 ). Estos resultados apuntan a que la fase de las
oscilaciones en banda theta y alpha previa a la aparición del estímulo no
predice la realización de un acierto, en ninguna de las 3 condiciones
experimentales, y en ninguno de los 32 electrodos analizados. Ya que no se
encontró relación entre la fase y el desempeño, se decidió no explorar
estadísticamente las diferencias de ITPC entre las condiciones experimentales.
96
Fig. 11. ITPC de ensayos correctos por condición. A Carta tiempo-frecuencia para los valores de ITPC, por cada condición en dos electrodos de ejemplo (Oz panel superior, Pz panel inferior). El eje de las x indica el tiempo en ms, siendo el tiempo 0 equivalente a la aparición del estímulo. El eje de las y indica las frecuencias en Hz. Los colores cálidos indican valores de ITPC mayores (cercanos a 1), y los colores fríos valores de ITPC menores. B Mapa topográfico de valores de ITPC para la banda frecuencial theta (4-8 Hz) calculado entre -250 a 0 ms, por cada condición. Entre paréntesis cuadrados [ ] se muestran los rangos de valores de ITPC. Los colores cálidos indican valores de ITPC mayores, y los colores fríos valores de ITPC menores. C similar a B, pero para banda Alpha (8-12 Hz).
97
Fig. 12. Mapa topográfico de valores de p por condición. A Mapa topográfico de valores de p al comparar ITPC de ensayos correctos e incorrectos, calculado entre -250 a 0 ms (para detalles ver métodos). Los rangos de valores de p se muestran entre paréntesis cuadrados [ ]. B. Similar a A, pero para la banda frecuencial alpha (8-12 Hz).
98
DISCUSIÓN
La presente tesis ha tenido por objetivo comprobar la implicancia del
acoplamiento sensoriomotor temporalmente preciso en la memoria de trabajo
(MT). Con ello, hemos propuesto ampliar la mirada clásica que se ha centrado
en verificar los mecanismos de retención de MT, y enfatizar que los procesos de
codificación son igualmente relevantes dentro de los componentes de MT. Esto,
en tanto que codificar implicaría la activación de procesos en los cuales se
“percibe-para-mantener-en-memoria”, en contraste con percibir para utilizar esa
información inmediatamente, como en tareas de búsqueda o comparación
visual. Nuestra proposición consistió en que MT se puede beneficiar de
mecanismos activos de codificación, tal que el acoplamiento sensoriomotor
durante la codificación formaría parte de los componentes de MT.
Bajo este marco, cabe señalar que los mecanismos por los cuales la
percepción es capaz de modular a MT en la modalidad visual han sido poco
estudiados (Cattaneo, Pisoni, Papagno, & Silvanto, 2011; Kosilo et al., 2017).
Esto contrasta con el énfasis que tiene la relación entre percepción auditiva y 99
MT verbal (e.g. Guijo, Horiuti, Nardez, & Cardoso, 2018; Magimairaj & Nagaraj,
2018; Norrelgen, Lacerda, & Forssberg, 2002; Wayne, Hamilton, Huyck, &
Johnsrude, 2016; Zhang et al., 2016). La razón de ello podría atribuirse a que
uno de los focos más importantes del estudio de MT es su relación con el
lenguaje oral, su desarrollo, y sus trastornos (e.g. Baddeley, Gathercole, &
Papagno, 1998; Caplan & Waters, 1999; Coelho, Albuquerque, & Simões, 2013;
Cogan et al., 2017; Fortunato-Tavares et al., 2015; Jonsdottir, Bouma, Sergeant,
& Scherder, 2005; Montgomery, Magimairaj, & Finney, 2010; Vugs, Cuperus,
Hendriks, & Verhoeven, 2013; Vugs, Hendriks, Cuperus, & Verhoeven, 2014).
Asimismo, parece ser más transparente la relación entre dificultades auditivas,
esfuerzo cognitivo, y desarrollo del lenguaje. Por el contrario, y hasta el alcance
de nuestra revisión, no se encontraron investigaciones que profundizaran en los
efectos de una señal visual degradada, ya sea por métodos experimentales
(como manipulación de la luminancia o el contraste), o por condiciones de
patología (como baja visión) en MT. Como hemos mencionado anteriormente,
nuestros resultados no sólo parecen remarcar el rol de la codificación en MT,
sino que además destacan que la codificación activa es capaz de modular esta
MT. Los mecanismos mediante los cuales se produce esta modulación, se
discuten a continuación.
100
Mejora de MT durante el acoplamiento sensoriomotor temporalmente preciso.
Nuestros resultados apuntan a que el acoplamiento sensoriomotor
parece formar parte de los mecanismos de la memoria de trabajo verbal. Esto,
en tanto que un acto motor temporalmente acoplado a la aparición del estímulo
sensorial se correlaciona con una mejora en el desempeño de MT. Este
hallazgo es consistente con investigaciones previas que plantean que MT y el
sistema motor compartirían recursos cognitivos (Buszard et al., 2016; Gündüz et
al., 2017; Logan & Fischman, 2015; Spiegel et al., 2013, 2012; Weigelt et al.,
2009). Al compartir recursos cognitivos, la modulación puede favorecer o ir en
detrimento del desempeño. Así, mientras nuestros resultados muestran una
mejora del desempeño en MT, en la literatura previa la tendencia de la
modulación era inversa. La interferencia observada en estos estudios puede
atribuirse a la pertinencia del acto motor y la tarea de MT, tanto en términos del
objetivo como en términos temporales. En cuanto al primer punto, el acto motor
solicitado en los estudios citados tenía un objetivo distinto al de la tarea de MT:
mientras que la meta de la tarea de MT era codificar, mantener y recuperar
estímulos visuales, el acto motor requería agarrar, sostener y posicionar un
objeto en el espacio (Buszard et al., 2016; Gunduz et al., 2017; Logan &
Fischman, 2011-2015; Spiegel et al., 2012-2013; Weigelt et al., 2009). Esto
101
podría significar distribuir recursos cognitivos en dos objetivos en paralelo,
recursos que son compartidos para lograr ambos. Sumado a este efecto,
interpretamos que la interferencia puede deberse además a la falta de
concordancia temporal entre el movimiento y el estímulo relevante para MT. Ya
que estos estudios solicitaban realizar una secuencia de movimientos, existía
un acoplamiento sensoriomotor en varios momentos de la tarea, y no
únicamente en relación con la aparición del estímulo relevante. Esta suposición
se fundamenta en hallazgos previos desde la percepción (Blakemore et al.,
1999; Tomassini, Spinelli, Jacono, Sandini, & Morrone, 2015) y la atención
activa (Morillon et al., 2014). En dichos estudios, se observa una modulación del
desempeño en actos motores temporalmente relacionados a la aparición del
estímulo, la cual se pierde cuando existe un desfase entre ellos. Confirmando
este punto, nuestros resultados muestran que desfasar el acto motor y la
consecuencia sensorial empeora el desempeño de MT respecto a cuando
existe un acoplamiento temporal. De este modo, una característica relevante del
mecanismo de modulación del acoplamiento sensoriomotor parece ser su
precisión temporal.
En esta misma línea, cabría preguntarse qué efectos modulatorios se
observarían en caso de mantener la pertinencia temporal y modificar la
atingencia del acto motor con la tarea de MT. Como nombramos anteriormente,
102
tanto nuestros datos como estudios previos, sugieren que un aspecto clave
dentro del mecanismo de modulación del acoplamiento sensoriomotor es la
precisión temporal (Blakemore et al., 1999; Morillon et al., 2014; Tomassini et
al., 2015). Conforme a ello, es de esperar que un acto motor temporalmente
acoplado, pero no atingente a la tarea de MT, mantuviese un efecto beneficioso
sobre MT. Al respecto, existe evidencia conductual en paradigmas perceptuales
y de memoria a largo a plazo que apoyan esta predicción (Tomassini et al.,
2015; Yebra et al., 2019). Por ejemplo, se ha reportado una modulación de la
percepción visual por un acto motor temporal acoplado, pero no atingente a la
tarea (e.g. girar una barra: Tomassini et al., 2015). Asimismo, recientemente
Yebra et al (2019) mostraron una mejora en el reconocimiento de imágenes que
tenían asociadas la presión de un botón, versus las que no. Cabe remarcar que,
en el estudio de Yebra et al., los sujetos no fueron advertidos de la tarea de
memoria: sólo tenían la instrucción de presionar o no el botón (tarea tipo
go / no-go ) mientras observaban las imágenes. De esta forma, un acto motor
temporalmente acoplado a la aparición de imágenes aumentaba el recuerdo de
las imágenes, pese a que estas no debían ser activamente recordadas. Este
efecto se vería explicado porque el mecanismo neurobiológico que parece estar
a la base de la modulación (el que se discutirá con mayor detalle en una
sección posterior) ocurre en una ventana temporal de pocos milisegundos.
103
En resumen, se observa una modulación del acoplamiento sensoriomotor
sobre el desempeño de MT. Esto sugiere que el acoplamiento sensoriomotor
forma parte de los mecanismos de MT. Una de las características de este
mecanismo estaría basado en la precisión temporal con la que el acto motor y
su consecuencia sensorial (en este caso, el estímulo de la tarea) ocurren. Esto
explicaría la disminución del desempeño en condiciones de desfase
sensoriomotor, así como posibles mejoras en el desempeño cuando un acto
motor está temporalmente acoplado a la aparición del estímulo, pese a que el
objetivo de ese acto motor no se relacione con el objetivo de la tarea de MT.
Aumento de la velocidad de procesos de codificación durante el acoplamiento
sensoriomotor temporalmente preciso .
¿Cuál es el mecanismo neurobiológico que subyace a la modulación del
acoplamiento sensoriomotor sobre MT? De acuerdo con nuestra propuesta (ver
en detalle en la sección de “modelo mecanístico”), esta modulación tomaría
ventaja de la señal corolaria que envían las cortezas motoras a otras cortezas,
como cortezas visuales (Attinger et al., 2017; Leinweber, Ward, Sobczak,
Attinger, & Keller, 2017), y la red frontoparietal (Hasan et al., 2013; Wilber et al.,
2015). El posible origen cortical de esta señal se ubicaría en la corteza M2
104
(corteza motora suplementaria), como ha sido mostrado en ratas y primates no
humanos (Marvel, Morgan, & Kronemer, 2019).
El cómo actúa esta señal corolaria no ha sido totalmente dilucidado. En
términos sensoriales, una propuesta es que esta señal actúa “pre-activando” la
consecuencia sensorial que ese movimiento tendrá (modelo forward , Miall &
Wolpert, 1996; Wolpert & Kawato, 1998). Otra posibilidad es que no genere
necesariamente una predicción del “contenido” de la consecuencia sensorial,
sino de su temporalidad. Vale decir, esta señal podría funcionar como un aviso
de cuándo se producirá un cambio sensorial, pudiendo ser ambas funciones
(predicción de consecuencia y temporalidad) complementarias. Este mismo
mecanismo podría estar operando sobre cortezas que han sido clásicamente
implicadas en MT, de tal forma que las cortezas motoras producirían una señal
de “alerta”. Así, la señal corolaria posiblemente “prepararía” a la corteza parietal
posterior y a la corteza prefrontal dorsolateral, de la inminente ocurrencia de un
estímulo que debe ser mantenido en memoria.
La activación de esta señal corolaria debiera reflejarse en varias medidas
electrofisiológicas. Una de ellas corresponde a la modulación de los ERPs
relacionados al procesamiento del estímulo que está siendo codificado en MT.
Por ello, nuestros análisis se centraron en los componentes relacionados tanto
105
al procesamiento visual temprano (componentes P100 y N100), como a los
procesos de promoción del almacenamiento del estímulo en MT (componentes
P200 y P300). Tal que la señal corolaria desde cortezas motoras a cortezas
sensoriales ocurre dentro pocos milisegundos (Leinweber et al., 2017), la
temporalidad en que suceden estos eventos correspondería a un aspecto
relevante del mecanismo de modulación del acoplamiento sensoriomotor, tal
como se demostró en términos conductuales.
Nuestros resultados muestran que existe un efecto de las condiciones
sobre la latencia de N1 y P2, pero no sobre la amplitud de los componentes
P1-N1, P2 ni P3 ( Fig.5 ). Esto apunta a que el acoplamiento sensoriomotor
temporalmente preciso modularía la temporalidad de los mecanismos neurales
subyacentes tanto a la discriminación visual (N1), como a la codificación de los
estímulos en MT (P2).
Por un lado, lo anterior sugiere que el procesamiento relacionado a la
discriminación visual ocurriría más rápido cuando el cambio sobre la superficie
sensorial se produce debido a un movimiento autoiniciado. Aún más, ya que
esta modulación disminuye significativamente en la condición desacoplada, un
aspecto crítico correspondería a que el movimiento debe estar finamente
acoplado -en términos temporales- con el cambio sensorial. Este hallazgo se
106
encuentra en línea con estudios previos en el área de la percepción activa, en la
cual se ha probado que un movimiento autoiniciado sobre la superficie sensorial
(vale decir, un movimiento ocular, como una sacada), modula la latencia y la
amplitud de ERPs visuales (Devia et al., 2017), así como la amplitud del
potencial de campo local en la corteza visual (Ito et al., 2011). De este modo,
interpretamos la disminución de la latencia de N1 durante la codificación activa
como indicativo de que el procesamiento visual temprano se ve facilitado. Es
decir, cuando hay un acto motor autoiniciado cuya consecuencia sensorial es
atingente con el estímulo que se debe codificar en MT, a las cortezas visuales
les costaría menos activarse, y por ende, esta activación se traduce en una
menor latencia en respuesta a un estímulo. En concordancia con esta
perspectiva, Finnigan et al. (2011) reportaron que menores latencias en P1
durante la codificación se correlacionan con un mejor desempeño de MT verbal.
Esto sugiere que uno de los mecanismos mediante el cual el acoplamiento
sensoriomotor temporalmente preciso mejora MT, es la facilitación del
procesamiento visual temprano.
Por otro lado, la modulación sobre la latencia de P2 sugiere que la
autoiniciación del estímulo, mediada por un acto motor, aumentaría la velocidad
del procesamiento relacionado a su codificación en MT. Apoyando esta idea,
Missonnier et al. (2007) reportó un aumento en la latencia de P2 durante la
107
codificación en MT en pacientes con diagnóstico de deterioro cognitivo leve y en
pacientes con enfermedad de Alzheimer. A su vez, ambos grupos de pacientes
tenían un desempeño significativamente menor en la prueba de MT respecto a
los controles, mas no existía diferencia de desempeño entre los grupos de
pacientes. Lo anterior apunta a que la latencia de P2 correlaciona con el
desempeño en tareas de MT. Esto parece apoyar la noción de que otro posible
mecanismo de modulación que utiliza el acoplamiento sensoriomotor para
mejorar el desempeño de MT, es la facilitación de la codificación en MT
reflejada por P2. Sin embargo, en tanto que no se conoce de manera certera
cuál es el origen neuroanatómico de este componente, no es posible determinar
con exactitud en qué parte de la red frontoparietal se produce esta modulación.
Además, y al igual que lo observado en N1, cabe recalcar que un aspecto
fundamental dentro del mecanismo de acción del acoplamiento sensoriomotor
sobre la codificación, es su precisión temporal. Esto, en tanto que el efecto
modulatorio sobre P2 disminuye significativamente cuando el acto motor se
desfasa de la consecuencia sensorial.
Adicionalmente, se hipotetizó que otro posible mecanismo de modulación
del acoplamiento sensoriomotor debiera corresponder al aumento en la
amplitud de P3. Esto, en tanto que la señal corolaria proveniente desde
cortezas motoras podría estar modulando la actividad de la corteza parietal
108
posterior (Wilber et al., 2015), cuya actividad parece estar (al menos en parte) a
la base del componente P3 (para una revisión, ver Polich, 2007). En cambio,
nuestros resultados no muestran un efecto del acoplamiento sensoriomotor
sobre la amplitud de P3. Esto contrasta con estudios previos que han mostrado
que la amplitud de P3 durante la codificación se correlaciona con el posterior
éxito en la recuperación de ítems (Fabiani, Karis, & Donchin, 1986b; Karis et al.,
1984). Esto parece implicar que los procesos de revisión del estímulo en MT
durante la codificación son equivalentes tanto en presencia como en ausencia
del acoplamiento sensoriomotor. Por lo tanto, el mecanismo mediante el cual
opera el acoplamiento sensoriomotor sobre MT, no parece basarse ni en
aumentar la actividad relacionada con la revisión del estímulo en MT (reflejado
en la amplitud de P3), ni en facilitar este procesamiento (reflejado en la latencia
de P3).
Los aciertos correlacionan con una disminución de la amplitud de ERPs durante
la codificación
Al analizar si la modulación en la latencia observada en las condiciones
activas podría ser el mecanismo neurobiológico que subyace a la mejora del
desempeño, no encontramos un efecto. Vale decir, hacer una respuesta
109
correcta no se correlaciona con una modulación en la latencia de la actividad
evocada durante la codificación. Esto se observó tanto para los componentes
P1-N1, como P2 y P3. Lo anterior parece indicar que el mecanismo de
facilitación de la codificación por el cual opera el acoplamiento sensoriomotor,
es distinto al mecanismo general por el que se produce una codificación
exitosa.
En cambio, este mecanismo general de codificación exitosa parece tener
relación con la modulación de la amplitud de los componentes de ERP.
Nuestros hallazgos muestran que el desempeño correlaciona inversamente con
la amplitud peak to peak de P1-N1, P2 y P3. Cabe destacar que, en P1-N1 y
P2, esta correlación es significativa únicamente en las condiciones activas
(tanto acoplada, como desacoplada). Ante esto, se podría suponer que, al
codificar exitosamente un estímulo en MT, hay una menor actividad relacionada
con el procesamiento visual temprano solamente cuando hay un acto motor
asociado a la aparición del estímulo. Esto podría reflejar un procesamiento más
eficiente de codificación, cuando este es exitoso y mediado por un acto motor,
sea temporalmente acoplado o no.
Una interpretación alternativa a estos hallazgos es que pueden estar
reflejando mecanismos de señalización de error. Siguiendo esta línea, se ha
110
postulado que la corteza visual no sólo codificaría la señal relacionada a los
estímulos, sino que también existen neuronas que tienen actividad ligada a la
predicción. Cuando esta predicción no se cumple, ciertas poblaciones dentro de
la corteza visual generarían una señal de error de la predicción (Eriksson,
Wunderle, & Schmidt, 2012; Koch & Poggio, 1999; Rao & Ballard, 1999). Es así
como el aumento de la amplitud de P1 en los ensayos que no fueron
correctamente codificados en MT podría reflejar la actividad relacionada a esta
señalización de error en la predicción, ya sea en términos de las características
físicas del estímulo (qué estímulos se esperaban), o en términos temporales
(cuándo llega el estímulo). Si este aumento en la amplitud de P1 refleja una
señalización de error en términos temporales, es de suponer que estas
diferencias en amplitud también se hubiesen encontrado al comparar las
condiciones. Tal que el acoplamiento sensoriomotor temporalmente preciso
debiese generar la predicción temporal más exacta, sería esperable que en esta
condición se dé la mayor diferencia de amplitud de correctos/incorrectos.
Nuestros resultados parecen sustentar, en parte, esta suposición. Tal como se
nombró previamente, sólo en las condiciones activas se evidencia una
diferencia significativa en la amplitud de P1-N1 en ensayos correctos e
incorrectos. Lo anterior sugiere que un posible mecanismo de modulación de un
acto motor (sea acoplado o no a la aparición del estímulo) operaría mediante la
activación de señales de error en las áreas de procesamiento visual temprano.
111
Esto, a su vez, parece relacionarse con el éxito en la codificación del estímulo
en MT.
En cuanto a P3, un mecanismo similar podría estar a la base de nuestros
resultados. Ya que las respuestas erróneas se correlacionan con un aumento
en la amplitud de P3, una interpretación es que el aumento de amplitud refleje
un mecanismo de detección de error. Tal que en los paradigmas clásicos donde
se elicita P3 son de estímulos infrecuentes, uno de los procesos subyacentes a
este componente podría relacionarse con un error en la predicción de un cierto
estímulo, ante la aparición de otro inesperado. Cabe destacar, sin embargo, que
esta distinción se produce de manera equivalente en las 3 condiciones de
codificación. Por lo tanto, este mecanismo no parece explicar la modulación que
ejerce el acoplamiento sensoriomotor sobre MT. Estos hallazgos respecto a P3
se contraponen con estudios previos en tareas de MT de tipo Sternberg. En
ellos, se ha reportado que la amplitud de P3 parietales evocados por el estímulo
codificado se correlaciona directamente con el desempeño (Fabiani et al.,
1986b; Karis et al., 1984).
Una explicación alternativa a la señal de error argumentada previamente,
podría tener relación con que estas investigaciones presentan los estímulos de
manera seriada (uno a la vez) y no simultánea, como en nuestro estudio. En
112
este contexto, se ha descrito que estímulos presentados de manera simultánea
en una tarea de MT visuoespacial, evocan menor amplitud de P3 cuando son
memorizados en comparación a cuando han sido sólo observados (Barceló,
Martín-Loeches, & Rubia, 1997). En otras palabras, percibir para memorizar
evoca menor amplitud de P3 que sólo percibir. Un efecto similar podría estar
ocurriendo en nuestros datos. En esta línea, se conoce que la amplitud de P3
disminuye con el aumento de ítems a codificar en MT (Morgan et al., 2008; Park
& Kim, 2018). Esto podría interpretarse como índice de la cantidad de recursos
cognitivos que se requieren para lograr la tarea: si asumimos que codificar (vale
decir, percibir para memorizar) requiere de mayores recursos cognitivos que
percibir sin que el estímulo tenga un uso para una tarea en particular, la
disminución en P3 en nuestros datos podría estar reflejando el mecanismo de
codificación en MT. Es decir, en nuestra tarea P3 podría estar indicando la
cantidad de recursos cognitivos reclutados, existiendo una mayor carga
cognitiva en aquellos ensayos en que los que se codifican los estímulos en MT
(ensayos correctos), versus en los que no (ensayos incorrectos). Este
mecanismo parece ser general, operando tanto en condiciones de codificación
con y sin acoplamiento sensoriomotor.
Otra posible explicación para la divergencia con estudios previos es la
diferencia en la saliencia de los estímulos utilizados. Mientras nuestro trabajo
113
utilizó una tarea de MT verbal con 5 estímulos que tenían la misma saliencia, en
Karis et al. (1984) y Fabiani et al. (1986) la prueba de MT se combinaba con
una prueba de estímulo infrecuente. Debido a esto, algunos de los estímulos
tenían características más salientes, como por ejemplo, ser palabras con
diferente grado de familiaridad, o poseer características visuales distintas
(mayúsculas (infrecuente) versus minúsculas (frecuentes)). Es así que el
aumento en la amplitud de P3 reportada en dichos estudios podría tener
relación con una modulación de la captura atencional bottom-up que promueve
MT (Knight, 1996). Este mecanismo en nuestro paradigma parece no ocurrir, en
tanto todos los estímulos, y en todas las condiciones, presentaban la misma
saliencia.
La consistencia de fase no predice los aciertos en una tarea de MT
Tal que el mecanismo neuronal que proponemos se basa en la señal
corolaria que envían cortezas motoras a cortezas visuales y parietales, esta
señal podría reflejarse también como una modulación sobre la consistencia de
fase de estas regiones durante la codificación . Vale decir, el acoplamiento
114
sensoriomotor podría generar un reinicio en la fase de las bandas oscilatorias
relacionadas con la atención y la percepción de los estímulos. Así, este reinicio
de fase conllevaría que el estímulo aparezca -en términos temporales- en la
fase oscilatoria que es más propicia para atender y percibir. Esta propuesta ha
sido previamente demostrada en paradigmas atencionales y perceptuales. En
dichos estudios se ha reportado que la fase de las oscilaciones en las bandas
alpha y theta podrían influenciar la actividad cortical (Desideri et al., 2017;
Dugue, Marque & VanRullen, 2011), así como predecir el desempeño en el
periodo temporal previo a la aparición del estímulo (Busch et al., 2009; Busch &
VanRullen, 2010; Helfrich et al., 2018; Mathewson et al., 2009; Neuling et al.,
2012). Sin embargo, nuestros resultados indican que no existen diferencias
significativas en la consistencia de fase entre ensayos correctos e incorrectos
en las bandas theta y alpha , en ninguna de las 3 condiciones (acoplada,
desacoplada, pasiva). Esto apunta a que, en nuestra tarea de MT, la fase de las
oscilaciones en banda theta y alpha previa a la aparición del estímulo no parece
ser el mecanismo neuronal que explica la realización de un acierto. Por tanto, el
beneficio observado del acoplamiento sensoriomotor parece no sustentarse en
un reinicio de la fase de estas oscilaciones para fomentar la codificación de los
estímulos en MT.
115
Modelo mecanístico
Los hallazgos que hemos descrito en la presente tesis parecen sustentar
que el acoplamiento sensoriomotor forma parte de los componentes de MT.
Como hemos argumentado, los mecanismos neurobiológicos que sustentarían
la modulación del acoplamiento sensoriomotor en MT se basarían en la
actividad de la señal corolaria que envían las cortezas motoras a las cortezas
sensoriales (Attinger et al., 2017; Keller, Bonhoeffer & Hübener, 2012;
Leinweber et al., 2017; Manita et al., 2015; Nelson & Mooney, 2016a; Sommer &
Wurtz, 2008), a la corteza parietal posterior (Reep, Chandler, King, & Corwin,
1994; Wilber et al., 2015), y posiblemente a la corteza prefrontal dorsolateral
(Hasan et al., 2013). De este modo, al realizar un acto motor, las cortezas
motoras no sólo proyectan a otras áreas motoras (tanto corticales como
subcorticales), sino también a cortezas relacionadas con la percepción. Esta
señal le permitiría al sistema nervioso determinar -entre otros aspectos- cuándo
un cambio en la superficie sensorial es autoiniciado, versus cuándo es gatillado
por agentes externos (Poletti, Gebhardt, & Raballo, 2017). Además, se ha
postulado que generaría una predicción temporal interna de cuándo llegará el
estímulo a las cortezas sensoriales (Franklin & Wollpert, 2011; Miall & Wollpert,
1996; pero ver Stenner, Bauer, Heinze, Haggard, & Dolan, 2015). Nuestro
trabajo amplía esta perspectiva, en tanto que proponemos que este mecanismo
116
también operaría sobre las redes frontoparietales que subyacen a MT, mediante
conexiones anatómicas directas o conectividad funcional (Wilber et al., 2015;
Hasan et al., 2013). Esta señal, facilitaría la activación de la red frontoparietal,
de tal modo que cuando un estímulo es procesado en cortezas sensoriales (en
este caso, visual), esta red se activaría de forma más rápida en comparación a
cuando no hay una señal motora. En términos metafóricos, proponemos que la
señal corolaria desde cortezas motoras estaría funcionando como un indicador
de la próxima aparición de un estímulo que debe ser mantenido en memoria.
Ya que este mecanismo parece operar mediante conexiones anatómicas
directas, su rango de acción sería dentro de pocos milisegundos después de la
activación de cortezas motoras. Este efecto ha sido probado en la corteza visual
de ratas ( Leinweber et al., 2017 ). De acuerdo con el modelo propuesto, la
señalización desde cortezas motoras facilitaría la activación de las cortezas
sensoriales ante la posterior llegada de un cambio en la superficie sensorial,
posiblemente mediante la modulación del potencial de campo local de la
corteza sensorial (Ito et al., 2011). Como se discutió en secciones anteriores,
nuestros resultados parecen avalar esta idea. Un mecanismo similar podría
operar sobre la red frontoparietal que estaría a la base de la mantención de los
estímulos en mente. Si bien nuestros resultados no fueron concluyentes en
evidenciar este mecanismo, ya que sólo encontramos una modulación sobre el
117
componente P2, mas no sobre P3, es posible que las técnicas de neuroimagen
que hemos utilizado hasta ahora sean capaces de dar cuenta sólo de una parte
limitada del mecanismo. Es así que nuestros análisis podrían expandirse con un
análisis de fuente, de modo de determinar cuál es el origen neuronal que
subyace a P2, y por lo tanto, qué región en específico está siendo modulada.
Cabe destacar que para ello se requeriría que el registro de la señal de EEG
sea ejecutada con más canales (al menos 64), además de determinar en cada
sujeto la posición específica de cada electrodo, lo que impide que dicho análisis
pueda ser realizado con los datos actuales. Más interesante aún sería evaluar si
existe alguna modulación de la conectividad funcional entre regiones motoras
suplementarias, y las cortezas de la red frontoparietal, y cortezas visuales. Para
ello, una técnica adecuada de registro podría ser la utilización de un MEG o de
un EEG con una mayor cantidad de electrodos, de modo de poder ejecutar un
análisis de fuente posterior al de conectividad funcional. Otra alternativa sería
estudiar la dinámica de activación mediante resonancia magnética funcional,
teniendo presente que su resolución temporal podría no reflejar completamente
los mecanismos estudiados.
Cabe destacar que el mecanismo que proponemos puede no ser el único
que esté participando en la modulación de MT al realizar un acto motor
voluntario. Posibles vías paralelas de acción podrían incluir el reclutamiento de
118
neuronas dopaminérgicas, colinérgicas, adrenérgicas y de los núcleos basales.
En cuanto a la primera, existe una gran cantidad de estudios que han
evidenciado la importancia del sistema dopaminérgico sobre el funcionamiento
de MT (Brozoski et al. 1979; Muller et al. 1998; Sawaguchi, 2001; Sawaguchi &
Goldman-Rakic 1991). Por ejemplo, Müller et al. en 1998 reportaron una mejora
en el desempeño de MT en humanos, cuando a éstos se les administraba
pergolida, un agonista de receptores D1/D2. Este efecto tendría relación con
una modulación del sistema dopaminérgico sobre la corteza prefrontal
dorsolateral, posiblemente mediante la activación de la vía mesocortical. Así
también, se ha mostrado que la depleción de dopamina en la corteza prefrontal
dorsolateral de monos induce serios déficits en tareas de MT visuales (Brozoski,
1979). Notablemente, Brozoski et al. demostraron que estos déficits eran
revertidos bajo la administración de agonistas dopaminérgicos, como L-dopa y
apomorfina. Se ha propuesto que el mecanismo por el cual el sistema
dopaminérgico opera sobre la corteza prefrontal tendría efectos relacionados
con la descarga tónica y fásica de dopamina (Braver & Cohen, 1999). Mientras
la descarga tónica se relacionaría con la estabilidad de las representaciones
que deben ser mantenidas en MT, los efectos fásicos funcionarían como
señales que actúan como una compuerta de mantención o actualización de
información. Es decir, indican cuándo un nuevo input debe ser codificado y
119
mantenido, o cuándo la representación que se mantiene en mente debe ser
actualizada. Adicionalmente, se conoce que el área tegmental anterior (área
dopaminérgica involucrada en el circuito mesocortical) recibe inputs desde
cortezas motoras (Beier et al., 2015). De este modo, es posible que un acto
motor voluntario module la actividad dopaminérgica, la cual a su vez module la
actividad de la corteza prefrontal, produciendo parte de la mejora observada en
el desempeño de MT durante las condiciones activas.
Por otro lado, recientemente se ha reportado que un grupo neuronas
colinérgicas del prosencéfalo basal presentan una actividad rápida relacionada
a un movimiento en curso (Eggermann et al., 2014; Nelson & Mooney, 2016;
Pinto et al.,2013), además de su rol clásico en arousal (Buzsáki & Gage, 1991;
Deurveilher & Semba, 2011) y plasticidad neuronal (Ramanatha, Tuszynski &
Conner, 2009). Cabe resaltar, además, que estas neuronas colinérgicas
responsivas al movimiento, a su vez generan un output que modula la actividad
de cortezas prefrontales (DLPFC, Gielow & Zaborszky, 2017; y prefrontal
medial, Bloem et al., 2014) y sensoriales (Eggermann et al., 2014; Nelson &
Mooney, 2016; Pinto et al.,2013). De este modo, un acto motor voluntario podría
modular MT a través del reclutamiento de estas neuronas colinérgicas de
actividad relacionada a un movimiento, que a su vez influirán sobre cortezas
sensoriales y DLPFC. Asimismo, existe evidencia que muestra que neuronas
120
adrenérgicas del locus coeruleus incrementan su actividad ante actos motores
voluntarios (Bouret & Richmond, 2015; Kalwani, Joshi, & Gold, 2014). Si bien
este mecanismo ha sido fuertemente correlacionado con la modulación de la
memoria episódica durante la codificación (Cahill, Prins, Weber, & McGaugh,
1994; Yebra et al., 2019), es posible que también pueda estar participando en
MT al codificar de manera activa.
Finalmente, la modulación del acto motor sobre MT podría estar mediada
por la actividad de los núcleos basales. Se conoce que estos núcleos están
relacionados con el procesamiento de información sensoriomotriz, asociativa y
límbica (Jahanshahi et al., 2015). Como parte del procesamiento asociativo,
varios estudios han demostrado la existencia de un circuito entre los núcleos
basales y la corteza prefrontal (Dum & Strick, en Gazzaniga, 2009),
específicamente entre las áreas 9, 12 y 46 (las áreas de la CPF dorsolateral
relacionadas a MT) y el globo pálido interno y la sustancia nigra pars reticulata.
Estas vías sugieren que los núcleos basales corresponderían a una red
subcortical relevante dentro del funcionamiento de MT (Marvel et al., 2019). Si
bien, los núcleos basales parecen estar topográficamente organizados de
acuerdo a estos tres tipos de información (sensoriomotoriz, asociativa y
límbica), formando circuitos separados (Lehericy et al.,2004), se ha demostrado
que también presentan un grado de superposición que permitiría la integración
121
de las señales (Draganski et al., 2008). De este modo, la activación de los
circuitos sensoriomotores de los núcleos basales derivada por un acto motor,
podrían influir sobre los circuitos asociativos relacionados con tareas de MT.
Cabe remarcar, sin embargo, que la temporalidad en la que operan estas
redes mencionadas (dopaminérgica, colinérgica, adrenérgica y núcleos basales)
es posiblemente más lenta que la señalización directa desde cortezas motoras,
argumentada previamente. No obstante, estos mecanismos podrían explicar los
efectos diferenciales entre un acto motor temporalmente acoplado y uno
desacoplado. De este modo, el acoplamiento sensoriomotor temporalmente
preciso activaría los circuitos de modulación mediados por un acto voluntario,
tanto rápidos (señal corolaria) como lentos (redes colinérgica, adrenérgica,
dopaminérgica y núcleos basales). Por su parte, un acto motor temporalmente
desacoplado de su consecuencia sensorial podría estar activando únicamente
estos últimos mecanismos. Esto explicaría, a su vez, que el desempeño en la
condición desacoplada fuese significativamente peor que la condición acoplada,
pero significativamente mejor que la condición pasiva.
Finalmente, en una acuciosa revisión, Marvel (2019) expone que el área
motora suplementaria (SMA) tendría una participación en MT más allá de la
codificación. En esta revisión, la autora muestra que SMA es también reclutada
122
durante la mantención de estímulos en MT, en ausencia tanto de movimientos
voluntarios, como de activación de la corteza motora primaria. Asimismo, da
cuenta que durante esta fase de mantención también se activarían regiones
subcorticales clásicamente “motoras”, como el cerebelo y los núcleos basales.
Su propuesta es que la corteza frontal, el cerebelo y los núcleos basales
tendrían una organización funcional como un “ continuum ” que va desde
funciones puramente sensoriomotoras, hasta puramente cognitivas, con un
diálogo entre ellas. Esta evidencia parece ir en línea con nuestras ideas antes
expuestas, en tanto que la señal corolaria hacia cortezas sensoriales y
fronto-parietales podría originarse en SMA y mantener su actividad durante la
retención, y a su vez interactuar con redes de activación “más lentas”, como las
cerebelares y de núcleos basales.
Acoplamiento sensoriomotor como mecanismo de modulación global
A la luz de nuestros resultados y de la literatura previa, parte de
nuestra propuesta consiste en que el acoplamiento sensoriomotor parece ser un
mecanismo de modulación global del cual se vale el sistema nervioso. Vale
decir, ejecutar un acto motor voluntario parece generar una serie de
señalizaciones que regulan la actividad de otros procesos cognitivos, tal como
123
una señal de “aviso” de que se aproxima un evento relevante, ya sea para la
percepción (Blakemore et al., 1999; Tomassini et al., 2015), la atención (Morillon
et al., 2014; Nittono et al., 2003; Nittono, 2004, 2006), la memoria a largo plazo
(Yebra et al., 2019), o la identificación del origen de la consecuencia sensorial
(sentido de agencia, Haggard & Chambon, 2012). En tanto que ahora
presentamos evidencia que apunta a que el sistema motor parece influir sobre
MT, esta modulación motora temporalmente precisa parece ser un mecanismo
más general del cual el sistema nervioso se vale para condicionar otros
procesos cognitivos.
Rol de la atención, expectativas y otros factores confundentes.
Si bien nuestros resultados apuntan a que los efectos sobre el
desempeño de MT están modulados por el acoplamiento sensoriomotor, es
posible que existan otros factores que también influyen sobre este rendimiento.
Nuestros resultados muestran que, efectivamente, los sujetos tienen una mayor
probabilidad de realizar una respuesta correcta con el aprendizaje de la tarea, el
orden de presentación de la condición y el tiempo pre-estímulo involuntario. Sin
embargo, cabe remarcar que el efecto del acoplamiento sensoriomotor sobre el
desempeño se mantiene aún si se prueba la incidencia de dichos factores. Otro
124
aspecto relevante de los efectos de estas otras tres variables, es que parecen
influir de manera similar tanto si hay acoplamiento sensoriomotor durante la
codificación, como si no la hay. Por lo tanto, el mejor desempeño en la
codificación activa no podría atribuirse únicamente a dichos factores.
Cabe destacar el efecto observado en las condiciones desacoplada y
pasiva en cuanto al tiempo pre-estímulo involuntario. En este, se observó que
mientras más tiempo pasa entre 1) la cruz de fijación (CP) o la presión del botón
(CD), y 2) la aparición del estímulo, mayor es la probabilidad de que el
participante acierte en la respuesta. Este efecto parece deberse a una
modulación de la atención originado por la probabilidad de ocurrencia de un
evento (“función Hazard ”, Müller, Teder-Sälejärvi, & Hillyard, 1998; Nobre,
Correa, & Coull, 2007; van Ede, de Lange, & Maris, 2012). Así, un evento que
no ha ocurrido aún en el tiempo t , tiene mayor probabilidad de ocurrir en t+1 , y
así sucesivamente. Si bien este incremento en la probabilidad de ocurrencia de
un estímulo podría tener relación con un aumento en la expectativa de que vaya
a producirse un cambio sensorial, se ha interpretado más bien como un efecto
regulatorio sobre la atención (Müller et al., 1998; van Ede et al., 2012). Esto
sugiere que nuestro paradigma experimental no puede descartar del todo que el
menor desempeño en las condiciones CP y CD pueda deberse a modulaciones
en la atención originadas por las variaciones en el tiempo pre-estímulo.
125
Otra manera de leer este efecto del tiempo pre-estímulo involuntario, es
que se está probando la influencia de las irregularidades temporales con que
aparece el estímulo. Así, mientras que en la condición pasiva el tiempo
pre-estímulo varía automáticamente entre 600 y 1000 ms, en la condición
desacoplada este tiempo pre-estímulo considera el desfase de entre 400 y 600
ms entre la presión y la aparición del estímulo. Este tiempo es aleatorio y
automáticamente presentado por el software, por lo que entre cada ensayo
existe una irregularidad en este tiempo. Se podría argumentar que dicha
irregularidad en la presentación de estímulos podría estar influyendo en el
desempeño en estas dos condiciones. Desde la percepción visual existe
evidencia que apunta a que, efectivamente, las irregularidades modulan la
sensibilidad a los estímulos (Rohenkohl, Cravo, Wyart, & Anna, 2014). No
obstante, el mismo estudio demuestra que ese efecto se pierde cuando el
estímulo tiene un valor de contraste por sobre el umbral de los sujetos. En otras
palabras, el efecto de la irregularidad en la sensibilidad visual estaría
supeditada a estímulos que están bajo el umbral de sensibilidad, es decir,
cuando los sujetos no están totalmente seguros si hay o no un estímulo
presente. En nuestro estudio, todos los estímulos eran totalmente visibles por
los sujetos, y tenían el mismo nivel de contraste en todas las condiciones. En
consecuencia, se podría descartar que el menor desempeño en las condiciones
126
desacoplada y pasiva se deban a la modulación de la sensibilidad visual por la
irregularidad de la presentación del estímulo. Pese a ello, se considera
relevante controlar esta variable en futuras investigaciones. De esa manera, se
podría develar si la modulación de MT por el acoplamiento sensoriomotor
temporalmente preciso que hemos encontrado es independiente de estas
irregularidades, o al contrario, desaparece cuando el tiempo pre-estímulo en las
condiciones pasiva y desacoplada no varía entre ensayos, y, por lo tanto, es
totalmente predecible para el sujeto. Según nuestros planteamientos, es posible
predecir que exista un efecto de la regularidad del estímulo sobre el desempeño
en MT; sin embargo, es esperable que se mantengan las diferencias entre las
condiciones. Esto, debido a la posible facilitación ejercida desde cortezas
motoras sobre cortezas visuales y de la red frontoparietal, la cual tendría una
duración de pocos milisegundos.
Finalmente, se podría argumentar que los hallazgos comportamentales
son atribuibles a diferencias en la dificultad de las tres condiciones. Nuestros
resultados indican que no hay diferencias significativas en la dificultad subjetiva
de las condiciones. Esto, en tanto que los sujetos contestaron las 3 condiciones
con similar seguridad. Esto concuerda con nuestros resultados en cuanto a los
tiempos de reacción, los cuales también fueron equivalentes en las 3
condiciones. Al respecto, clásicamente los tiempos de reacción se han asociado
127
-entre otros factores- con la dificultad de la tarea (Nickerson, 1972; Pins &
Bonnet, 1997; Schneider & Anderson, 2011; Sternberg, 1969). De esta manera,
tanto la medición subjetiva de la dificultad, como los resultados de tiempos de
reacción, parecen indicar que los resultados sobre el desempeño no se deben a
diferencias en la dificultad de las condiciones.
128
CONCLUSIÓN
En conclusión, nuestros resultados sugieren que el acoplamiento
sensoriomotor temporalmente preciso parece formar parte de los mecanismos
de la memoria de trabajo verbal, en tanto que un acto motor temporalmente
acoplado a la aparición del estímulo sensorial explicaría la mejora en el
desempeño de MT. Este acoplamiento sensoriomotor temporalmente preciso
parece modular la velocidad del procesamiento visual temprano y de la
codificación en MT de los estímulos. Sin embargo, este no parece ser el
mecanismo neural subyacente a la mejora en el desempeño asociada al
acoplamiento sensoriomotor. Por un lado, esto puede deberse a que los
correlatos neurales que hasta ahora hemos estudiado no reflejan la modulación
desde cortezas motoras hacia cortezas visuales y fronto-parietales durante la
codificación activa que nuestro modelo propone. En este sentido, futuros
estudios podrían utilizar métodos de registro y análisis que permitan determinar
la sincronía (o falta de ella) entre regiones motoras, y cortezas sensoriales y
fronto-parietales. Por otro lado, la ventana temporal en que se han centrado
nuestros análisis (alrededor de la aparición del estímulo), limitan el impacto que 129
puede tener la codificación activa sobre los mecanismos de mantención de los
estímulos, y que podrían estar explicando los hallazgos conductuales. Una
aproximación interesante en el futuro sería analizar si el aumento de poder en
banda theta durante la mantención predice la mejora en la conducta mediada
por el acoplamiento sensoriomotor temporalmente preciso. Finalmente, existe la
alternativa de que en nuestros datos el acoplamiento sensoriomotor influya
sobre otros procesos cognitivos, como la atención y la expectativa, cuyos
correlatos neuronales no hemos analizado directamente y que podrían explicar
mejor nuestros hallazgos conductuales. Futuros análisis sustentados en la
literatura actual deben apuntar a desentrañar la influencia de dichos procesos
cognitivos.
130
REFERENCIAS
Ahissar, E., & Assa, E. (2016). Perception as a closed-loop convergence process. ELife , 5 , 1–26. https://doi.org/10.7554/eLife.12830
Attinger, A., Wang, B., & Keller, G. B. (2017). Visuomotor Coupling Shapes the Functional Development of Mouse Visual Cortex. Cell , 169 (7), 1291-1302.e14. https://doi.org/10.1016/j.cell.2017.05.023
Awh, E., Vogel, E. K., & Oh, S. H. (2006). Interactions between attention and working memory. Neuroscience , 139 (1), 201–208. https://doi.org/10.1016/j.neuroscience.2005.08.023
Awh, Edward, Smith, E. E., & Jonides, A. N. D. J. (1995). Human Rehearsal Processes and the Frontal Lobes : PET Evidence. Annals New York Academy of Sciences .
Baddeley, A. (2000). The episodic buffer: a new component of working memory? Trends in Cognitive Sciences, 4(11), 417–423. doi:10.1016/s1364-6613(00)01538-2
Baddeley, A. D., Hitch, G. J., & Allen, R. J. (2009). Working memory and binding in sentence recall. Journal of Memory and Language , 61 (3), 438–456. https://doi.org/10.1016/j.jml.2009.05.004
Baddeley, AD., & Hitch, G. (1974). Working Memory. The psychology of learning and motivation: advances in research and theory. New York: Academic Press , 8 , 47–89. https://doi.org/10.1016/j.cub.2009.12.014
Baddeley, Alan. (2012). Working Memory: Theories, Models, and Controversies - annurev-psych-120710-100422. Annual Review of Psychology . https://doi.org/10.1146/annurev-psych-120710-100422
Baddeley, Alan, Gathercole, S., & Papagno, C. (1998). The Phonological Loop as a Language Learning Device. Psychological Review , 105 (1), 158–173. https://doi.org/10.1037/0033-295X.105.1.158
Bagdasarian, K., Szwed, M., Knutsen, P. M., Deutsch, D., Derdikman, D., Pietr, M., … Ahissar, E. (2013). Pre-neuronal morphological processing of object location by individual whiskers. Nature Neuroscience , 16 (5), 622–631. https://doi.org/10.1038/nn.3378
Barceló, F., Martín-Loeches, M., & Rubia, F. J. (1997). Event-related potentials during memorization of spatial locations in the auditory and visual modalities. Electroencephalography and Clinical Neurophysiology , 103 (2), 257–267. https://doi.org/10.1016/S0013-4694(97)96610-4
Bates, D., Maechler, M., Bolker, B., Walker, S. (2015). Fitting Linear Mixed-Effects 131
Models Using lme4. Journal of Statistical Software, 67(1), 1-48.doi:10.18637/jss.v067.i01.
Beier, K. T., Steinberg, E. E., DeLoach, K. E., Xie, S., Miyamichi, K., Schwarz, L., … Luo, L. (2015). Circuit Architecture of VTA Dopamine Neurons Revealed by Systematic Input-Output Mapping. Cell, 162(3), 622–634. doi:10.1016/j.cell.2015.07.015
Blakemore, S. J., Frith, C. D., & Wolpert, D. M. (1999). Spatio-temporal prediction modulates the perception of self-produced stimuli. Journal of Cognitive Neuroscience , 11 (5), 551–559. https://doi.org/10.1162/089892999563607
Blakemore, S., Wolpert, D. M., & Frith, C. D. (1998, 11). Central cancellation of self-produced tickle sensation. Nature Neuroscience, 1 (7), 635-640. doi:10.1038/2870
Bloem, B., Schoppink, L., Rotaru, D. C., Faiz, A., Hendriks, P., Mansvelder, H. D., . . . Wouterlood, F. G. (2014, 12). Topographic Mapping between Basal Forebrain Cholinergic Neurons and the Medial Prefrontal Cortex in Mice. The Journal of Neuroscience, 34 (49), 16234-16246. doi:10.1523/jneurosci.3011-14.2014
Bouret, S., & Richmond, X. J. (2015). Sensitivity of locus ceruleus neurons to reward value for goal-directed actions. Journal of Neuroscience , 35 (9), 4005–4014. https://doi.org/10.1523/JNEUROSCI.4553-14.2015
Braver, T. S., & Cohen, J. D. (1999). Chapter 19 Dopamine, cognitive control, and schizophrenia: the gating model. Disorders of Brain, Behavior and Cognition: The Neurocomputational Perspective, 327–349. doi:10.1016/s0079-6123(08)63082-4
Braver, T. S., Cohen, J. D., Nystrom, L. E., Jonides, J., Smith, E. E., & Noll, D. C. (1997). A parametric study of prefrontal cortex involvement in human working memory. NeuroImage , 5 (1), 49–62. https://doi.org/10.1006/nimg.1996.0247
Brozoski, B., Brown, R., Rosvold, H., Goldman P. (1979) Cognitive deficit caused by regional depletion of dopamine in prefrontal cortex of rhesus monkey. Science, 205(4409): 929-932. DOI: 10.1126/science.112679
Busch, N. A., Dubois, J., & VanRullen, R. (2009). The phase of ongoing EEG oscillations predicts visual perception. Journal of Neuroscience , 29 (24), 7869–7876. https://doi.org/10.1523/JNEUROSCI.0113-09.2009
Busch, N. A., & VanRullen, R. (2010). Spontaneous EEG oscillations reveal periodic sampling of visual attention. Proceedings of the National Academy of Sciences of the United States of America , 107 (37), 16048–16053. https://doi.org/10.1073/pnas.1004801107
Buzsáki, G., & Gage, F. H. (1991). Role of the Basal Forebrain Cholinergic System in Cortical Activation and Arousal. Activation to Acquisition, 115-133. doi:10.1007/978-1-4684-0556-9_5
132
Buszard, T., Farrow, D., Zhu, F. F., & Masters, R. S. W. (2016). The relationship between working memory capacity and cortical activity during performance of a novel motor task. Psychology of Sport and Exercise , 22 , 247–254. https://doi.org/10.1016/j.psychsport.2015.07.005
Cahill, L., Prins, B., Weber, M., & McGaugh, J. L. (1994). β-Adrenergic activation and memory for emotional events. Nature , 371 (6499), 702–704. https://doi.org/10.1038/371702a0
Campoy, G., & Baddeley, A. (2008). Phonological and semantic strategies in immediate serial recall. Memory, 16 (4), 329-340. doi:10.1080/09658210701867302
Caplan, D., & Waters, G. S. (1999). Verbal working memory and sentence comprehension. Behavioral and Brain Sciences , 22 (1), 77–126. https://doi.org/10.1017/S0140525X99001788
Cattaneo, Z., Pisoni, A., Papagno, C., & Silvanto, J. (2011). Modulation of visual cortical excitability by working memory: Effect of luminance contrast of mental imagery. Frontiers in Psychology , 2 (FEB), 1–9. https://doi.org/10.3389/fpsyg.2011.00029
Chao, L., & Knight, R.(1996). Prefrontal and posterior cortical activation during auditory working memory. Cognitive Brain Research, 4 (1), 27-37. doi:10.1016/0926-6410(95)00043-7
Chooi, W. (2012). Working Memory and Intelligence: A Brief Review. Journal of Educational and Developmental Psychology, 2 (2). doi:10.5539/jedp.v2n2p42
Clark, V. P., Fan, S., & Hillyard, S. A. (1995). Identification of early VEP generators by retinotopic analyses. Hum Brain Mapp , 2 , 170–187.
Coelho, S., Albuquerque, C. P., & Simões, M. R. (2013). Specific language impairment: A neuropsychological characterization. Paideia , 23 (54), 31–41. https://doi.org/10.1590/1982-43272354201305
Cogan, G. B., Iyer, A., Melloni, L., Thesen, T., Friedman, D., Doyle, W., … Pesaran, B. (2017). Manipulating stored phonological input during verbal working memory. Nature Neuroscience , 20 (2), 279–286. https://doi.org/10.1038/nn.4459
Cohen, J. D., Perlstein, W. M., Braver, T. S., Nystrom, L. E., Noll, D. C., Jonides, J., & Smith, E. E. (1997). Temporal dynamics of brain activation during a working memory task. Nature , Vol. 386, pp. 604–611. https://doi.org/10.1038/386604a0
Cohen, M. X. (2014). Analyzing Neural Time Series Data. In Analyzing Neural Time Series Data . https://doi.org/10.7551/mitpress/9609.001.0001
Courtney, S. M., Ungerleider, L. G., Keil, K., & Haxby, J. V. (1996). Object and Spatial Visual Working Memory Activate Separate Neural Systems in Human Cortex. Cerebral Cortex , 6 (1), 39–49. https://doi.org/10.1093/cercor/6.1.39
133
Conway, A., & Engle, R. (1994). Working memory and retrieval: A resource-dependent inhibition model. Journal of Experimental Psychology: General, 123 (4), 354-373. doi:10.1037/0096-3445.123.4.354
Cowan, N. (1988). Evolving Conceptions of Memory Storage, Selective Attention, and Their Mutual Constraints Within the Human Information-Processing System. Psychological Bulletin , 104 (2), 163–191. https://doi.org/10.1037/0033-2909.104.2.163
Cowan, N. (2009). What are the differences between long-term, short-term, and working memory? Nelson. NIH Public Access , 6123 (07), 323–338. https://doi.org/10.1016/S0079-6123(07)00020-9.What
D’Esposito, M., & Postle, B. R. (2015). The Cognitive Neuroscience of Working Memory. Annual Review of Psychology, 66(1), 115–142. doi:10.1146/annurev-psych-010814-015031
D’Esposito, M., Postle, B., & Rypma, B. (2000). Prefrontal cortical contributions to working memory: Evidence from event-related fMRI studies. Executive Control and the Frontal Lobe: Current Issues, 3-11. doi:10.1007/978-3-642-59794-7_2
Desideri, D., Belardinelli, P., Zrenner, C., & Ziemann, U. (2017). Cortico-cortical excitability is influenced by the phase of oscillatory activity at the time of the stimulus. Brain Stimulation, 10(2), 491. doi:10.1016/j.brs.2017.01.435
Deurveilher, S., & Semba, K. (2011, 02). Basal forebrain regulation of cortical activity and sleep-wake states: Roles of cholinergic and non-cholinergic neurons. Sleep and Biological Rhythms, 9 , 65-70. doi:10.1111/j.1479-8425.2010.00465.x
Devia, C., Montefusco-Siegmund, R., Egaña, J., & Maldonado, P. (2017). Precise timing of sensory modulations coupled to eye movements during active vision. BioRxiv , 1–24. https://doi.org/http://dx.doi.org/10.1101/144477
Ding, N., Melloni, L., Yang, A., Wang, Y., Zhang, W., & Poeppel, D. (2017). Characterizing Neural Entrainment to Hierarchical Linguistic Units using Electroencephalography (EEG). Frontiers in human neuroscience, 11, 481. doi:10.3389/fnhum.2017.00481
Di Russo, F., Martínez, A., Sereno, M. I., Pitzalis, S., & Hillyard, S. A. (2002). Cortical sources of the early components of the visual evoked potential. Human Brain Mapping , 15 (2), 95–111. https://doi.org/10.1002/hbm.10010
Dong, S., Reder, L. M., Yao, Y., Liu, Y., & Chen, F. (2015). Individual differences in working memory capacity are reflected in different ERP and EEG patterns to task difficulty. Brain Research , 1616 , 146–156. https://doi.org/10.1016/j.brainres.2015.05.003
Draganski, B., Kherif, F., Kloppel, S., Cook, P. A., Alexander, D. C., Parker, G. J., . . . Frackowiak, R. S. (2008, 07). Evidence for Segregated and Integrative
134
Connectivity Patterns in the Human Basal Ganglia. Journal of Neuroscience, 28 (28), 7143-7152. doi:10.1523/jneurosci.1486-08.2008
Dugue, L., Marque, P., & VanRullen, R. (2011). The Phase of Ongoing Oscillations Mediates the Causal Relation between Brain Excitation and Visual Perception. Journal of Neuroscience, 31(33), 11889–11893. doi:10.1523/jneurosci.1161-11.2011
Dum, R. & Strick P. (2009). Basal Ganglia and Cerebellar Circuits with the Cerebral Cortex. In Gazzaniga, M. (Ed.) The Cognitive Neuroscience (553-564). Cambridge, MA: MIT Press
Dunn, B. R., Dunn, D. A., Languis, M., & Andrews, D. (1998). The Relation of ERP Components to Complex Memory Processing. Brain and Cognition, 36(3), 355–376. doi:10.1006/brcg.1998.0998
Eggermann, E., Kremer, Y., Crochet, S., & Petersen, C. (2014, 12). Cholinergic Signals in Mouse Barrel Cortex during Active Whisker Sensing. Cell Reports, 9 (5), 1654-1660. doi:10.1016/j.celrep.2014.11.005
Eriksson, D., Wunderle, T., & Schmidt, K. (2012). Visual cortex combines a stimulus and an error-like signal with a proportion that is dependent on time, space, and stimulus contrast. Frontiers in Systems Neuroscience , 6 (APRIL 2012), 1–19. https://doi.org/10.3389/fnsys.2012.00026
Fabiani, M., Karis, D., & Donchin, E. (1986). P300 and Recall in an Incidental Memory Paradigm. Psychophysiology , Vol. 23, pp. 298–308. https://doi.org/10.1111/j.1469-8986.1986.tb00636.x
Falkenstein, M., Hoormann, J., Hohnsbein, J., & Kleinsorge, T. (2003). Short-term mobilization of processing resources is revealed in the event-related potential. Psychophysiology, 40 (6), 914-923. doi:10.1111/1469-8986.00109
Finnigan, S., O’Connell, R. G., Cummins, T. D. R., Broughton, M., & Robertson, I. H. (2011). ERP measures indicate both attention and working memory encoding decrements in aging. Psychophysiology , 48 (5), 601–611. https://doi.org/10.1111/j.1469-8986.2010.01128.x
Fortunato-Tavares, T., Andrade, C. R. F., Befi-Lopes, D., Limongi, S. O., Fernandes, F. D. M., & Schwartz, R. G. (2015). Syntactic comprehension and working memory in children with specific language impairment, autism or Down syndrome. Clinical Linguistics and Phonetics , 29 (7), 499–522. https://doi.org/10.3109/02699206.2015.1027831
Fox, J. & Weisberg, S. (2011). An {R} Companion to Applied Regression, Second Edition. Thousand Oaks CA: Sage. URL: http://socserv.socsci.mcmaster.ca/jfox/Books/Companion
Franklin DW, & Wolpert DM. (2011). Computational mechanisms of sensorimotor control. Neuron 72: 425–442.
135
Gazzaley, A., & Nobre, A. C. (2012). Top-down modulation: Bridging selective attention and working memory. Trends in Cognitive Sciences , 16 (2), 129–135. https://doi.org/10.1016/j.tics.2011.11.014
Gaspar, P. A., Ruiz, S., Zamorano, F., Altayó, M., Pérez, C., Bosman, C. A., & Aboitiz, F. (2011). P300 amplitude is insensitive to working memory load in schizophrenia. BMC Psychiatry, 11 (1). doi:10.1186/1471-244x-11-29
Gevins, A., Smith, M. E., Le, J., Leong, H., Bennett, J., Martin, N.,Whitfield, S. (1996). High resolution evoked potential imaging of the cortical dynamics of human working memory. Electroencephalography and Clinical Neurophysiology, 98 (4), 327-348. doi:10.1016/0013-4694(96)00288-x
Gielow, M. R., & Zaborszky, L. (2017, 02). The Input-Output Relationship of the Cholinergic Basal Forebrain. Cell Reports, 18 (7), 1817-1830. doi:10.1016/j.celrep.2017.01.060
Golob, E., & Starr, A. (2004). Serial Position Effects in Auditory Event-related Potentials during Working Memory Retrieval. Journal of Cognitive Neuroscience, 16 (1), 40-52. doi:10.1162/089892904322755548
Gramfort, A., Luessi, M., Larson, E., Engemann, D. A., Strohmeier, D., Brodbeck, C., Goj, R., Jas, M., Brooks, T., Parkkonen, L., & Hämäläinen, M. (2013). MEG and EEG data analysis with MNE-Python. Frontiers in neuroscience, 7, 26
Green C, & Bavelier D. (2003) Action video game modifies visual attention. Nature. 423:534–537. [PubMed: 12774121]
Gruters, K. G., Murphy, D. L. K., Jenson, C. D., Smith, D. W., Shera, C. A., & Groh, J. M. (2018). The eardrums move when the eyes move: A multisensory effect on the mechanics of hearing. Proceedings of the National Academy of Sciences of the United States of America , 115 (6), E1309–E1318. https://doi.org/10.1073/pnas.1717948115
Gündüz, R., Schack, T., & Koester, D. (2017). Movement interferes with visuospatial working memory during the encoding: An ERP study. Frontiers in Psychology , 8 (MAY), 1–16. https://doi.org/10.3389/fpsyg.2017.00871
Habeck, C., Rakitin, B., Moeller, J., Scarmeas, N., Zarahn, E., Brown, T., & Stern, Y. (2005). An event-related fMRI study of the neural networks underlying the encoding, maintenance, and retrieval phase in a delayed-match-to-sample task. Cognitive Brain Research, 23 (2-3), 207-220. doi:10.1016/j.cogbrainres.2004.10.010
Haggard, P. (2017). Sense of agency in the human brain. Nature Reviews Neuroscience , 18 (4), 197–208. https://doi.org/10.1038/nrn.2017.14
Haggard, P., & Chambon, V. (2012). Sense of agency. Current Biology, 22 (10). doi:10.1016/j.cub.2012.02.040
136
Haggard, P., Clark, S., & Kalogeras, J. (2002). Voluntary action and conscious awareness. Nature Neuroscience, 5 (4), 382-385. doi:10.1038/nn827
Halpern, B. P. (1983). Tasting and smelling as active, exploratory sensory processes. American Journal of Otolaryngology--Head and Neck Medicine and Surgery , 4 (4), 246–249. https://doi.org/10.1016/S0196-0709(83)80066-0
Harrison, S. A., & Tong, F. (2009). Decoding reveals the contents of visual working memory in early visual areas. Nature , 458 (7238), 632–635. https://doi.org/10.1038/nature07832
Hasan, A., Galea, J. M., Casula, E. P., Falkai, P., Bestmann, S., & Rothwell, J. C. (2013, 04). Muscle and Timing-specific Functional Connectivity between the Dorsolateral Prefrontal Cortex and the Primary Motor Cortex. Journal of Cognitive Neuroscience, 25 (4), 558-570. doi:10.1162/jocn_a_00338
Helfrich, R. F., Fiebelkorn, I. C., Szczepanski, S. M., Lin, J. J., Parvizi, J., Knight, R. T., & Kastner, S. (2018). Neural Mechanisms of Sustained Attention Are Rhythmic. Neuron , 99 (4), 854-865.e5. https://doi.org/10.1016/j.neuron.2018.07.032
Hughes, G., Desantis, A., & Waszak, F. (2013). Mechanisms of intentional binding and sensory attenuation: The role of temporal prediction, temporal control, identity prediction, and motor prediction. Psychological Bulletin , 139 (1), 133–151. https://doi.org/10.1037/a0028566
Ibbotson, M., & Krekelberg, B. (2011). Visual perception and saccadic eye movements. Current Opinion in Neurobiology , 21 (4), 553–558. https://doi.org/10.1016/j.conb.2011.05.012
Ito, J., Maldonado, P., Singer, W., & Grün, S. (2011). Saccade-related modulations of neuronal excitability support synchrony of visually elicited spikes. Cerebral Cortex , 21 (11), 2482–2497. https://doi.org/10.1093/cercor/bhr020
Jahanshahi, M., Obeso, I., Rothwell, J. C., & Obeso, J. A. (2015, 11). A fronto–striato–subthalamic–pallidal network for goal-directed and habitual inhibition. Nature Reviews Neuroscience, 16 (12), 719-732. doi:10.1038/nrn4038
Jonides, J., Smith, E.., Koeppe, R., Awh, E., Minoshima, S., & Mintun, M. (1993). Spatial working memory in humans as revealed by PET. Nature, 363 (6430), 623-625. doi:10.1038/363623a0
Jonides, J., Schumacher, E. H., Smith, E. E., Lauber, E. J., Awh, E., Minoshima, S., & Koeppe, R. A. (1997). Verbal working memory load affects regional brain activation as measured by PET. Journal of Cognitive Neuroscience , 9 (4), 462–475. https://doi.org/10.1162/jocn.1997.9.4.462
Jonsdottir, S., Bouma, A., Sergeant, J. A., & Scherder, E. J. A. (2005). The impact of specific language impairment on working memory in children with ADHD combined subtype. Archives of Clinical Neuropsychology , 20 (4), 443–456. https://doi.org/10.1016/j.acn.2004.10.004
137
Jurcak, V., Tsuzuki, D., & Dan, I. (2007). 10/20, 10/10, and 10/5 systems revisited: Their validity as relative head-surface-based positioning systems. NeuroImage , 34 (4), 1600–1611. https://doi.org/10.1016/j.neuroimage.2006.09.024
Kalwani, R. M., Joshi, S., & Gold, J. I. (2014). Phasic Activation of Individual Neurons in the Locus Ceruleus/Subceruleus Complex of Monkeys Reflects Rewarded Decisions to Go But Not Stop. Journal of Neuroscience , 34 (41), 13656–13669. https://doi.org/10.1523/JNEUROSCI.2566-14.2014
Kamijo, K., O'leary, K., Pontifex, M., Themanson, J., & Hillman, C. (2010). The relation of aerobic fitness to neuroelectric indices of cognitive and motor task preparation. Psychophysiology . doi:10.1111/j.1469-8986.2010.00992.x
Kamijo, K., Pontifex, M., O’Leary, K., Scudder, M., Wu, C., Castelli, D., & Hillman, C.(2011). The effects of an afterschool physical activity program on working memory in preadolescent children. Developmental Science, 14 (5), 1046-1058. doi:10.1111/j.1467-7687.2011.01054.x
Karis, D., Fabiani, M., & Donchin, E. (1984). “P300” and memory: Individual differences in the von Restorff effect. Cognitive Psychology , 16 (2), 177–216. https://doi.org/10.1016/0010-0285(84)90007-0
Keller, G.B., Bonhoeffer, T., and Hübener, M. (2012). Sensorimotor mismatch signals in primary visual cortex of the behaving mouse. Neuron 74, 809–815.
Kiss, I., Pisio, C., Francois, A., & Schopflocher, D. (1998). Central executive function in working memory: Event-related brain potential studies. Cognitive Brain Research, 6 (4), 235-247. doi:10.1016/s0926-6410(97)00035-9
Koch, C., & Poggio, T. (1999). Predicting the visual world: Silence is golden. Nature Neuroscience , 2 (1), 9–10. https://doi.org/10.1038/4511
Kok, A. (2001). On the utility of P3 amplitude as a measure of processing capacity. Psychophysiology, 38 (3), 557-577. doi:10.1017/s0048577201990559
Kolb H. Facts and Figures Concerning the Human Retina. 2005 May 1 [Updated 2007 Jul 5]. In: Kolb H, Fernandez E, Nelson R, editors. Webvision: The Organization of the Retina and Visual System [Internet]. Salt Lake City (UT): University of Utah Health Sciences Center; 1995-. Available from: https://www.ncbi.nlm.nih.gov/books/NBK11556/
Kosilo, M., Martinovic, Laxhman, Lisshammar, J., Barbur, & Haenschel, C. (2017). Contribution of Luminance to Visual Working Memory in Schizophrenia .
Kotchoubey, B. I., Jordan, J. S., Grözinger, B., Westphal, K. P., & Kornhuber, H. H. (1996). Event-related brain potentials in a varied-set memory search task: A reconsideration. Psychophysiology, 33 (5), 530-540. doi:10.1111/j.1469-8986.1996.tb02429.x
Kumar, N., Manjaly, J. A., & Sunny, M. M. (2015). The relationship between action-effect
138
monitoring and attention capture. Journal of Experimental Psychology: General , 144 (1), 18–23. https://doi.org/10.1037/xge0000032
Kusak, G., Grune, K., Hagendorf, H., & Metz, A. (2000). Updating of working memory in a running memory task: An event-related potential study. International Journal of Psychophysiology, 39 (1), 51-65. doi:10.1016/s0167-8760(00)00116-1
Kyllonen, P. C., & Christal, R. E. (1990). Reasoning ability is (little more than) working-memory capacity?! Intelligence, 14 (4), 389-433. doi:10.1016/s0160-2896(05)80012-1
Lara, A. H., & Wallis, J. D. (2015). The Role of Prefrontal Cortex in Working Memory: A Mini Review. Frontiers in Systems Neuroscience, 9 . doi:10.3389/fnsys.2015.00173
Lawrence M. (2016) ez: Easy Analysis and Visualization of Factorial Experiments, 4.4-0. https://cran.r-project.org/web/packages/ez/index.html
Lefebvre, C. D., Marchand, Y., Eskes, G. A., & Connolly, J. F. (2005). Assessment of working memory abilities using an event-related brain potential (ERP)-compatible digit span backward task. Clinical Neurophysiology, 116 (7), 1665-1680. doi:10.1016/j.clinph.2005.03.015
Lehéricy, S., Ducros, M., Moortele, P. V., Francois, C., Thivard, L., Poupon, C.,Kim, D. (2004, 03). Diffusion tensor fiber tracking shows distinct corticostriatal circuits in humans. Annals of Neurology, 55 (4), 522-529. doi:10.1002/ana.20030
Leinweber, M., Ward, D. R., Sobczak, J. M., Attinger, A., & Keller, G. B. (2017). Erratum: A Sensorimotor Circuit in Mouse Cortex for Visual Flow Predictions (Neuron (2017) 95(6) (1420–1432.e5) (S0896627317307791) (10.1016/j.neuron.2017.08.036)). Neuron , 96 (5), 1204. https://doi.org/10.1016/j.neuron.2017.11.009
Logan, S. W., & Fischman, M. G. (2011). The relationship between end-state comfort effects and memory performance in serial and free recall. Acta Psychologica , 137, 292–299.
Logan, S. W., & Fischman, M. G. (2015). The death of recency: Relationship between end-state comfort and serial position effects in serial recall: Logan and Fischman (2011) revisited. Human Movement Science , 44 , 11–21. https://doi.org/10.1016/j.humov.2015.08.003
López, V., Pavez, F., Lopez, J., Ortega, R., Saez, N., Carrasco, X., Aboitiz, F. (2008). Electrophysiological Evidences of Inhibition Deficit in Attention-Deficit/Hyperactivity Disorder During the Attentional Blink. The Open Behavioral Science Journal, 2 (1), 23-31. doi:10.2174/1874230000802010023
Lorist, M. M., Klein, M., Nieuwenhuis, S., Jong, R., Mulder, G., & Meijman, T. F. (2000). Mental fatigue and task control: Planning and preparation. Psychophysiology, 37 (5), 614-625. doi:10.1111/1469-8986.3750614
139
Löw, A., Rockstroh, B., Cohen, R., Hauk, O., Berg, P., & Maier, W. (1999). Brain Topography, 12 (1), 39-47. doi:10.1023/a:1022229623355
Luo, H., & Poeppel, D. (2007). Phase patterns of neuronal responses reliably discriminate speech in human auditory cortex. Neuron, 54(6), 1001–1010. doi:10.1016/j.neuron.2007.06.004
Luck, S. J., Heinze, H. J., Mangun, G. R., & Hillyard, S. A. (1990). Visual event-related potentials index focused attention within bilateral stimulus arrays. II. Functional dissociation of P1 and N1 components. Electroencephalography and Clinical Neurophysiology , 75 (6), 528–542. https://doi.org/10.1016/0013-4694(90)90139-B
Magimairaj, B. M., & Nagaraj, N. K. (2018). Working memory and auditory processing in school-age children. Language, Speech, and Hearing Services in Schools , 49 (3), 409–423. https://doi.org/10.1044/2018_LSHSS-17-0099
Mainland, J., & Sobel, N. (2006). The sniff is part of the olfactory percept. Chemical Senses , 31 (2), 181–196. https://doi.org/10.1093/chemse/bjj012
Makuuchi, M., Bahlmann, J., Anwander, A., & Friederici, A. D. (2009). Segregating the core computational faculty of human language from working memory. Proceedings of the National Academy of Sciences of the United States of America , 106 (20), 8362–8367. https://doi.org/10.1073/pnas.0810928106
Manita, S., Suzuki, T., Homma, C., Matsumoto, T., Odagawa, M., Yamada, K., … Murayama, M. (2015). A Top-Down Cortical Circuit for Accurate Sensory Perception. Neuron, 86(5), 1304–1316. doi:10.1016/j.neuron.2015.05.006
Marvel, C. L., Morgan, O. P., & Kronemer, S. I. (2019). How the motor system integrates with working memory. Neuroscience and Biobehavioral Reviews , 102 (April), 184–194. https://doi.org/10.1016/j.neubiorev.2019.04.017
Mathewson, K. E., Gratton, G., Fabiani, M., Beck, D. M., & Ro, T. (2009). To see or not to see: Prestimulus α phase predicts visual awareness. Journal of Neuroscience , 29 (9), 2725–2732. https://doi.org/10.1523/JNEUROSCI.3963-08.2009
McCarthy, G., Puce, A., Constable, R. T., Krystal, J. H., Gore, J. C., & Goldman-Rakic, P. (1996). Activation of human prefrontal cortex during spatial and nonspatial working memory tasks measured by functional MRI. Cerebral Cortex , 6 (4), 600–611. https://doi.org/10.1093/cercor/6.4.600
McFarland, J. M., Bondy, A. G., Saunders, R. C., Cumming, B. G., & Butts, D. A. (2015). Saccadic modulation of stimulus processing in primary visual cortex. Nature Communications , 6 , 1–14. https://doi.org/10.1038/ncomms9110
Miall, R. C. & Wolpert, D. M. (1996). Forward models for physiological motor control. Neural Netw. 9, 1265–1279. https://doi.org/10.1016/S0893-6080(96)00035-4
Missonnier, P., Deiber, M.-P., Gold, G., Herrmann, F. R., Millet, P., Michon, A., … Giannakopoulos, P. (2007). Working memory load–related
140
electroencephalographic parameters can differentiate progressive from stable mild cognitive impairment. Neuroscience, 150(2), 346–356. doi:10.1016/j.neuroscience.2007.09.009
Miller, G. A. (1994). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 101 (2), 343-352. doi:10.1037//0033-295x.101.2.343
Meyer, L., Grigutsch, M., Schmuck, N., Gaston, P., & Friederici, A. D. (2015). Frontal-posterior theta oscillations reflect memory retrieval during sentence comprehension. Cortex , 71 , 205–218. https://doi.org/10.1016/j.cortex.2015.06.027
Miyake, A., & Shah, P. (1999). Models of Working Memory: Mechanisms of Active Maintenance and Executive Control (Vol. 21). https://doi.org/10.1017/CBO9781139174909
Montgomery, J. W., Magimairaj, B. M., & Finney, M. C. (2010). Working memory and specific language impairment: An update on the relation and perspectives on assessment and treatment. American Journal of Speech-Language Pathology , 19 (1), 78–94. https://doi.org/10.1044/1058-0360(2009/09-0028)
Morillon, B., Schroeder, C. E., & Wyart, V. (2014). Motor contributions to the temporal precision of auditory attention. Nature Communications , 5 , 1–9. https://doi.org/10.1038/ncomms6255
Morgan, H. M., Klein, C., Boehm, S. G., Shapiro, K. L., & Linden, D. E. (2008). Working memory load for faces modulates P300, N170, and N250r. Journal of cognitive neuroscience, 20(6), 989–1002. doi:10.1162/jocn.2008.20072
Moscatelli, A., Mezzetti, M., & Lacquaniti, F. (2012). Modeling psychophysical data at the population-level: The generalized linear mixed model. Journal of Vision , 12 (11), 1–17. https://doi.org/10.1167/12.11.26
Müller, M. M., Teder-Sälejärvi, W., & Hillyard, S. A. (1998). The time course of cortical facilitation during cued shifts of spatial attention. Nature Neuroscience , 1 (7), 631–634. https://doi.org/10.1038/2865
Müller, U., von Cramon, D., Pollmann S. (1998) D1- versus D2-receptor modulation of visuospatial working memory in humans. J Neurosci. 1;18(7):2720-8. PMID: 9502829.
Nasreddine ZS, Phillips NA, Bédirian V, Charbonneau S, Whitehead V, Collin I, Cummings JL, Chertkow H (2005). "The Montreal Cognitive Assessment, MoCA: a brief screening tool for mild cognitive impairment". J Am Geriatr Soc. 53 (4): 695–9. doi:10.1111/j.1532-5415.2005.53221.x. PMID 15817019
Natale, E., Marzi, C. A., Girelli, M., Pavone, E. F., & Pollmann, S. (2006). ERP and fMRI correlates of endogenous and exogenous focusing of visual-spatial attention. European Journal of Neuroscience , 23 (9), 2511–2521. https://doi.org/10.1111/j.1460-9568.2006.04756.x
141
Nelson, A., & Mooney, R. (2016a). The Basal Forebrain and Motor Cortex Provide Convergent yet Distinct Movement-Related Inputs to the Auditory Cortex. Neuron , 90 (3), 635–648. https://doi.org/10.1016/j.neuron.2016.03.031
Nelson, A., & Mooney, R. (2016b). The Basal Forebrain and Motor Cortex Provide Convergent yet Distinct Movement-Related Inputs to the Auditory Cortex. Neuron , 90 (3), 635–648. https://doi.org/10.1016/j.neuron.2016.03.031
Neuling, T., Rach, S., Wagner, S., Wolters, C. H., & Herrmann, C. S. (2012). Good vibrations: Oscillatory phase shapes perception. NeuroImage , 63 (2), 771–778. https://doi.org/10.1016/j.neuroimage.2012.07.024
Nickerson, R. S. (1972). Binary-classification reaction time: A review of some studies of human information-processing capabilities. Psychonomic Monograph Supplements, 4(17), 275-318.
Nittono, H., Nageishi, Y., Nakajima, Y., & Ullsperger, P. (1999). Event-related potential correlates of individual differences in working memory capacity. Psychophysiology, 36 (6), 745-754. doi:10.1111/1469-8986.3660745
Nittono, H. (2004). The action-perception paradigm: A new perspective in cognitive neuroscience. International Congress Series , 1270 (C), 26–31. https://doi.org/10.1016/j.ics.2004.04.093
Nittono, H. (2006). Voluntary stimulus production enhances deviance processing in the brain. International Journal of Psychophysiology , 59 (1), 15–21. https://doi.org/10.1016/j.ijpsycho.2005.06.008
Nittono, H., Hamada, A., & Hori, T. (2003). Brain Potentials after Clicking a Mouse: A New Psychophysiological Approach to Human-Computer Interaction. Human Factors , 45 (4), 591–599. https://doi.org/10.1518/hfes.45.4.591.27087
Nobre, A., Correa, A., & Coull, J. (2007). The hazards of time. Current Opinion in Neurobiology , 17 (4), 465–470. https://doi.org/10.1016/j.conb.2007.07.006
Norrelgen, F., Lacerda, F., & Forssberg, H. (2002). Temporal resolution of auditory perception and verbal working memory in 15 children with language impairment. Journal of Learning Disabilities , 35 (6), 539–545. https://doi.org/10.1177/00222194020350060501
Oishi, M., & Mochizuki, Y. (1998). Correlation between Contingent Negative Variation and Regional Cerebral Blood Flow. Clinical EEG and Neuroscience, 29 (3), 124-127. doi:10.1177/155005949802900303
Oostenveld, R., Fries, P., Maris, E., Schoffelen, JM (2011). FieldTrip: Open Source Software for Advanced Analysis of MEG, EEG, and Invasive Electrophysiological Data. Computational Intelligence and Neuroscience, Volume 2011 (2011), Article ID 156869, doi:10.1155/2011/156869
Ortega, R., López, V., Carrasco, X., Anllo-Vento, L., & Aboitiz, F. (2013). Exogenous
142
orienting of visual-spatial attention in ADHD children. Brain Research , 1493 (April 2014), 68–79. https://doi.org/10.1016/j.brainres.2012.11.036
Park S, Kim M-S (2018) An event-related potential study of spatial working memory in binge drinking college students. PLoS ONE 13(9): e0203696. https://doi.org/10.1371/journal.pone.0203696
Patterson, J., Pratt, H., & Starr, A. (1991). Event-related potential correlates of the serial position effect in short-term memory. Electroencephalography and Clinical Neurophysiology, 78 (6), 424-437. doi:10.1016/0013-4694(91)90060-h
Paulesu, E., Frith, C. D., & Frackowiak, R. S. (1993). The neural correlates of the verbal component of working memory. Nature, 362 (6418), 342-345. doi:10.1038/362342a0
Pins, D., & Bonnet, C. (1997). Reaction times reveal the contribution of the different receptor components in luminance perception. Psychonomic Bulletin & Review, 4(3), 359–366. doi:10.3758/bf03210793
Pinto, L., Goard, M. J., Estandian, D., Xu, M., Kwan, A. C., Lee, S., . . . Dan, Y. (2013, 10). Fast modulation of visual perception by basal forebrain cholinergic neurons. Nature Neuroscience, 16 (12), 1857-1863. doi:10.1038/nn.3552
Poletti, M., Gebhardt, E., & Raballo, A. (2017). Corollary Discharge, Self-agency, and the Neurodevelopment of the Psychotic Mind. JAMA Psychiatry , 74 (11), 1169–1170. https://doi.org/10.1001/jamapsychiatry.2017.2824
Polich, J. (2007). Updating P300: An integrative theory of P3a and P3b. Clinical Neurophysiology , 118 (10), 2128–2148. https://doi.org/10.1016/j.clinph.2007.04.019
Postle, B. R. (2006). Working memory as an emergent property of the mind and brain. Neuroscience , 139 (1), 23–38. https://doi.org/10.1016/j.neuroscience.2005.06.005
Press, C., & Cook, R. (2015, 04). Beyond action-specific simulation: Domain-general motor contributions to perception. Trends in Cognitive Sciences, 19 (4), 176-178. doi:10.1016/j.tics.2015.01.006
Proksch, J., & Bavelier, D. (2002). Changes in the spatial distribution of visual attention after early deafness. Journal of Cognitive Neuroscience , 14 (5), 687–701. https://doi.org/10.1162/08989290260138591
Ramanathan, D., Tuszynski, M. H., & Conner, J. M. (2009, 05). The Basal Forebrain Cholinergic System Is Required Specifically for Behaviorally Mediated Cortical Map Plasticity. Journal of Neuroscience, 29 (18), 5992-6000. doi:10.1523/jneurosci.0230-09.2009
Rao, R. P., & Ballard, D. H. (1999). Hierarchical Predictive Coding Model Hierarchical Predictive Coding of Natural Images. Nature Neuroscience , 2 (1), 79–87. Retrieved from http://neurosci.nature.com
Reep, R. L., Chandler, H. C., King, V., & Corwin, J. V. (1994). Rat posterior parietal 143
cortex: topography of corticocortical and thalamic connections. Experimental Brain Research , 100 (1), 67–84. https://doi.org/10.1007/BF00227280
Rohenkohl, G., Cravo, A. M., Wyart, V., & Anna, C. (2014). Europe PMC Funders Group Temporal expectation improves the quality of sensory information . 32 (24), 8424–8428. https://doi.org/10.1523/JNEUROSCI.0804-12.2012.Temporal
Rosahl, S. K., & Knight, R. T. (1995). Role of Prefrontal Cortex in Generation of the Contingent Negative Variation. Cerebral Cortex, 5 (2), 123-134. doi:10.1093/cercor/5.2.123
Ruchkin, D., Canoune, H., Johnson, R., & Ritter, W. (1995). Working memory and preparation elicit different patterns of slow wave event-related brain potentials. Psychophysiology, 32 (4), 399-410. doi:10.1111/j.1469-8986.1995.tb01223.x
Ruchkin, D., Johnson, R., Grafman, J., Canoune, H., & Ritter, W. (1992). Distinctions and similarities among working memory processes: An event-related potential study. Cog Brain Res, 1 (1), 53-66. doi:10.1016/0926-6410(92)90005-c
Rypma, B., Prabhakaran, V., Desmond, J. E., Glover, G. H., & Gabrieli, J. D. (1999). Load-Dependent Roles of Frontal Brain Regions in the Maintenance of Working Memory. NeuroImage, 9 (2), 216-226. doi:10.1006/nimg.1998.0404
Sawaguchi T. (2001) The effects of dopamine and its antagonists on directional delay-period activity of prefrontal neurons in monkeys during an oculomotor delayed-response task. Neurosci Res . 41(2):115-28. PMID: 11591439.
Sawaguchi, P., Goldman-Rakic, P. (1991) D1 dopamine receptors in prefrontal cortex: involvement in working memory. Science . 251(4996): 947-950. DOI: 10.1126/science.1825731
Scala, S., Pousada, A., Stone, W. S., Thermenos, H. W., Manschreck, T. C., Tsuang, M. T., … Seidman, L. J. (2013). Verbal and visual-spatial memory impairment in youth at familial risk for schizophrenia or affective psychosis: A pilot study. Schizophrenia Research , 144 (1–3), 122–128. https://doi.org/10.1016/j.schres.2012.11.027
Schneider, D. W., & Anderson, J. R. (2011). A memory-based model of Hick’s law. Cognitive Psychology, 62(3), 193–222. doi:10.1016/j.cogpsych.2010.11.001
Schroeder, C. E., Wilson, D. A., Radman, T., Scharfman, H., & Lakatos, P. (2010). Dynamics of Active Sensing and perceptual selection. Current Opinion in Neurobiology , 20 (2), 172–176. https://doi.org/10.1016/j.conb.2010.02.010
Sergent, C., Baillet, S., & Dehaene, S. (2005). Timing of the brain events underlying access to consciousness during the attentional blink. Nature Neuroscience , 8 (10), 1391–1400. https://doi.org/10.1038/nn1549
Smith, E. E., & Jonides, J. (1997). Working Memory: A View from Neuroimaging. Cognitive Psychology, 33 (1), 5-42. doi:10.1006/cogp.1997.0658
144
Smith, E. E., Jonides, J., & Koeppe, R. A. (1996). Dissociating Verbal and Spatial Working Memory Using PET. Cerebral Cortex, 6 (1), 11-20. doi:10.1093/cercor/6.1.11
Sommer, M. A., & Wurtz, R. H. (2008). Visual perception and corollary discharge. Perception , 37 (3), 408–418. https://doi.org/10.1068/p5873
Spiegel, M. A., Koester, D., & Schack, T. (2013). The functional role of working memory in the (Re-)planning and execution of grasping movements. Journal of Experimental Psychology: Human Perception and Performance , 39 (5), 1326–1339. https://doi.org/10.1037/a0031398
Spiegel, M. A., Koester, D., Weigelt, M., & Schack, T. (2012). The costs of changing an intended action: Movement planning, but not execution, interferes with verbal working memory. Neuroscience Letters , 509 (2), 82–86. https://doi.org/10.1016/j.neulet.2011.12.033
Stenner, M. P., Bauer, M., Heinze, H. J., Haggard, P., & Dolan, R. J. (2015). Parallel processing streams for motor output and sensory prediction during action preparation. Journal of Neurophysiology , 113 (6), 1752–1762. https://doi.org/10.1152/jn.00616.2014
Sternberg, S. (1966). High-Speed Scanning in Human Memory. Science, 153 (3736), 652-654. doi:10.1126/science.153.3736.652
Sternberg, S. (1969). Memory scanning: Mental processes revealed by reaction time experiments. American Scientist 57: 421-457
Süß, H., Oberauer, K., Wittmann, W. W., Wilhelm, O., & Schulze, R. (2002). Working-memory capacity explains reasoning ability—and a little bit more. Intelligence, 30 (3), 261-288. doi:10.1016/s0160-2896(01)00100-3
Teng, C., & Kravitz, D. J. (2019). Visual working memory directly alters perception. Nature Human Behaviour , 3 (8), 827–836. https://doi.org/10.1038/s41562-019-0640-4
Tomassini, A., Spinelli, D., Jacono, M., Sandini, G., & Morrone, M. C. (2015). Rhythmic oscillations of visual contrast sensitivity synchronized with action. Journal of Neuroscience , 35 (18), 7019–7029. https://doi.org/10.1523/JNEUROSCI.4568-14.2015
Vallar, G., Betta, A., & Silveri, M. (1997). The phonological short-term store-rehearsal system: Patterns of impairment and neural correlates. Neuropsychologia, 35 (6), 795-812. doi:10.1016/s0028-3932(96)00127-3
van Ede, F., de Lange, F. P., & Maris, E. (2012). Attentional cues affect accuracy and reaction time via different cognitive and neural processes. Journal of Neuroscience , 32 (30), 10408–10412. https://doi.org/10.1523/JNEUROSCI.1337-12.2012
145
Verleger, R. (1997). On the utility of P3 latency as an index of mental chronometry. Psychophysiology, 34 (2), 131-156. doi:10.1111/j.1469-8986.1997.tb02125.x
Vogel, E. K., & Luck, S. J. (2000). The visual N1 component as an index of a discrimination process. Psychophysiology , 37 (2), 190–203. https://doi.org/10.1017/S0048577200981265
Vugs, B., Cuperus, J., Hendriks, M., & Verhoeven, L. (2013). Visuospatial working memory in specific language impairment: A meta-analysis. Research in Developmental Disabilities , 34 (9), 2586–2597. https://doi.org/10.1016/j.ridd.2013.05.014
Vugs, B., Hendriks, M., Cuperus, J., & Verhoeven, L. (2014). Working memory performance and executive function behaviors in young children with SLI. Research in Developmental Disabilities , 35 (1), 62–74. https://doi.org/10.1016/j.ridd.2013.10.022
Waszak, F., & Herwig, A. (2007). Effect anticipation modulates deviance processing in the brain. Brain Research , 1183 (1), 74–82. https://doi.org/10.1016/j.brainres.2007.08.082
Wayne, R. V., Hamilton, C., Huyck, J. J., & Johnsrude, I. S. (2016). Working memory training and speech in noise comprehension in older adults. Frontiers in Aging Neuroscience , 8 (MAR), 1–15. https://doi.org/10.3389/fnagi.2016.00049
Weigelt, M., Rosenbaum, D. A., Huelshorst, S., & Schack, T. (2009). Moving and memorizing: Motor planning modulates the recency effect in serial and free recall. Acta Psychologica , 132 (1), 68–79. https://doi.org/10.1016/j.actpsy.2009.06.005
Wilber, A. A., Clark, B. J., Demecha, A. J., Mesina, L., Vos, J. M., & Mcnaughton, B. L. (2015, 01). Cortical connectivity maps reveal anatomically distinct areas in the parietal cortex of the rat. Frontiers in Neural Circuits, 8 . doi:10.3389/fncir.2014.00146
Wild-Wall, N., Hohnsbein, J., & Falkenstein, M. (2007). Effects of ageing on cognitive task preparation as reflected by event-related potentials. Clinical Neurophysiology, 118 (3), 558-569. doi:10.1016/j.clinph.2006.09.005
Wolpert, D. M., & Kawato, M. (1998). Multiple paired forward and inverse models for motor control. Neural Networks. https://doi.org/10.1016/S0893-6080(98)00066-5
Yarbus, A. L. (1967). Eye Movements and Vision. doi:10.1007/978-1-4899-5379-7
Yebra, M., Galarza-Vallejo, A., Soto-Leon, V., Gonzalez-Rosa, J. J., de Berker, A. O., Bestmann, S., … Strange, B. A. (2019). Action boosts episodic memory encoding in humans via engagement of a noradrenergic system. Nature Communications , 10 (1), 1–12. https://doi.org/10.1038/s41467-019-11358-8
Zhang, Y. X., Moore, D. R., Guiraud, J., Molloy, K., Yan, T. T., & Amitay, S. (2016). Auditory discrimination learning: Role of working memory. PLoS ONE , 11 (1), 1–18.
146
https://doi.org/10.1371/journal.pone.0147320
ANEXOS
147
FIGURAS SUPLEMENTARIAS
Fig. S1. Resultados del pilotaje (n=4). A . Tiempos de respuesta por condición, y para las dos cargas de memoria (5 y 6 ítems). B. Exactitud por condición y para las dos cargas de memoria. Los puntos corresponden a cada sujeto. (ns = no significativo; ** ≤0.01).
148
Fig. S2. Efectos del aprendizaje de la tarea y del orden de presentación del bloque sobre la exactitud. A . Efecto del aprendizaje de la tarea sobre la exactitud. Izquierda: efecto global de aprendizaje sobre la exactitud; derecha: efecto separado por las 3 condiciones de codificación. Para efectos de presentación de resultados en el gráfico, los ensayos se agrupan cada 25 ensayos, en 4 bines. B. Efecto del orden de presentación del bloque sobre la exactitud. Izquierda: efecto global del orden de presentación sobre la exactitud. Derecha: efecto del orden de presentación desglosado por cada condición de codificación. Cada punto representa el promedio para todos los sujetos; las barras indican el error estándar.
149
Fig. S3. Efectos de la sensación de seguridad. A. El gráfico de cajas muestra los puntajes de seguridad en la respuesta, separados por cada condición. Cada punto representa el puntaje de cada sujeto. B. El gráfico de líneas muestra el efecto global de la sensación de seguridad sobre la exactitud; los puntos indican el promedio de los sujetos, y las barras indican el error estándar. C. Efecto de la sensación de seguridad sobre la exactitud, separado por condición de codificación. El puntaje de seguridad iba desde 1 (muy inseguro al responder) a 7 (muy seguro al responder). n=15.
150
Fig. S4. Efectos del tiempo pre-estímulo sobre la exactitud. Arriba Efecto del tiempo previo a la aparición del estímulo total (en ms) sobre la exactitud, por cada condición de codificación. La línea muestra el promedio de los sujetos, y las barras el error estándar. Abajo Efecto del tiempo previo a la aparición del estímulo involuntario (en ms) sobre la exactitud, por cada condición de codificación. Se muestran sólo datos de CD y CP, ya que el tiempo pre-estímulo involuntario de CA = 0. Notar que curva de CP es la misma en A y B, en diferentes escalas
151
temporales (para detalles ver métodos). La línea muestra el promedio de los sujetos, y las barras el error estándar.
152
Fig. S5. Actividad electroencefalográfica evocada a la aparición del estímulo (t=0 ms). A Actividad electroencefalográfica evocada a la aparición del estímulo en la condición CA (sólo ensayos correctos). Se muestra el gran promedio (25 sujetos) del potencial relacionado a evento por cada electrodo (32 electrodos en diferentes colores), así como el mapa topográfico (topoplot) en los tiempos señalados. B y C similar a A, pero para las condiciones CD (B) y CP (C). Los puntos en los mapas topográficos indican las posiciones modeladas de los electrodos. Los colores cálidos indican electrodos con valores de voltaje positivos (en uV) y colores fríos valores de voltaje negativos, en dicho electrodo
153
Fig. S6. Potenciales Relacionados a Eventos evocados por la presión del botón (t=0 ms). A. ERPs evocados por la presión al botón (t=0 ms) en la condición CA. B. Mapa topográfico t=0, Colores cálidos ilustran valores de voltajes positivos (en uV), y colores fríos, valores de voltajes negativos. C. Mismo que A, pero para la condición CD. En esta se pierden los componentes P1,
154
N1, P2 y P3 debido al desfase aleatorio entre la presión del botón y la aparición del estímulo (ver métodos). D. Mismo que B, pero para la condición CD.
155
156
Fig.S7. Gran promedio de ERPs evocados a la aparición del estímulo (t=0 ms) para ensayos incorrectos. Superior. Gran promedio de ERP evocado a la aparición del estímulo en electrodo Oz, desglosado por condiciones (n=24 sujetos). Sólo ensayos incorrectos fueron incluidos. Medio. Similar a figura superior, pero para el electrodo Fz. Inferior. Similar a figura superior, pero para el electrodo Pz.
157
158
Fig. S8. Actividad electroencefalográfica evocada a la aparición del estímulo (t=0 ms) para ensayos incorrectos. A Actividad electroencefalográfica evocada a la aparición del estímulo en la condición CA (sólo ensayos incorrectos). Se muestra el gran promedio (25 sujetos) del potencial relacionado a evento por cada electrodo (32 electrodos en diferentes colores), así como el mapa topográfico (topoplot) en los tiempos señalados. B y C similar a A, pero para las condiciones CD (B) y CP (C). Los puntos en los mapas topográficos indican las posiciones modeladas de los electrodos. Los colores cálidos indican electrodos con valores de voltaje positivos (en uV) y colores fríos valores de voltaje negativos, en dicho electrodo.
159
Fig. S9. Gráficos de densidad de amplitud y latencia de ERPs ensayos incorrectos, desglosado por condición. A . Densidad de latencias de los componentes N1, P2 y P3 de ensayos incorrectos. B . Densidad de amplitud de los componentes P1N1, P2 y P3 de ensayos incorrectos. Las líneas punteadas corresponden a la mediana por cada condición, según color.
160
Fig. S10. Amplitud y latencia de ERPs por ensayo correcto e incorrecto, desglosado por condición. A . Voltaje de componentes por ensayos correctos e incorrectos . B . Latencia de componentes por ensayos correctos e incorrectos . (ns: p > 0.05; *: p ≤ 0.05; **: p ≤ 0.01; ***: p ≤ 0.001; ****: p ≤ 0.0001)
161
Fig. S11. Número de clústers significativos en el tiempo. A . Número de canales con efecto pertenecientes al clúster 1 (rojo) o 2 (azul) en el tiempo (s) para el test F. B . Mismo que A, pero para el test de t entre las condiciones CA y CP. Para clústers significativos, ver tabla S1.
162
163
164
Fig. S12. Ejemplos de ensayos únicos, en electrodo Oz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Oz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente N1 para el sujeto 1, en cada condición.
165
166
167
Fig. S13. Ejemplos de ensayos únicos, en electrodo Fz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Fz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente P2 para el sujeto 1, en cada condición.
168
169
170
Fig. S14. Ejemplo de ensayos únicos, en electrodo Pz, por condición. Superior . Ejemplo de variación de voltaje en el tiempo, para el electrodo Pz en el sujeto 1 en la condición CP. Se muestran los ensayos del 1 al 18 en diferentes colores (ver leyendas de panel derecho), para ilustrar la variabilidad entre los ensayos. Medio . Igual que panel superior, pero para la condición CD del sujeto 1. Inferior . Igual que superior y medio, pero para la condición CA del sujeto 1. En todos los gráficos, 0 ms corresponde a la aparición del estímulo. La línea vertical punteada azul ilustra el tiempo al que aparece el componente P3 para el sujeto 1, en cada condición.
171
TEST DE PERMUTACIONES.
Tabla S1 . Resultados test de permutaciones. Resultado de test de F (CA-CD-CP) y test de t (CA-CD, CA-CP, CD-CP). Clústers significativos para el test de F alfa ≤ 0.05, para el test de t alfa ≤ 0.0167
172
Comparación p Valor de t o F Desv.Estand Int. Conf. Clúster significa�vo
CA-CD-CP 0.000999 117266.2092 0.000999001 0.0019580
4 *
CA-CD-CP 0.002997 49921.10169 0.001728589 0.0033880
4 *
CA-CD-CP 0.4685314
7 3159.866955 0.015780042 0.0309288
8
CA-CD-CP 0.5784215
8 2374.182928 0.015615699 0.0306067
7
CA-CD-CP 0.8181818
2 1174.945413 0.012196734 0.0239056
CA-CD-CP 0.8711288
7 993.2216446 0.010595441 0.0207670
6
CA-CD-CP 0.9220779
2 777.3048978 0.008476451 0.0166138
4
CA-CD-CP 0.9900099
9 331.2777918 0.00314487 0.0061639
5
CA-CD-CP 0.9930069
9 270.5066385 0.002635167 0.0051649
3
CA-CD-CP 0.9930069
9 270.0961747 0.002635167 0.0051649
3
CA-CD-CP 0.9930069
9 267.7605121 0.002635167 0.0051649
3
CA-CD-CP 0.995005 234.0112373 0.002229362 0.0043695
5
CA-CD-CP 0.995005 230.0129342 0.002229362 0.0043695
5
CA-CD-CP 0.996004 200.5852031 0.001995003 0.0039102
1 CA-CD-CP 0.998002 128.6330723 0.001412094 0.0027677 CA-CD-CP 0.998002 109.2773283 0.001412094 0.0027677 CA-CD-CP 0.998002 98.49916137 0.001412094 0.0027677 CA-CD-CP 0.998002 80.02579638 0.001412094 0.0027677 CA-CD-CP 0.998002 73.10318465 0.001412094 0.0027677
173
CA-CD-CP 0.999001 43.90509188 0.000999001 0.0019580
4
CA-CD-CP 0.999001 14.50047186 0.000999001 0.0019580
4
CA-CD-CP 0.999001 14.49672703 0.000999001 0.0019580
4
CA-CD 0.0409590
4 5065.501196 0.006267487 0.0122842
8
CA-CD 0.0599400
6 4002.936517 0.00750648 0.0147127
CA-CD 0.0699300
7 3729.130633 0.008064729 0.0158068
7
CA-CD 0.6383616
4 615.8944788 0.015193948 0.0297801
4
CA-CD 0.8911088
9 261.0291094 0.009850575 0.0193071
3
CA-CD 0.9060939
1 237.4380121 0.009224302 0.0180796
3
CA-CD 0.9640359
6 153.0778773 0.005888177 0.0115408
3
CA-CD 0.9650349
7 150.1824593 0.005808828 0.0113853
CA-CD 0.9880119
9 98.33170995 0.003441555 0.0067454
5
CA-CD 0.9880119
9 97.80294836 0.003441555 0.0067454
5
CA-CD 0.9880119
9 94.40930518 0.003441555 0.0067454
5
CA-CD 0.9940059
9 81.18222233 0.002440917 0.0047842 CA-CD 0.998002 59.51868045 0.001412094 0.0027677 CA-CD 0.998002 53.55298222 0.001412094 0.0027677 CA-CD 0.998002 52.76331641 0.001412094 0.0027677 CA-CD 0.998002 50.55080756 0.001412094 0.0027677 CA-CD 1 35.78205672 0 0 CA-CD 1 33.1183289 0 0 CA-CD 1 22.92160962 0 0 CA-CD 1 14.7365401 0 0 CA-CD 1 10.35503389 0 0 CA-CP 0.001998 16394.42019 0.001412094 0.0027677 *
174
CA-CP 0.1718281
7 2104.205911 0.011929093 0.0233810
2
CA-CP 0.3376623
4 1228.734147 0.014954815 0.0293114
4
CA-CP 0.5424575
4 767.3096685 0.015754281 0.0308783
9
CA-CP 0.7992008 376.0446466 0.012668026 0.0248293
3
CA-CP 0.9050949
1 247.1490262 0.009268124 0.0181655
2
CA-CP 0.9110889
1 232.3961074 0.009000328 0.0176406
4
CA-CP 0.9640359
6 159.321261 0.005888177 0.0115408
3
CA-CP 0.9680319
7 151.8788706 0.00556292 0.0109033
2
CA-CP 0.9700299
7 150.0486701 0.00539183 0.0105679
9
CA-CP 0.9710289
7 142.0713718 0.005303933 0.0103957
1
CA-CP 0.9830169
8 106.218934 0.004085902 0.0080083
7
CA-CP 0.9940059
9 71.6996468 0.002440917 0.0047842
CA-CP 0.997003 62.30313048 0.001728589 0.0033880
4 CA-CP 0.998002 60.73606751 0.001412094 0.0027677 CA-CP 0.998002 59.18399797 0.001412094 0.0027677 CA-CP 0.998002 44.80983624 0.001412094 0.0027677 CA-CP 0.998002 37.806255 0.001412094 0.0027677 CA-CP 1 12.49646305 0 0
CD-CP 0.0799200
8 3482.90643 0.00857513 0.0168072
6
CD-CP 0.3106893
1 1264.465916 0.014634256 0.0286831
4
CD-CP 0.3386613
4 1154.352282 0.014965622 0.0293326
2
CD-CP 0.6073926
1 571.0269474 0.015442371 0.0302670
5
CD-CP 0.6603396
6 506.7439504 0.014976354 0.0293536
5
175
CD-CP 0.7122877
1 439.5681807 0.014315514 0.0280584
1
CD-CP 0.7572427
6 390.2044275 0.013558251 0.0265741
7
CD-CP 0.8991009 242.9323544 0.009524625 0.0186682
6
CD-CP 0.9030969 239.7935769 0.009354832 0.0183354
7
CD-CP 0.9570429
6 185.9467343 0.006411843 0.0125672
1
CD-CP 0.9590409
6 179.6576602 0.006267487 0.0122842
8
CD-CP 0.9680319
7 165.5893741 0.00556292 0.0109033
2
CD-CP 0.9870129
9 121.3869514 0.003580272 0.0070173
3
CD-CP 0.9910089
9 111.9852954 0.002984991 0.0058505
8
CD-CP 0.996004 99.8528991 0.001995003 0.0039102
1
CD-CP 0.997003 87.01080516 0.001728589 0.0033880
4
CD-CP 0.999001 68.84750065 0.000999001 0.0019580
4
CD-CP 0.999001 66.91387771 0.000999001 0.0019580
4 CD-CP 1 54.06288841 0 0 CD-CP 1 44.51030165 0 0 CD-CP 1 31.98723236 0 0 CD-CP 1 29.98699445 0 0 CD-CP 1 22.87959233 0 0 CD-CP 1 20.81252817 0 0
MODELO LINEAL GENERALIZADO
● Hit = Respuesta binaria: 0=incorrecto, 1=correcto
● TASK = Condiciones de la tarea (variable categórica): CA, CD, CP
● Time-to-Target_TOT= Tiempo pre-estímulo total. Variable numérica continua. Esta variable se re-escaló dividiendo por 1000.
● Time-to-Target_INV= Tiempo pre-estímulo involuntario. Variable numérica continua. Esta variable se re-escaló dividiendo por 100.
● Learning= Número de ensayo. Variable numérica discreta (1:100). Esta variable se re-escaló dividiendo por 100.
● Order = Orden del bloque. Variable numérica discreta (1,2,3).
Formula: Hit ~ TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + (1 | SS)
Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7541.9 7611.2 -3761.0 7521.9 7490
Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + (1 | SS) Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7542.8 7625.9 -3759.4 7518.8 7488
Formula: Hit ~ TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + Order*TASK + (1 | SS)
Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7543.1 7626.1 -3759.5 7519.1 7488
176
Formula: Hit ~ TASK + Time-to-Target_TOT + Order*TASK + Learning*TASK + (1 | SS)
Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7546.9 7623.0 -3762.5 7524.9 7489
Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + TASK*Order + (1 | SS) Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7544.1 7641.1 -3758.1 7516.1 7486
Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Order*Learning + Learning*TASK + (TASK | SS) Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7546.7 7664.4 -3756.4 7512.7 7483
Formula: Hit ~ TASK + Time-to-Target_TOT*TASK + Time-to-Target_INV + Order*Learning + Learning*TASK + TASK*Order + (1 | SS)
Control: glmerControl(optimizer = "bobyqa")
AIC BIC logLik deviance df.resid
7545.2 7649.0 -3757.6 7515.2 7485
177
CONSENTIMIENTO INFORMADO
197
198
199
200
201
202