Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Man is born as a freak of nature, being within nature and yet transcending it. He has to find principles of action and
decision-making which replace the principles of instincts. Erich Fromm, The Revolution of Hope: Toward a
Humanized Technology (1968).
Decidir es destinar: La suerte no existe. El destino… el destino es el resultado de decisiones personales; muchas
decisiones, de muchas personas… Definitivamente la suerte no existe. Augusto Paniagua de Borbón.
Nada tan valioso para el hombre como el libre albedrío, y nada, también, que le haga sufrir tanto. F.M. Dostoievsky, El
Gran Inquisidor.
Todos los actos humanos tienen como causa a una o más de las siguientes: azar, naturaleza, compulsión, hábito, razón,
pasión y deseo. Aristóteles, Retórica.
… el fin principal del cerebro es controlar el movimiento… Gyorgy Buzsaki, Rhythms of the Brain. (Traducción del
autor).
Todas nuestras decisiones finales son tomadas en un estado mental que no es duradero. Marcel Proust.
decidir. (Del lat. decidĕre, cortar, resolver). 1. tr. Cortar la dificultad, formar juicio definitivo sobre algo dudoso o
contestable. 2. tr. resolver (tomar determinación de algo). Real Academia Española.
INTRODUCCION
¿Cómo comenzar un tema tan importante? ¿Qué decidir escribir en este pedazo de
papel que esté a la altura de dicha cuestión? Mi primer error fue aceptar escribir sobre tan
complicado y controversial asunto; a quién se le ocurre pensar que tiene la capacidad de
explicar el comportamiento humano; arrogante de mí, maniaco ingenuo…
Si la reacción a lo anteriormente escrito fue confusión, un poco de repulsión, y sin
embargo decidiste seguir leyendo, seguramente llegaste a la conclusión (a través y
gracias a una gran cantidad de procesos neurobiológicos) de que la recompensa que
obtendrías al seguir la lectura sería mayor que a la que conseguirías si dejaras de leer.
¿Por qué? ¿Fue una decisión libre, conciente? Qué es la vida humana sino una eterna
decisión, donde caben millones más: cortarse el cabello, comer una hamburguesa,
comprar una camisa verde, levantarse, hacer ejercicio, violar un niño, arrojar una bomba
nuclear, suicidarse... El humano es capaz de las más heroicas acciones y de los más
macabros actos... Su esencia es decidir. Como lo dijo Martín Luther King Jr., en Las
*
Director General de NeuroScopic; Departamento de Investigación y Desarrollo de NovoBrain;
canovo@neuroscopic.com, canovo@gmail.com
Medidas de los Hombres (1959): “El hombre es hombre porque es libre de operar dentro
del marco de su destino. Es libre de deliberar, de tomar decisiones y de escoger
alternativas. Se distingue de los animales por su libertad de hacer el mal o de hacer el
bien; por su libertad de caminar el sublime camino de la belleza o por recorrer el vil
camino de la horrible degeneración” (Traducción del autor). Y no sólo decidir es
esencialmente humano, sino, como escribía Aristóteles en su Ética a Nicómaco, decidir
siempre con dirección al bien y a la verdad, pues sabemos que no existe conflicto alguno
en decidir entre el bien o el mal, pero siempre hay conflicto al decidir entre dos bienes.
La inteligencia humana se puede definir como la capacidad de resolver eficazmente
problemas, decidir adecuadamente, con sindéresis, moverse hacia la dirección correcta,
escoger siempre el mayor de los bienes; esto es lo que llamamos ética (o moral: arte de
vivir bien), sobre la cual G.K. Chesterton, escribe: “Art, like morality, consists in
drawing the line somewhere.” (El arte, como la moralidad, consiste en trazar una línea
(limites) en algún lugar. Traducción del autor). El ser humano se hace haciendo
(decidiendo) utilizando (con) su ser (características propias), mismo que le hace posible
inventar herramientas, una de ella la ciencia, que tiene como fin último responder quién
es su propio artífice. El órgano que le permite ser (y hacer) todo esto es, con mucha
seguridad: el cerebro. Sin él la nada, gracias a él las ciencias, la ley, las artes y… las
guerras; es decir, las decisiones. Pero este no es un trabajo de filosofía.
Mucho se puede hablar sobre el proceso de toma de decisiones sin tocar la parte
biológica del organismo que decide (desde la definición, metodologías, áreas de enfoque,
ontológicamente, etc.). Sin embargo no es el fin de este capítulo hacer una revisión
extensa sobre todos estos puntos, y cabe aclarar que este universo de variables y
perspectivas hacen mucho más complicada una revisión completa de las distintas
maneras de toma de decisiones y sus relaciones fisiológicas. Sólo para dar un panorama
de lo complicado del tema hago mención de los siguientes datos encontrados en la
biblioteca nacional de medicina (http://www.ncbi.nlm.nih.gov/pubmed) de los Estados
Unidos Americanos, la más grande del mundo; realizada el 28 de agosto del 2009. Al
buscar el término “decision making” hubo más de 123,000 resultados, cuando se buscó
“decision making+neuroimaging” hubo 312 resultados; al buscar “decision
making+neuroscience” resultaron 723 artículos, y cuando se buscó “decision
making+brain” casi 4,000 títulos fueron arrojados, más de 250 en lo que va del presente
año, por lo que es imposible para el autor hacer una revisión extensa.
Sin más preámbulo intentaré dar las bases biológicas, especialmente las referentes
al encéfalo, que hacen posible el actuar humano. Vale la pena aclarar que toda
generalidad es (casi) siempre una mentira, sin embargo, la ignorancia del autor y de la
ciencia en general, obligan a utilizar dicha herramienta (generalización), deformada,
deformadora y, por lo tanto, peligrosa (estén atentos). Este nuevo subcampo de la
neurociencia del comportamiento, tiene un impacto enorme en casi todo el quehacer
humano y ha sido investigado desde muchas perspectivas, siempre en busca de bases y
patrones biológicos que puedan arrojar leyes aplicables a estas distintas áreas: económica
(Zak, 2004; Bechara, 2005; Sanfey, 2006; Clithero, 2008), política (Roe, 2009), clínica
(Frank, 2007; Denburg, 2007; Forbes, 2006; Ernst, 2005), ético-legal (Greene, 2004;
Duch, 2008), publicitaria (Kato, 2009; Denburg, 2007), estadística (Deco, 2009; Beck,
2008), celular (Cohen, 2009; Wang, 2008; Deco, 2009), etc.
El cerebro, masa de más de un billón de células (entre neuronas y glia), y casi un
trillón de conexiones neuronales (sinapsis: unidad básica estructural y funcional), y con
un peso de aproximado de 1.5kg, es decir un 2% del peso corporal, consume cerca del
20% del oxigeno y hasta el 30% de la glucosa que ingerimos. Produce más de cien
químicos (aminoácidos, péptidos, proteínas, lípidos, gases, etc.) que actúan tanto
localmente (tejido neuronal) como periféricamente, los cuales a su vez tienen múltiples
subtipos de receptores, permitiendo diferentes actividades de un mismo neuromodulador.
Protegido por una barrera funcional entre células de la glia (astrocitos) y células
endoteliales, llamada barrera hemato-encefálica; así como por tres capas de tejido
conjuntivo (meninges), el cráneo (dos capas de hueso denso y una intermedia de
esponjoso) y finalmente la piel y cuero cabelludo. Este pequeño órgano es considerado
desde hace más de un siglo el centro funcional de todo el organismo; modulando desde
los procesos más básicos (vegetativos), a través del sistema endocrino, íntimamente en
comunicación con el sistema inmune; hasta los procesos cognitivos y creativos más
humanos. Podríamos decir que el encéfalo es un gran traductor de estímulos, tanto
externos (sonido, luz, etc.) como intradérmicos (metabólicos, hormonales, etc.), y el
principal procesador y ordenador de dichos estímulos; los cuales se traducen en
movimiento, actuando así en el ambiente. (Buzsaki, 2006; Young, 2008; Shepherd,
2004).
La organización estructural y funcional del cerebro, en todos los niveles y desde
diferentes puntos de vista, integrando y correlacionándola con aspectos cognitivos y
clínicos; es uno de los campos en neurociencia más explotados en la actualidad, que
comenzó siglos atrás, especialmente a principios del siglo XIX (Young, 1968; Ferrier,
1874). Hoy en día grandes avances en el campo de la neuroimagen funcional han
concluido que el cerebro esta organizado en módulos jerárquicos (Buckner, 2008;
Thatcher, 2009) que se comportan bajo las reglas (es decir tiene las características) de
redes de “mundo-pequeño” (small-world networks) (He, 2007; Bassett, 2006),
permitiendo efectividad y economía temporal y energética (Achard, 2007) al sistema más
complejo que conocemos.
El funcionamiento cerebral es una de esas “cajas negras” del conocimiento
humano. La dificultad para abrir dicha “caja” se debe a múltiples variables, que poco a
poco se han ido superando, aunque posiblemente nunca lo lograremos por completo. Ya
hace más de un siglo, en una serie de conferencias en la universidad de Yale, Charles
Sherrington comentaba que, el principal objetivo de la biología debía ser el cerebro y su
funcionamiento (Finger, 2000), profetizando lo que sucedería un siglo después. A
continuación haré una breve revisión de las herramientas con las que actualmente
contamos para medir (observar) cambios encefálicos y las correlaciones en el proceso de
toma de decisiones. Después comentaré las relaciones de lesiones cerebrales con dicho
proceso, y finalmente integraré las variables biológicas (extracerebrales, endocrinológicas
especialmente) que afectan dichas estructuras y, por lo tanto, el comportamiento humano.
Concluyendo con un modelo integral neurobiológico de toma de decisiones.
TEFU
Aún menos atractiva que la TEP, compartiendo sus altos costos y su mediocre
resolución temporal y espacial, por la menor variedad de sus marcadores tiene algunas
ventajas, como la medición de neurotransmisores y otras moléculas que sólo son posibles
actualmente con esta herramienta. LA TEFU detecta rayos gama que son producidos por
los radionucleótidos en descomposición, por lo que el tiempo para medir dicha actividad
es mayor (vida-media de marcadores) que en la TEP, la cual capta la actividad
radioactiva que se genera por la colisión entre positrones y electrones nucleares de los
radioisótopos. Además no requiere de un ciclotrón, lo cual la hace más económica que la
PET, sin embargo la resolución espacial y temporal es peor. (Malhi, 2007).
Debido a esto la investigación en personas asintomáticas es muy escasa utilizando
TEFU, sin embargo existe información suficiente para proponer correlaciones entre los
sistemas (transportadores, receptores, núcleos, etc.) serotoninérgico y dopaminérgico en
toma de decisiones (Talbot, 2006; Pirker, 2000); una idea que se encuentra en perfecta
sintonía con modelos de funcionamiento cerebral y comportamiento (“normal” y
patológica) en la literatura (Robinson, 2009; Verdejo-Gracía, 2006; Barr, 2004;
interesante revisión de estos dos sistemas ver, Daw, 2002), ambos sistemas relacionados
con polimorfismos genéticos (Homberg, 2008; Ebstein, 2007; Munafo, 2003). De manera
especial el circuito dopaminérgico meso-límbico-cortical (ver revisión del sistema
dopaminérgico, Bjorklund, 2007).
HERRAMIENTAS ELECTROMAGNETICAS
EEG
La herramienta más utilizada a través de la historia para medir funcionamiento
cerebral es sin duda alguna el EEG. Los primeros reportes (du Bois, Fleischl von
Marxow, Caton, Cybulski, Pravidch Nemisky, etc.) de actividad eléctrica cerebral
comenzaron casi 70 años antes del EEG contemporáneo de Hans Berger a principios de
los años 20’s, y desde entonces el EEG continua siendo el principal método para extraer
información cerebral dinámica, sin tener rivales en la sensibilidad temporal, aunque
dejando mucho que desear en la sensibilidad temporal. No obstante, es importante
mencionar que, en los últimos 10 años la electroencefalografía ha dado enormes pasos,
prometiendo cambiar la visión que se tiene del EEG y sus aplicaciones, introduciéndolo
en el campo de las herramientas de neuroimagen funcional (Tong, 2009; Coburn, 2006;
Thatcher, 2005; Pascual-Marqui, 1999, 2002). El EEG es producto de la actividad
sináptica cortical, y aunque la actividad basal en reposo es posiblemente la más
estudiada, en las últimas cuatro décadas y especialmente en los últimos veinte años las
mediciones de cambios en voltaje en diferentes frecuencias (oscilaciones) relacionadas
con actividades o tareas (sincronización o desincronización relacionada a eventos, SRE o
DSRE), como el procesamiento (complejo de) ondas relacionadas (en el tiempo) a
estímulos externos (Potenciales Evocados Relacionados a Eventos, PEREs) ha
aumentado exponencialmente.
Es bien aceptado que los procesos cognitivos se pueden monitorear utilizando
EEG (Basar, 2001). Sin embrago no existe información suficiente para asegurar nada
específico- en términos de frecuencias y localización, en el proceso de toma de
decisiones; por lo que mencionaré los hallazgos más comunes que nos permitan obtener
un panorama al respecto. En la pasada década el grupo de Davidson y Pizzagalli han
publicaron una serie de artículos excelentes sobre la asimetría en Alfa frontal en
pacientes con trastornos afectivos (depresión mayor), y la posible relación entre daño en
CPF derecha (así como CCA) y mayores errores en decisiones emocionales (calientes)
(Davidson, 2004); así como correlaciones con hallazgos anormales en tareas que implican
la obtención de recompensas (Pizzagalli, 2006). Un dato que repetidamente se encuentra
en la literatura es un aumento de voltaje en Teta (4-8Hz) centro-frontal durante la toma
de decisiones (Jacobs, 2005), un hallazgo repetido en un reciente estudio, donde se
menciona que se encuentra especialmente en toma de decisiones riesgosas en
comparación con no-riesgosas y principalmente en hemisferio derecho (Christie, 2009),
dato que se ha correlacionado con el componente N2 en tareas de inhibición (Go-NoGo)
con un componente emocional (Chiu, 2008). También se han reportado cambios en
actividad Beta (13-30Hz, varia depende del autor), en diferentes procesos,
particularmente relacionados con la obtención de recompensas (Marco-Pallares, 2008).
Aunque hay datos contradictorios y complementarios (Cohen, 2009b) parece de especial
importancia las investigaciones llevadas acabo por Rangaswamy y Porjesz en Nueva
York, que refieren una correlación entre actividad electroencefalográfica, alcoholismo y
sistema GABAergico; con hallazgos (polimorfismos) genéticos en receptores de GABA
(para una revisión del tema, Porjesz, 2005), con gran impacto clínico (predictivo-
preventivo), que nos da, indirectamente, importantes datos sobre este trastorno adictivo y
sus manifestaciones. Reportes de aumento de oscilaciones Gama (>30Hz) han sido
reportadas en gran variedad de actividades y procesos, como conciencia, percepción y
memoria, necesarios para toma de decisiones (Karakas, 2001).
Los PEREs son componentes (complejos) de ondas que se clasifican en polaridad
eléctrica (negativos o positivos) y en el tiempo en que aparecen después del estímulo.
Suelen clasificarse en sensoriales (somatosensoriales) o tempranos y tardíos (cognitivos),
que a su vez se subdividen depende el autor; también existen clasificaciones más
específicas dependiendo del estímulo (tarea) que se utilice. El componente más estudiado
y el primero que se reportó es la onda P300 (Wu, 2009), y aunque existen reportes en
donde se menciona la correlación de éste en la toma de decisiones, en diferentes tareas
(Chiu, 2008) así como su posible relación con el sistema noradrenérgico (Nieuwenhuis,
2005). Sin embargo, referente al tema que nos ocupa la onda negativa que aparece justo
antes de la P3, alrededor de 200ms después del estímulo, llamada N2, es la de mayor
relevancia (sin despreciar en absoluto la onda P300); llamada también Negatividad
Dispareja (MMN por sus siglas en ingles Mismatch Negativity) -ó negatividad
relacionada a errores (ERN, por sus siglas en inglés) en tareas de inhibición donde se
presentan estímulos disparejos; yo simplemente la llamaré N2 (no confundir con el
componente negativo ocasionado por cometer un error, llamado negatividad por
retroalimentación de errores o FRN, por sus siglas en inglés, la cual se le asocia con el
proceso de aprendizaje basado en recompensa y adaptación en la toma de decisiones)
(Donkers, 2005; Christie, 2009); mientras que a la onda positiva que aparece después de
ésta la citaré P3 (como convencionalmente se hace, aunque hay autores que la consideran
parte de la respuesta de detección de errores, llamándola Positividad relacionada a
errores o Pe) (O’Connell, 2007), aunque en la actualidad se consideran subtipos de este
componente con distintos orígenes neuronales y como respuesta a diferentes procesos
cognitivos (para una excelente revisión ver; Polich, 2007).
A la N2 se le ha correlacionado con control de impulsos, evaluación o captación
de errores e información dispareja; y se ha propuesto que se origina en CCA. En general
los hallazgos indican que la amplitud de este componente al igual que de la P3 bajan en
voltaje con la edad junto con manifestaciones de impulsividad (Lewis, 2006); es decir se
correlaciona indirectamente con inhibición; por el contrario, está ampliamente reportado
que en individuos con deficiente control de impulsos (mala y peligrosa toma de
decisiones) las amplitudes de estos componentes son mayores a la norma (Hewig, 2007;
Lewis, 2006). También es interesante mencionar que los estímulos emocionales negativos
(amenaza, peligro) suelen procesarse más rápidamente y lateralizados hacia el lóbulo
frontal derecho (Cunninham, 2005; Olofsson, 2008), es decir la magnitud (voltaje)
aumenta en tareas de inhibición con estímulos emocionales en la corteza frontal derecha,
especialmente en el giro lateral inferior (Chiu, 2008); datos que encajan con lo antes
mencionado sobre oscilaciones Teta y asimetrías en Alfa, especialmente cuando se
comenten errores (pérdidas).
EEG INTRACRANEAL
El uso de electrodos intracraneales (llamado electrocorticograma, ECoG, o EEGi)
en humanos está limitado a pacientes con algún tipo de trastorno cerebral (el más común
es la epilepsia) con el fin de detectar y localizar focos de actividad anormal que ha sido
imposible realizar utilizando herramientas no invasivas, o con el fin de tratar, por medio
de estimulación eléctrica (DBS, por sus siglas en ingles Deep Brain Stimulation)
trastornos diversos (ej.: Enfermedad de Parkinson). Esto nos obliga a tener cuidado
especial al llegar a conclusiones. La diferencia esencial entre la actividad que se capta
con el ECoG, que comúnmente se le llama Potenciales de Campo Locales (PCL o LFP,
por sus siglas en inglés), y la actividad que se graba con EEG es precisamente su
especificidad local. Mientras cada electrodo extracraneal capta la actividad de unas 500
millones de neuronas, un electrodo intracraneal capta, aproximadamente, la actividad de
unas 10 millones de neuronas (Nunez, 2009 en: Tong, 2009). Es importante aclarar que la
actividad que se logra capar con el ECoG no es mejor que la del EEG, sino simplemente
diferente.
Teniendo esto en cuenta mencionaré algunos datos que considero relevantes en el
estudio de toma de decisiones, desde el punto de vista de asambleas neuronales locales (o
grabaciones en neuronas únicas), que nos abren un panorama celular esencial para
producir modelos reales, globales. Un estudio ejemplar (Tort, 2008), que toca el
importante tema del aparejamiento (interrelación) y coherencias entre frecuencias (Teta y
Gama) y estructuras (hipocampo y estriado ventral, EV), concluye que la ya conocida y
ampliamente estudiada correlación (modulación) de actividad Teta (4-12Hz) y actividad
Gama (>30Hz) en el hipocampo de roedores también se observa en el EV; de hecho la
coherencia no sólo se da en cada estructura (intraestrcutural), sino entre estas estructuras
y se observa especialmente durante toma de decisiones. Es bien aceptado que tanto el EV
como el hipocampo son parte de un circuito mayor ampliamente relacionado con el
sistema de recompensa (especialmente dopaminérgico) y aprendizaje de asociación (para
una excelente revisión de los circuitos dopaminérgicos ver; Ikemoto, 2007), donde la
CPF tiene un papel esencial, no del todo claro. Aunque experimentos con primates
colocando electrodos en el EV y en la CPF (áreas 9 y 46 de Brodmann) han concluido
que durante aprendizaje asociado a recompensas la actividad en estas dos estructuras es
distinto; el EV muestra cambios eléctricos rápidos, mientras que la CPF tiene una
actividad más estable correlacionada con el mejoramiento el aprendizaje; lo que soporta
la hipótesis que el EV es la primera estructura en detectar placer (recompensa), lo que
genera la rápida correlación con el estímulo, y esto causa cambios en la CPF más lentos
y duraderos en comportamiento (Pasupathy, 2005). Sin embargo cambios en ambas
estructuras son necesarios, para el aprendizaje en el corto y largo plazo (Schultz, 2003).
En otro elegante estudio (Gruber, 2009) los autores decidieron explorar la relación
entre tres diferentes estructuras (Núcleo Accumbens (NA), hipocampo y PFC) durante
toma de decisiones y aprendizaje condicionado en ratas. Concluyeron que la actividad en
el NA se sincronizaba con la actividad hipocampal durante la exploración espacial,
mientras que durante el comportamiento que generaba la recompensa, la actividad del
NA se sincronizaba con la CPF. Por lo que los autores proponen que el NA
(especialmente el centro, core) puede ser considerado una estación de relevo o caja
controladora que determina el comportamiento más adecuado basado en niveles de
placer, integrando la información presentada por el hipocampo, y posiblemente
comparándola con la amígdala, para finalmente darle un valor emocional, que será
enviado y catalogado en la CPF, como adecuado o erróneo en una perspectiva más
amplia (moral, social, etc.). Un hallazgo también de cierta manera avalado por otros
investigadores, que han reportado aumento de coherencias (en actividad Gama) entre el
EV y la amígdala (especialmente en la región baso-lateral, ABL) durante aprendizaje
emocional, un proceso que parece depender de receptores glutaminérgicos NMDA
(Popescu, 2009), así como entre la CPF y le EV en la toma de decisores correctas
(Histed, 2009). También es importante mencionar que en el EV, diferentes frecuencias
(alrededor de 50Hz y otra alrededor de 80Hz) dentro de la banda de Gama (>30Hz)
pueden generarse en correlación con distintas tareas en toma de decisiones y aprendizaje
(van del Meer, 2009), y en relación con actividad Teta (Tort, 2008).
Los pocos casos en humanos, están en sintonía con los hallazgos en animales y
esto es posible argumentarlo gracias al trabajo de Cohen y colaboradores (Cohen, 2008;
Cohen, 2009)- que realizaron el primer estudio en humanos; donde encontraron un
aumento de oscilaciones en la banda Gama (40-80Hz) en el NA en pacientes depresivos
con electrodos profundos, dicha actividad correlacionada (aparejada en fase, phase
locked) con actividad Alfa (8-12Hz), durante actividades relacionadas a recompensas, así
como aumento de coherencia en Teta (4-8Hz) en pérdidas (Cohen, 2009c); resultados
observados en roedores (Tort, 2008)- sin embargo ignorados (no mencionados) en la
primera investigación hecha por Cohen (2009). Un estudio anterior, llevado a cabo por el
grupo de Adolphs y Damasio de la Universidad de Iowa, realizado en un paciente con
epilepsia, donde se colocaron electrodos profundos en CPF (áreas 10 y 11) encontró lo
siguiente durante el IGT: 1) la recompensa por predicción de errores estuvo
correlacionada con componentes de PEREs en la banda Alfa en CPFM, 2) esta asociación
fue principalmente causada en decisiones de riesgo y 3) la respuesta dérmica (galvánica)
fue negativamente correlacionada con valores de acción (Oya, 2005; para una revisión
ver, Adolphs, 2006). Estos hallazgos tienen cierta correlación con reportes mencionados
anteriormente en grabaciones con EEG.
Cabe mencionar que no toque el tema de grabaciones en núcleos mesencefálicos
(especialmente dopaminérgicos, área tegmental ventral, ATV) ampliamente relacionados
en procesos de recompensa (placer) y toma de decisiones, solo cabe mencionar que
existen dos tipos de actividad neuronal, tónica y fásica, lo que determina el estado de
activación del sistema en cuestión (un artículo clasico ver; Fiorillo, 2003; un revisión
general ver; Schultz, 2005; para una excelente revisión del tema y sus relaciones
hormonales y genéticas se refiere a; Caldú, 2007). Antes de pasar a la siguiente sección,
me gustaría mencionar, como curiosidad relacionada al tema, la existencia de
nanoelectrodos, aún en experimentación, que prometen darnos información directamente
de la barrera hematoencefálica (Llinas, 2005).
LESIONES CEREBRALES
Ningún cerebro es idéntico y no existen lesiones iguales; y sin embargo mucho se
puede aprender de pacientes con daño cerebral. El grueso de la investigación sobre toma
de decisiones y lesiones encefálicas se encuentra centralizado en los lóbulos prefrontales,
sin embargo es raro tener pacientes con daño limitado y específico, y aunque así fuera,
veremos que a la corteza prefrontal no se puede tomar como un todo y que no es la única
estructura involucrada en la toma de decisiones, sino que diferentes regiones forman
parte de un circuito neuronal complejo, con múltiples funciones, necesarias todas, más
ninguna suficiente, para la adecuada toma de decisiones.
En las últimas dos décadas el grupo con más influencia ha sido el de la
Universidad de Iowa (Bechara y Damasio), y sus conclusiones son que no hay duda
alguna que la CPFVM juega un papel esencial y específico en la toma de decisiones
(Fuster, 2008; Bechara, 2000; Mavaddat, 2000), sin embargo, la controversia continua
respecto al tipo de pruebas existentes (IGT) y la función específica de distintas áreas de la
CPF (Fellows, 2006; excelente investigación y visión general) durante toma de
decisiones, especialmente entre la CPFDL y la CPFVM. En un interesante estudio
(Fellows, 2005), utilizando el IGT donde se compararon 9 pacientes con daño
ventromedial bilateral (parcial o completo) y 11 pacientes con daño dorsolateral
unilateral (cinco hemisferio derecho), se concluyó que el daño a la CPFMV debe ser
amplia y bilateral para tener un impacto significativo, y, además, se le otorgo una función
específica, ya antes mencionada, la de aprendizaje reverso. Estos hallazgos son
concordantes con los reportados por Manes y colaboradores (Manes, 2002), sin embargo,
hallazgos en pacientes con daño de la CPFDL están en desacuerdo con reportes de
Bechara, donde no reportaron anormalidades importantes durante el IGT en pacientes con
lesiones dorsolaterales, mientras que (Fellows, 2005) reporta datos similares a los
pacientes con daño ventromedial, pero no por aprendiaje reverso, por lo que más
investigación es necesaria para poder establecer el proceso base que ocasiona esta
disfunción.
Desde los clásicos trabajos de Sperry en los 50’s, teorías de lateralidad han
surgido en una gran cantidad de funciones y estructuras cerebrales. Aunque aún no está
del todo claro si es posible generalizar funciones durante toma de decisiones entre la CPF
(izquierda y derecha), existe investigación suficiente para concluir que los pacientes con
lesiones en la CPF derecha tienen mayor disfuncionalidad durante baterías de apuestas, o
en otras palabras, la CPFVM izquierda no es esencial para la toma de decisiones
(emocionales). El grupo de Manes y Clark (Cark, 2003), expandieron su primera
investigación (Manes, 2002), donde se habían enfocado en el tamaño de las lesiones (y
que regiones de la CPF dañadas) sin importar lateralidad; y encontraron datos
importantes como, los pacientes con lesiones derechas seleccionaron más cartas riesgosas
en el IGT (estas cartas se caracterizan por recompensas pequeñas pero inmediatas y
castigos mayores a largo plazo), un hallazgo similar reportado por pacientes con daño
ventromedial bilateral (Bechara, 2000). Estos hallazgos también han sido reportados
anteriormente por el grupo de Iowa (Tranel, 2002), que inclusive expandieron su
investigación con el fin de encontrar correlaciones entre sexos, reportando que hombres y
mujeres tiene un patrón contrario en lateralidad de la CPFVM, siendo verdad lo
anteriormente dicho sólo para varones (Tranel, 2005), sin embargo aún queda mucho que
investigar en este punto (un excelente artículo sobre le tema ver, Wager, 2008). Estos
hallazgos son compatibles con investigaciones en pacientes donde la impulsividad es una
manifestación esencial del trastorno (Rubia, 2009), y cabe recalcar que la mayoría de
estos pacientes son hombres.
La CPF es posiblemente la región mas interconectada de la neocorteza (Fuster,
2008), por lo que se le considera la corteza de asociación (de integración) por excelencia
(Tanji, 2008; excelente revisión), inclusive se ha reportado que la diferencia esencial
entre la CPF de humanos y otros primates reside, no en el volumen cortical (tamaño) ni
en la densidad neuronal, sino en la conectividad de ésta con el resto de la corteza
(Semendeferi, 2002; Schoenemann, 2005). Por lo que es evidente concluir que el daño a
otras estructuras fuertemente conectadas con la CPFVM, especialmente, deben afectar el
proceso de toma de decisiones. La estructura más estudiada desde este punto de vista es
la amígdala, sin embargo los reportes de pacientes con lesión amigdalina nunca son
puros, es decir siempre existe cierto daño a otras estructuras del lóbulo temporal medio,
especialmente la formación hipocamapal, que también ha sido relacionada en toma de
decisiones (Johnson, 2007; recordar los estudios mencionados anteriormente sobre
electrodos profundos). Es bien aceptado que la amígdala juega un papel primordial en
generación y procesamiento de emociones (Murray, 2007), así como las respuestas a
éstos, especialmente, a estímulos negativos (Bernston, 2007); sin embargo, también se a
propuesto que las funciones afectivas y cognitivas están ampliamente correlacionadas,
por lo que dividirlas sería un error (Phelps, 2006; excelente revisión).
Teniendo esto en cuenta, Bechara y colegas (Bechara, 1999) publicaron un
interesante trabajo utilizando IGT, comparando pacientes con daño amigdalino y con
daño a la CPFVM. Sus conclusiones son de gran importancia, pues es claro que ambos
grupos de pacientes se desempañaron de forma anormal y parecida, sin embargo cabe
recalcar sus diferencias. Los pacientes con lesiones en amígdala fueron incapaces de
generar respuesta dérmica antes (anticipatoria) de escoger la respuesta menos ventajosa,
así como, tampoco generaron respuesta alguna al enterarse de sus resultados (ganar o
perder dinero); este mismo grupo ha sugerido que la amígdala es un paso anterior
necesario, para que la CPFV genere estados somáticos y con ello una adecuada decisión,
especialmente en circunstancias sociales (Bechara, 2003) y en trastornos adictivos
(Bechara, 2002).
SISTEMA OPIOIDE
El opio es una de las drogas más antiguas utilizadas por el humano. Se le
considera un relajante del sistema nerviosos central y un potente analgésico. El complejo
sistema opioide (endorfinas, y sus subtipos encefalinas, dinorfinas, y sus receptores) ha
recibido gran interés por sus amplias interacciones con otros sistemas neuroquímicos y
diversos trastornos del comportamiento y funciones básicas (para una excelente y
extensísima revisión del tema ver: Bodnar, 2006). Uno de los sistemas con que
fuertemente hace sinergia (bidireccional) es el dopaminérgico, tanto en animales como en
humanos; y se ha reportado que antagonistas opioides (ej; Naloxona) inhiben actividad
dopaminérgica en estructuras involucradas en motivación (placer), aprendizaje
condicionado y toma de decisiones (ATV; NA, etc.), evitando así comportamientos
adictivos y riesgosos (Margolis, 2006). En un excelente estudio (Smith, 2007) los autores
se preguntaron si puntos, que se activaban durante la búsqueda de estímulos placenteros y
la experiencia placentera, en la coraza del NA y en el pallidum ventral (PV), podían ser
modulados por opioides. Encontraron que los puntos activos tanto en NA como en el PV
podían recíprocamente activarse (aumentar la expresión Fos) o inhibirse, y era necesario
la activación de ambas regiones y la participación opioide para obtener la reacción
placentera (recompensa), más no era necesario en el proceso de deseo (busqueda) de la
misma manera; por lo que se concluyó que existen diferentes circuitos opioides que
regulan distintos aspectos de la experiencia placentera. Datos concordantes se
encontraron en una investigación con atletas, donde se correlacionó la euforia causada
por ejercicio prolongado y un aumento en la captación de opioides en CPF (CCA, y
orbital), insula y regiones tempo-parietales, soportando la teoría opioide sobre la euforia
del atleta o corredor (runner’s high) (Boecker, 2008).
OXITOCINA
Por último me gustaría mencionar una importante hormona que, recientemente, ha
tomado gran importancia, e inclusive se le ha llamado popularmente la hormona social.
Es bien conocido por el público en general que la oxitocina es producida durante el
trabajo de parto, para inducir las contracciones uterinas, y por décadas esa fue la única
función que se le atribuía, sin embargo en los últimos años el punto de vista que teníamos
de la oxitocina (y de muchas hormonas) referente a sus relaciones con el comportamiento
ha cambiado radicalmente. Desde hace más de 15 años los neuropeptidos comenzaron a
tomar relevancia, especialmente la oxitocina y la vasopresina (ambos producidos en le
núcleo supraóptico del hipotálamo), en desordenes clínicos de comportamiento (Insel,
1997). Sin embargo aquí nos interesa mencionar que la oxitocina es capaz de impactar la
toma de decisiones, tal y como se comprobó en un estudio utilizando un juego de
confianza con dinero verdadero (Kosfed, 2005), donde se reportó que la aplicación de
oxitocina nasal aumento considerablemente la confianza e interacción social, provocando
la aceptación de decisiones riesgosas sólo y exclusivamente a través de la interacción
interpersonal. Si a alguien se le ocurrió conseguir oxitocina en spray para utilizarlo en la
próxima fiesta, le recomiendo ampliamente acudir con un profesional, para comenzar
entrenamiento de habilidades sociales. Si el problema de timidez es severo, puede ser que
en un futuro próximo puedas utilizar oxitocina.
Basados en los efectos que muchas drogas (especialmente los estimulantes)
provocan en el comportamiento social (inhibición), así como en la toma de decisiones
(riesgosas o inadecuadas; recordar que la mayoría de los delitos violentos se cometen
bajo la influencia de una droga), en un reciente artículo (McGregor, 2008) se revisa el
posible papel de la oxitocina en el consumo de drogas (adicciones), concluyendo que su
rol puede ser esencial en los procesos neuroadapatativos de la adicción, interactuando con
el sistema mesolimbico (dopaminérgico). Hallazgos en adolescentes apuntan hacia la
misma dirección, sin embargo, es muy importante mencionar, que la oxitocina per se no
causa comportamientos riesgosos, sino que ocasiona una mayor disponibilidad
(confianza) interpersonal, tanto para realizar actos riesgosos como para lo contrario
(Steinberg, 2008). Es decir, la oxitocina sólo permite que las relaciones sociales sean más
placenteras (sin miedo), traduciendo así cualquier estímulo (social) con una mayor carga
emocional positiva, facilitando el ser convencidos (por otra persona, forzosamente) a
actuar (decidir) en cualquier dirección.
REFERENCIAS
Achard, S. & Bullmore, E. (2007). Efficiency and Cost of Economical Brain Functional
Networks. PLoS Comput Biol. 3(2): e17.
Adolphs, R., Kawasaki, H., Oya, H. & Howard, M.A. (2008). Intracranial
electrophysiology of the human orbitofrontal cortex. En David Zald & Scott
Rauch. The Orbitofrontal Cortex. Ist Edition. Oxford University Press.
Amin, Z., Canli, T. & Epperson, C.N. (2005). Effect of estrogen-serotonin interactions on
mood and cognition. Behav Cogn Neurosci Rev. 4(1):43-58.
Banks, S. & Dinges, D.F. (2007). Behavioral and physiological consequences of sleep
restriction. J Clin Sleep Med. 3(5):519-28.
Barr, A.M., Lehmann-Masten, V., Paulus, M., Gainetdinov, R.R., Caron, M.G., Geyer,
M.A. (2004). The selective serotonin-2A receptor antagonist M100907 reverses
behavioral deficits in dopamine transporter knockout mice.
Neuropsychopharmacology. 29(2):221-8.
Başar, E., Başar-Eroglu, C., Karakaş, S., Schürmann, M. (2001). Gamma, alpha, delta,
and theta oscillations govern cognitive processes. Int J Psychophysiol. 39(2-
3):241-8.
Bassett, D.S. & Bullmore, E. (2006). Small-World Brain Networks. The Neuroscientist.
Vol. 12, No. 6, 512-523.
Bechara, A., Damasio, H., Damasio, A.R. & Lee, G.P. (1999). Different contributions of
the human amygdala and ventromedial prefrontal cortex to decision-making. J
Neurosci. 19(13):5473-81.
Bechara, A., Damasio, H., Tranel, D. (2000). Characterization of the decision-making
deficit of patients with ventromedial prefrontal cortex lesions. Brain. 123 ( Pt
11):2189-202.
Bechara, A. & Damasio, H. (2002). Decision-making and addiction (part I): impaired
activation of somatic states in substance dependent individuals when pondering
decisions with negative future consequences. Neuropsychologia. 40(10):1675-89.
Bechara, A., Damasio, H. & Damasio, A.R. (2003). Role of the amygdala in decision-
making. Ann N Y Acad Sci. 985:356-69.
Bechara, A., Damasio, H., Tranel, D., Damasio, A.R. (2005). The Iowa Gambling Task
and the somatic marker hypothesis: some questions and answers. Trends Cogn
Sci. (4):159-62.
Bechara, A. (2005b). Decision making, impulse control and loss of willpower to resist
drugs: a neurocognitive perspective. Nat Neurosci. 8(11):1458-63.
Beck, J.M., Ma, W.J., Kiani, R., Hanks, T., Churchland, A.K., Roitman, J., Shadlen,
M.N., Latham, P.E., & Pouget, A. (2008). Probabilistic Population Codes for
Bayesian Decision Making. Neuron. 60, 1142–1152.
Berntson, G.G., Bechara, A., Damasio, H., Tranel, D. & Cacioppo, J.T. (2007).
Amygdala contribution to selective dimensions of emotion. Soc Cogn Affect
Neurosci. 2(2):123-129.
Björklund, A., Dunnett, S.B. (2007). Dopamine neuron systems in the brain: an update.
Trends Neurosci. 30(5):194-202.
Bodnar, R.J. (2007). Endogenous Opiates and Behavior. Peptides. 28(12): 2435–2513.
Boecker, H., Sprenger, T., Spilker, M.E., Henriksen, G., Koppenhoefer, M., Wagner,
K.J., Valet, M., Berthele, A. & Tolle, T.R. (2008). The runner's high: opioidergic
mechanisms in the human brain. Cereb Cortex.18(11):2523-31.
Bolla, K.I., Eldreth, D.A., Matochik, J.A., Cadet, J.L. (2004). Sex-related differences in a
gambling task and its neurological correlates. Cereb Cortex. 14(11):1226-32.
Brewer, J.A. & Potenza, M.N. (2008). The neurobiology and genetics of impulse control
disorders: relationships to drug addictions. Biochem Pharmacol. 1;75(1):63-75.
Buckner, R.L., Andrews-Hanna, J.R. & Schacter, D.L. (2008). The brain's default
network: anatomy, function, and relevance to disease. Ann N Y Acad Sci. 1124:1-
38.
Buzsaki, G. (2006). Rhythms of the brain. USA: Oxford University Press.
Deco, G., Rolls, E.T. & Romo, R. (2009). Stochastic dynamics as a principle of brain
function. Progress in Neurobiology. 88 (2009) 1–16.
Caldú, X. & Dreher, J.C. (2007). Hormonal and genetic influences on processing reward
and social information. Ann N Y Acad Sci. 1118:43-73.
Caldú, X. & Dreher, J.C. (2009). Gonadal steroid hormones’ influence on reward and
decision making processes. En Dreher, J.C. & Tremblay, L. Handbook of Reward
and Decision Making. 1st Edition; Academic Press.
Casey, B.J., Getz, S. & Galvan, A. (2008). The adolescent brain. Dev Rev. 28(1):62-77.
Chiu, P.H., Holmes, AJ. & Pizzagalli, D.A. (2008). Dissociable recruitment of rostral
anterior cingulate and inferior frontal cortex in emotional response inhibition.
Neuroimage. 42(2):988-97.
Christie, G.J. & Tata, M.S. (2009). Right frontal cortex generates reward-related theta-
band oscillatory activity. Neuroimage. 48(2):415-22.
Cima, M., Smeets, T. & Jelicic, M. (2008). Self-reported trauma, cortisol levels, and
aggression in psychopathic and non-psychopathic prison inmates. Biol Psychol.
78(1):75-86.
Clark, L., Bechara, A., Damasio, H., Aitken, M.R., Sahakian, B.J. & Robbins, T.W.
(2008). Differential effects of insular and ventromedial prefrontal cortex lesions
on risky decision-making. Brain. 131(Pt 5):1311-22.
Clark, L., Manes, F., Antoun, N., Sahakian, B.J. & Robbins, T.W. (2003). The
contributions of lesion laterality and lesion volume to decision-making
impairment following frontal lobe damage. Neuropsychologia. 41(11):1474-83.
Clithero, J.A., Tankersley, D. & Huettel, S.A. (2008). Foundations of neuroeconomics:
From philosophy to practice. PLoS Biol. 6(11):e298.
Coburn, K.L., Lauterbach, E.C., Boutros, N.N., Black, K.J., Arciniegas, D.B., Coffey,
C.E. (2006). The value of quantitative electroencephalography in clinical
psychiatry: a report by the Committee on Research of the American
Neuropsychiatric Association. J Neuropsychiatry Clin Neuroscie.18(4):460-500.
Cohen, M.X., Axmacher, N., Lenartz, D., Elger, C.E., Sturm, V. & Schlaepfer, T.E.
(2009). Nuclei Accumbens Phase Synchrony Predicts Decision-Making Reversals
Following Negative Feedback. The Journal of Neuroscience. 29(23):7591–7598.
Cohen, M.X., Elger, C.E. & Fell, J. (2009b). Oscillatory activity and phase-amplitude
coupling in the human medial frontal cortex during decision making. J Cogn
Neurosci. 21(2):390-402.
Cohen, M.X., Axmacher, N., Lenartz, D., Elger, C.E., Sturm, V. & Schlaepfer, T.E.
(2009c). Good vibrations: cross-frequency coupling in the human nucleus
accumbens during reward processing. J Cogn Neurosci. 21(5):875-89.
Cunningham, W.A., Espinet, S.D., DeYoung, C.G. & Zelazo, P.D. (2005). Attitudes to
the right- and left: frontal ERP asymmetries associated with stimulus valence and
processing goals. Neuroimage. 28(4):827-34.
Dale, A.M., Liu, A.K., Fischl, B.R., Buckner, R.L., Belliveau, J.W., Lewine, J.D. &
Halgren. E. (2000). Dynamic statistical parametric mapping: combining fMRI and
MEG for high-resolution imaging of cortical activity. Neuron. 26(1):55-67.
Dalgleish, T. & Mobbs, D. (2009). Affective Neuroscience: Past, Present, and Future.
Emotion Review. 1(4):355-368.
Damasio, A. (1994). Descartes' error: emotion, reason, and the human brain. 1st Edition.
NewYork: G. P. Putnam's Sons.
Damasio, A., Tranel, D., Damasio, H. (1996). The somatic marker hipótesis and the
possible functions of the prefrontal cortex. Phil Trans R Soc Lond B. 351:1413-
1420.
Davidson, R.J. (2004). What does the prefrontal cortex “do” in affect: perspectives on
frontal EEG asymmetry research. Biol Psychol. 67(1-2):219-33.
Daw, N.D., Kakade, S., Dayan, P. (2002). Opponent interactions between serotonin and
dopamine. Neural Netw. 15(4-6):603-16.
Denburg, N.L., Cole, C.A., Hernandez, M., Yamada, T.H., Tranel, D., Bechara, A., &
Wallace, R.B. (2007). The Orbitofrontal Cortex, Real-World Decision Making,
and Normal Aging. Ann N Y Acad Sci. 1121: 480–498.
Donkers, F.C., Nieuwenhuis, S. & van Boxtel, G.J. (2005). Mediofrontal negativities in
the absence of responding. Brain Res Cogn Brain Res. 25(3):777-87.
Duch, W. (2008). Free Will and the Brain: Are we Automata?. Sin publicar. Consultado
en; http://www.fizyka.umk.pl/ftp/publications/kmk/09-Automata.pdf.
Dunn, B.D., Dalgleish, T. & Lawrence, A.D. (2006). The somatic marker hypothesis: a
critical evaluation. Neurosci Biobehav Rev. 30(2):239-71. Epub 2005 Sep 27.
Ebstein, R.P. (2006). The molecular genetic architecture of human personality: beyond
self-report questionnaires. Molecular Psychiatry. 11, 427–445.
Ernst, M. & Paulus, M.P. (2005). Neurobiology of Decision Making: A Selective Review
from a Neurocognitive and Clinical Perspective. Biol Psychiatry. 58(8):597-604.
Everitt, B.J. & Robbins, T.W. (2005). Neural systems of reinforcement for drug
addiction: from actions to habits to compulsion. Nat Neurosci. 8(11):1481-9.
Fellows, L.K. & Farah, M.J. (2005). Different underlying impairments in decision-
making following ventromedial and dorsolateral frontal lobe damage in humans.
Cereb Cortex. 15(1):58-63.
Ferrier, D. (1874). On The Localisation of the Functions of the Brain. Presnetado en:
Annual Meeting of the British Medical Association in Norwich, August.
Publicado en diciembre del mismo año en: The British Medical Journal.
Finger, S. (2000). Minds Behind the Brain: A History of the Pioneers and Their
Discoveries. Ist Edition. New York, Oxford University Press.
Fiorillo, C.D., Tobler, P.N. & Schultz, W. (2003). Discrete coding of reward probability
and uncertainty by dopamine neurons. Science. 299(5614):1898-902.
Frank, M.J., D’Lauro, C. Curran, T. (2007). Cross-task individual differences in error
processing: Neural, electrophysiological and genetic components. Cognitive,
Affective, & Behavioral Neuroscience. 7 (4), 297-308.
Forbes, E.E., May, J.C., Siegle, G.J., Ladouceur, C.D., Ryan, N.D., Carter, C.S.,
Birmaher, B., Axelson, D.A., & Dahl, R.E. (2006). Reward-Related Decision-
Making in Pediatric Major Depressive Disorder: An fMRI Study. 47(10): 1031–
1040.
Fuster, J.M. (2001). The Prefrontal Cortex—An Update: Time Is of the Essence. Neuron.
30(2):319-33.
Fuster, J.M. (2008). The Prefrontal Cortex. 4th Edition. Academic Press. Ver
especialmente el capítulo 2.
Grabenhorst, F., Rolls, E.T. & Parris, B.A. (2008). From affective value to decision-
making in the prefrontal cortex. Eur J Neurosci. 28(9):1930-9.
Greene, J.D., Nystrom, L.E., Engell, A.D., Darley, J.M., & Cohen, J.D. (2004). The
Neural Bases of Cognitive Conflict and Control in Moral Judgment. Neuron. Vol.
44, 389–400.
Gross, C.G. (2008). Three before their time: neuroscientists whose ideas were ignored by
their contemporaries. Exp Brain Res., 2009 Jan;192(3):321-34.
Gruber, A.J., Hussain, R.J. & O'Donnell, P. (2009). The nucleus accumbens: a
switchboard for goal-directed behaviors. PLoS One. 4(4):e5062.
Hagmann, P., Cammoun, L., Gigandet, X., Meuli, R., Honey, C.J., Sporns, O. (2008)
Mapping the structural core of human cerebral cortex. PLoS Biol. 6(7): e159.
Hawes, D.J., Brennan, J. & Dadds, M.R. (2009). Cortisol, callous-unemotional traits, and
pathways to antisocial behavior. Curr Opin Psychiatry. 22(4):357-62.
He,Y., Chen, Z.J. & Evans, A.C. (2007). Small-World Anatomical Networks in the Human
Brain Revealed by Cortical Thickness from MRI. Cerebral Cortex,17:2407-2419.
Heilig, M. & Koob, G.F. (2007). A key role for corticotropin-releasing factor in alcohol
dependence. Trends Neurosci. 30(8):399-406.
Herman, J.P., Ostrander, M.M., Mueller, N.K. & Figueiredo, H. (2005). Limbic system
mechanisms of stress regulation: hypothalamo-pituitary-adrenocortical axis. Prog
Neuropsychopharmacol Biol Psychiatry. 29(8):1201-13.
Hewig, J., Trippe, R., Hecht, H., Coles, M.G., Holroyd, C.B. & Miltner, W.H. (2007).
Decision-making in Blackjack: an electrophysiological analysis. Cereb Cortex.
17(4):865-77.
Hillman, C.H., Erickson, K.I. & Kramer, A.F. (2008). Be smart, exercise your heart:
exercise effects on brain and cognition. Nat Rev Neurosci. 9(1):58-65.
Histed, M.H., Pasupathy, A. & Miller, E.K. (2009). Learning substrates in the primate
prefrontal cortex and striatum: sustained activity related to successful actions.
Neuron. 63(2):244-53.
Hollingworth, W., Medina, L.S., Lenkinski, R.E., Shibata, D.K., Bernal, B., Zurakowski,
D., Comstock, B., Jarvik, J.G. (2006). A systematic literature review of magnetic
resonance spectroscopy for the characterization of brain tumors. AJNR Am J
Neuroradiol. 27(7):1404-11.
Homberg, J.R., van den Bos, R., den Heijer, E., Suer, R., Cuppen, E. (2008). Serotonin
transporter dosage modulates long-term decision-making in rat and human.
Neuropharmacology. 55(1):80-4.
Hyman, S.E., Malenka, R.C. & Nestler, E.J. (2006). Neural mechanisms of addiction: the
role of reward-related learning and memory. Annu Rev Neurosci. 29:565-98.
Ikemoto, S. (2007). Dopamine reward circuitry: two projection systems from the ventral
midbrain to the nucleus accumbens-olfactory tubercle complex. Brain Res Rev.
56(1):27-78.
Insel, T.R. (1997). A neurobiological basis of social attachment. Am J Psychiatry.
154(6):726-35.
Jacobs, J., Hwang, G., Curran, T. & Kahana, M.J. (2006). EEG oscillations and
recognition memory: theta correlates of memory retrieval and decision making.
Neuroimage. 32(2):978-87.
Jellison, B.J., Field, A.S., Medow, J., Lazar, M., Salamat, M.S., Alexander, A.L. (2004).
Diffusion tensor imaging of cerebral white matter: a pictorial review of physics,
fiber tract anatomy, and tumor imaging patterns. AJNR Am J Neuroradiol.
25(3):356-69.
Jiang, T., Liu, Y., Shi, F., Shu, N., Liu, B., Jiang, J. & Zhou, Y. (2008). Multimodal
Magnetic Resonance Imaging for Brain Disorders: Advances and Perspectives.
Brain Imaging and Behavior. 2(4): 249-257.
Johnson, A., van der Meer, M.A. & Redish, A.D. (2007). Integrating hippocampus and
striatum in decision-making. Curr Opin Neurobiol. 17(6):692-7.
Kalivas, P.W. & Volkow, N.D. (2005). The neural basis of addiction: a pathology of
motivation and choice. Am J Psychiatry.162(8):1403-13.
Karakaş, S., Başar-Eroglu, C., Ozesmi, C., Kafadar, H. & Erzengin, O.U. (2001). Gamma
response of the brain: a multifunctional oscillation that represents bottom-up with
top-down processing. Int J Psychophysiol. 39(2-3):137-50.
Kato, J., Ide, H., Kabashima, I., Kadota, H., Takano, K & Kansaku, K. (2009). Neural
correlates of attitude change following positive and negative advertisements.
Frontiers in Behavioral Neuroscience, Vol. 3, No. 6.
Kerr, J.N. & Denk, W. (2008). Imaging in vivo: watching the brain in action. Nat Rev
Neurosci, 9(3):195-205.
Koob, G.F. (2009). Dynamics of neuronal circuits in addiction: reward, antireward, and
emotional memory. Pharmacopsychiatry. 42(1):S32-41.
Koob, G. & Kreek, M.J. (2007). Stress, dysregulation of drug reward pathways, and the
transition to drug dependence. Am J Psychiatry. 164(8):1149-59.
Koob, G.F. & Le Moal, M. (2001). Drug addiction, dysregulation of reward, and
allostasis. Neuropsychopharmacology. 24(2):97-129.
Kosfeld, M., Heinrichs, M., Zak, P.J., Fischbacher, U. & Fehr, E. (2005). Oxytocin
increases trust in humans. Nature. 435(7042):673-6.
Krain, A.L., Wilson, A.M., Arbuckle, R., Castellanos, F.X. &Milham, M.P. (2006).
Distinct neural mechanisms of risk and ambiguity: a meta-analysis of decision-
making. Neuroimage, 1;32(1):477-84.
Krueger, T.H., Schedlowski, M. & Meyer, G. (2005). Cortisol and heart rate measures
during casino gambling in relation to impulsivity. Neuropsychobiology.
52(4):206-11.
Labudda, K., Wolf, O.T., Markowitsch, H.J. & Brand, M. (2007). Decision-making and
neuroendocrine responses in pathological gamblers. Psychiatry Res.
3;153(3):233-43
Lewis, M.D., Lamm, C., Segalowitz, S.J., Stieben, J. & Zelazo, P.D. (2006).
Neurophysiological correlates of emotion regulation in children and adolescents. J
Cogn Neurosci. 18(3):430-43.
Lewis, M.D. (2005). Bridging emotion theory and neurobiology through dynamic
systems modeling. Behav Brain Sci. 28(2):169-94.
Llinás, R.R., Walton, K.D., Nakao, M., Hunter, I. & Anquetil, P.A. (2005). Neuro-
vascular central nervous recording/stimulating system: Using nanotechnology
probes. Journal of Nanoparticle Research. 7: 111–127
Logothetis, N.K. (2008). What we can do and what we cannot do with fMRI. Nature.
12;453(7197):869-78.
Malhi, G.S., Lagopoulos, J. (2007). Making sense of neuroimaging in psychiatry. Acta
Psychiatr Scand, 2008 Feb;117(2):100-17.
Manes, F., Sahakian, B., Clark, L., Rogers, R., Antoun, N., Aitken, M. & Robbins, T.
(2002). Decision-making processes following damage to the prefrontal cortex.
Brain. 125(Pt 3):624-39.
Manganas, L.N., Zhang, X., Li, Y., Hazel, R.D., Smith, S.D., Wagshul, M.E., Henn, F.,
Benveniste, H., Djuric, P.M., Enikolopov, G. & Maletic-Savatic, M. (2007).
Magnetic resonance spectroscopy identifies neural progenitor cells in the live
human brain. Science. 318(5852):980-5.
Marco-Pallares, J., Cucurell, D., Cunillera, T., García, R., Andrés-Pueyo, A., Münte, T.F.
& Rodríguez-Fornells, A. (2008). Human oscillatory activity associated to reward
processing in a gambling task. Neuropsychologia. 46(1):241-8
Margolis, E.B., Lock, H., Chefer, V.I., Shippenberg, T.S., Hjelmstad, G.O. & Fields,
H.L. (2006). Kappa opioids selectively control dopaminergic neurons projecting
to the prefrontal cortex. Proc Natl Acad Sci U S A. 103(8):2938-42.
Marsman, R., Swinkels, S.H., Rosmalen, J.G., Oldehinkel, A.J., Ormel, J. & Buitelaar,
J.K. (2008). HPA-axis activity and externalizing behavior problems in early
adolescents from the general population: the role of comorbidity and gender The
TRAILS study. Psychoneuroendocrinology. 33(6):789-98.
Mavaddat, N., Kirkpatrick, P.J., Rogers, R.D. & Sahakian, B.J. (2000). Deficits in
decision-making in patients with aneurysms of the anterior communicating artery.
Brain. 123 ( Pt 10):2109-17.
McEwen, B.S. (2008). Central effects of stress hormones in health and disease:
Understanding the protective and damaging effects of stress and stress mediators.
Eur J Pharmacol. 583(2-3):174-85.
McEwen, B.S. & Alves, S.E. (1999). Estrogen actions in the central nervous system.
Endocr Rev. 20(3):279-307.
McGregor, I.S., Callaghan, P.D. & Hunt, G.E. (2008). From ultrasocial to antisocial: a
role for oxytocin in the acute reinforcing effects and long-term adverse
consequences of drug use? Br J Pharmacol. 154(2):358-68.
Melcangi, R.C. & Panzica, G.C. (2006). Neuroactive steroids: old players in a new game.
Neuroscience. 138(3):733-9.
Munafò, M.R., Clark, T.G., Moore, L.R., Payne, E., Walton, R., Flint, J. (2003). Genetic
polymorphisms and personality in healthy adults: a systematic review and meta-
analysis. Mol Psychiatry. 8(5):471-84.
Murray, E.A. (2007). The amygdala, reward and emotion. Trends Cogn Sci. 11(11):489-
97.
Nieuwenhuis, S., Aston-Jones, G. & Cohen, J.D. (2005). Decision making, the P3, and
the locus coeruleus-norepinephrine system. Psychol Bull. 131(4):510-32.
Noble, E.P. (2003). D2 dopamine receptor gene in psychiatric and neurologic disorders and
its phenotypes. Am J Med Genet B Neuropsychiatr Genet, 116B(1):103-25.
Nunez, P. (2009). Physiological Foundations of Quantitative EEG Analysis. En Tong, S.
& Thakor, N.V. Quantitative EEG Analysis Methods and Clinical Applications.
1st Edition. Artech House.
Novo-Olivas, C.A., Pérez-Solís, E.E. (2009). Neurociencia en Psiquiatria; hacia una
medicina integral y personalizada en el DSM-V: Una Propuesta. Cuad.
Neuropsicol, Vol. 3; No. 1.
O'Connell, R.G., Dockree, P.M., Bellgrove, M.A., Kelly, S.P., Hester, R., Garavan, H.,
Robertson, I.H. & Foxe, J.J. (2007). The role of cingulate cortex in the detection
of errors with and without awareness: a high-density electrical mapping study.
Eur J Neurosci. 25(8):2571-9.
Olofsson, J.K., Nordin, S., Sequeira, H. & Polich, J. (2008). Affective picture processing:
an integrative review of ERP findings. Biol Psychol. 77(3):247-65.
Ongur, D. & Price, J.L. (2000). The organization of networks within the orbital and
medial prefrontal cortex of rats, monkeys and humans. Cereb Cortex. 10(3):206-
19.
Oya, H., Adolphs, R., Kawasaki, H., Bechara, A., Damasio, A. & Howard M.A. (2005).
Electrophysiological correlates of reward prediction error recorded in the human
prefrontal cortex. Proc Natl Acad Sci U S A. 102(23):8351-6.
Pascual-Marqui, R.D. (1999). Review of Methods for Solving the EEG Inverse Problem.
International Journal of Bioelectromagnetism. Vol. 1, No. 1:75-86. Printed Issue
ISSN 1457-7857. ISSN 1456-7865 (http://www.tut.fi/ijbem). Author’s version.
Pascual-Marqui, R.D. (2002). Standardized low resolution brain electromagnetic
tomography (sLORETA): technical details. Methods & Findings in Experimental
& Clinical Pharmacology. 24D:5-12. Author’s version.
Pastor, R., McKinnon, C.S., Scibelli, A.C., Burkhart-Kasch, S., Reed, C., Ryabinin, A.E.,
Coste, S.C., Stenzel-Poore, M.P. & Phillips, T.J. (2008). Corticotropin-releasing
factor-1 receptor involvement in behavioral neuroadaptation to ethanol: a
urocortin1-independent mechanism. Proc Natl Acad Sci U S A. 105(26):9070-5.
Pasupathy, A. & Miller, E.K. (2005). Different time courses of learning-related activity in
the prefrontal cortex and striatum. Nature. 433(7028):873-6.
Phelps, E.A. (2006). Emotion and cognition: insights from studies of the human
amygdala. Annu Rev Psychol. 57:27-53.
Pirker, W., Asenbaum, S., Hauk, M., Kandlhofer, S., Tauscher, J., Willeit, M., Neumeister,
A., Praschak-Rieder, N., Angelberger, P., Brücke, T. (2000). Imaging serotonin and
dopamine transporters with 123I-beta-CIT SPECT: binding kinetics and effects of
normal aging. J Nucl Med. 41(1):36-44.
Pizzagalli, D.A., Sherwood, R.J., Henriques, J.B., Davidson, R.J. (2005). Frontal brain
asymmetry and reward responsiveness: a source-localization study. Psychol Sci.
16(10):805-13.
Polich, J. (2007). Updating P300: An integrative theory of P3a and P3b. Clin
Neurophysiol. 118(10):2128-48.
Popescu, A.T., Popa, D. & Paré, D. (2009). Coherent gamma oscillations couple the
amygdala and striatum during learning. Nat Neurosci. 12(6):801-7.
Porjesz, B., Rangaswamy, M., Kamarajan, C., Jones, K.A., Padmanabhapillai, A. &
Begleiter, H. (2005). The utility of neurophysiological markers in the study of
alcoholism. Clin Neurophysiol. 116(5):993-1018.
Raisman, G. (1997). An urge to explain the incomprehensible: Geoffrey Harris and the
discovery of the neural control of the pituitary gland. Annu Rev Neurosci. 20:533-
66.
Roe, B. (2009). Using Biomedical Technologies to Inform Economic Modeling:
Challenges and Opportunities for Improving Analysis of Environmental Policies.
American Applied Economics Association Annual Meetings, July; Milwaukee, WI.
Robinson, O.J. & Sahakian, B.J. (2009). A double dissociation in the roles of serotonin
and mood in healthy subjects. Biol Psychiatry. 65(1):89-92. Epub 2008 Nov 8.
Rolls, E.T. & Grabenhorst, F. (2008). The orbitofrontal cortex and beyond: from affect to
decision-making. Prog Neurobiol. 86(3):216-44.
Rubia, K., Cubillo, A., Smith, A.B., Woolley, J., Heyman, I. & Brammer, M.J. (2009).
Disorder-specific dysfunction in right inferior prefrontal cortex during two
inhibition tasks in boys with attention-deficit hyperactivity disorder compared to
boys with obsessive-compulsive disorder. Hum Brain Mapp. En imprenta.
Sanfey, A.G., Loewenstein, G., McClure, S.M., & Cohen, J.D. (2006). Neuroeconomics:
cross-currents in research on decision-making. TRENDS in Cognitive Sciences,
Vol.10, No. 3.
Schiff, N.D. (2006). Multimodal neuroimaging approaches to disorders of consciousness.
J Head Trauma Rehabil. 21(5):388-97.
Schoenemann, P.T., Sheehan, M.J. & Glotzer, L.D. (2005). Prefrontal white matter
volume is disproportionately larger in humans than in other primates. Nat
Neurosci. 8(2):242-52.
Schultz, W., Tremblay, L. & Hollerman, J.R. (2003). Changes in behavior-related
neuronal activity in the striatum during learning. Trends Neurosci. 26(6):321-8.
Schultz, W. (2006). Behavioral theories and the neurophysiology of reward. Annu Rev
Psychol. 57:87-115.
Semendeferi, K., Lu, A., Schenker, N. & Damasio, H. (2002). Humans and great apes
share a large frontal cortex. Nat Neurosci. 5(3):272-6.
Seymour, B. & Dolan, R. (2008). Emotion, decision making, and the amygdala. Neuron,
58(5):662-71.
Shepherd, G.M. (2004). The Synaptic Organization of the Brain, 5th Ed, Oxford
University Press.
Siever, L.J. (2008). Neurobiology of aggression and violence. Am J Psychiatry.
165(4):429-42.
Smith, K.S. & Berridge, K.C. (2007). Opioid limbic circuit for reward: interaction
between hedonic hotspots of nucleus accumbens and ventral pallidum. J Neurosci.
27(7):1594-605.
Sommer, W.H., Rimondini, R., Hansson, A.C., Hipskind, P.A., Gehlert, D.R., Barr, C.S.
& Heilig, M.A. (2008). Upregulation of voluntary alcohol intake, behavioral
sensitivity to stress, and amygdala crhr1 expression following a history of
dependence. Biol Psychiatry. 63(2):139-45.
Stavarache, M., Pfaff, D., Schober, J. (2009). Hormone effects on specific motivational
states and underlying CNS arousal. En Dreher, J.C. & Tremblay, L. Handbook of
Reward and Decision Making. 1st Edition; Academic Press.
Steinberg, L. (2008). A Social Neuroscience Perspective on Adolescent Risk-Taking. Dev
Rev. 28(1):78-106.
Tanji, J. & Hoshi, E. (2008). Role of the lateral prefrontal cortex in executive behavioral
control. Physiol Rev. 88(1):37-57.
Thatcher, R.W., North, D. & Biver, C. (2005). Evaluation and validity of a LORETA
normative EEG database. Clin EEG Neurosci. 36(2):116-22.
Thatcher, R. W. (2009). EEG and Brain Connectivity: A Tutorial. Sin publicar,
consultado en agosto del 2009 en:
http://www.appliedneuroscience.com/Brain%20Connectivity-A%20Tutorial.pdf.
Talbot, P.S., Watson, D.R., Barrett, S.L., Cooper, S.J. (2006). Rapid Tryptophan
Depletion Improves Decision-Making Cognition in Healthy Humans without
Affecting Reversal Learning or Set Shifting. Neuropsychopharmacology. 31,
1519–1525.
Tranel, D., Bechara, A. & Denburg, N.L. (2002). Asymmetric functional roles of right
and left ventromedial prefrontal cortices in social conduct, decision-making, and
emotional processing. Cortex. 38(4):589-612.
Tranel, D., Bechara, A., Denburg, N.L. & Damasio, H. (2005). Does gender play a role in
functional asymmetry of ventromedial prefrontal cortex?. Brain. 128(Pt 12):2872-
81.
Tong, S. & Thakor, N.V. (2009). Quantitative EEG Analysis Methods and Clinical
Applications. 1st Edition. Artech House.
Tort, A.B., Kramer, M.A., Thorn, C., Gibson, D.J., Kubota, Y., Graybiel, A.M. & Kopell
N.J. (2008). Dynamic cross-frequency couplings of local field potential
oscillations in rat striatum and hippocampus during performance of a T-maze
task. Proc Natl Acad Sci USA. 105(51):20517-22.
Tsigos, C. & Chrousos, G.P. (2002). Hypothalamic-pituitary-adrenal axis,
neuroendocrine factors and stress. J Psychosom Res. 53(4):865-71.
Valdés-Sosa, P.A., Kötter, R. & Friston, K.J. (2005). Introduction: multimodal
neuroimaging of brain connectivity. Philos Trans R Soc Lond B Biol Sci.
29;360(1457):865-7.
van Honk, J., Schutter, D.J., Hermans, E.J., Putman, P., Tuiten, A., Koppeschaar, H.
(2004). Testosterone shifts the balance between sensitivity for punishment and
reward in healthy young women. Psychoneuroendocrinology. 29(7):937-43.
van Honk, J. & Schutter, D.J. (2006). Unmasking feigned sanity: a neurobiological model
of emotion processing in primary psychopathy. Cogn Neuropsychiatry. (3):285-
306.
Verdejo-García, A., Pérez-García, M., Bechara, A. (2006) Emotion, decision-making and
substance dependence: a somatic-marker model of addiction. Curr
Neuropharmacol. 4(1):17-31.
van der Meer, M.A. & Redish, A.D. (2009). Low and High Gamma Oscillations in Rat
Ventral Striatum have Distinct Relationships to Behavior, Reward, and Spiking
Activity on a Learned Spatial Decision Task. Front Integr Neurosci. 3:9.
Vinogradova, O.S. (2001). Hippocampus as comparator: role of the two input and two
output systems of the hippocampus in selection and registration of information.
Hippocampus. 11(5):578-98.
Wager, T.D., Davidson, M.L., Hughes, B.L., Lindquist, M.A. & Ochsner, K.N. (2008).
Prefrontal-subcortical pathways mediating successful emotion regulation. Neuron.
59(6):1037-50.
Wang, X. (2008). Decision Making in Recurrent Neuronal Circuits. Neuron, 60(2):215-
34.
Webster, J.I. & Sternberg, E.M. (2004). Role of the hypothalamic-pituitary-adrenal axis,
glucocorticoids and glucocorticoid receptors in toxic sequelae of exposure to
bacterial and viral products. J Endocrinol. 181(2):207-21.
Williams, L.M. & Gordon, E. (2007). Dynamic organization of the emotional brain:
responsivity, stability, and instability. Neuroscientist. 13(4):349-70.
Williams, W.A. Potenza, M.N. (2008). The neurobiology of impulse control disorders.
Rev Bras Psiquiatr. 30 Suppl 1:S24-30.
Wise, S.P. (2008). Forward frontal fields: phylogeny and fundamental function. Trends
Neurosci. 31(12):599-608.
Wood, J.N. & Grafman, J. (2003). Human prefrontal cortex: processing and
representational perspectives. Nat Rev Neurosci. 4(2):139-47.
Wu, Y. & Zhou, X. (2009). The P300 and reward valence, magnitude, and expectancy in
outcome evaluation. Brain Res. 1286:114-22
Young, P.A., Young, P.H. & Tolbert, D.L. (2008). Clinical Neuroscience, 2d Edition,
LWW.
Young, R.M. (1968). Mind, Brain and Adaptation in the Nineteenth Century: Cerebral
Localization and Its Biological Context from Gall to Ferrier. Oxford Clarendon
Press.
Zak, P. J. (2004). Neuroeconomics. Phil. Trans. R. Soc. Lond., 359, 1737–1748.
Zelazo, P.D. (2004). The development of conscious control in childhood. Trends Cogn
Sci, 8(1):12-7.