31 Ago El neurofeedback y sus aplicaciones
El interés por comprender a la perfección el funcionamiento del neurofeedback y sus aplicaciones es creciente, así como la especificidad de sus efectos. Hoy comenzamos una serie de publicaciones de cubrirán artículos relevantes a estas preguntas.
En el neurofeedback (NF), tanto las señales de retroalimentación positiva como negativa,contribuyen potencialmente al entrenamiento. Varios estudios han explorado la posibilidad de que el procesamiento de dichas señales no sean simples inversas entre sí, sino que activen diferentes circuitos neuronales (Galea et al., 2015; Quattrocchi et al., 2018). En 2019 Zioga et al. estudiaron el entrenamiento en neurofeedback basado en EEG y observaron respuestas potenciales relacionadas con eventos de retroalimentación.
Informaron que dichas respuestas fueron mejores para la retroalimentación positiva en comparación con la negativa y que las mayores respuestas a la retroalimentación positiva fueron seguidas por ajustes beneficiosos. Concluyeron que los cambios en los participantes se vieron más condicionados por la retroalimentación positiva.
En cuanto a los estudios de NF con resonancia magnética funcional en tiempo real suelen ser costosos y requieren mucho tiempo; por ello la optimización de los protocolos resulta muy útil. Ramot y Gonzalez-Castillo (2019) presentaron un marco para evaluar y optimizar algoritmos para su uso en protocolos de resonancia magnética funcional en tiempo real, mediante simulaciones utilizando un conjunto de datos recopilado previamente.
Galea, J.M., Mallia, E., Rothwell, J., Diedrichsen, J., 2015. The dissociable effects of punishment and reward on motor learning. Nat. Neurosci. 18, 597–602.
Quattrocchi, G., Monaco, J., Ho, A., Irmen, F., Strube, W., Ruge, D., Bestmann, S., Galea, J.M., 2018. Pharmacological dopamine manipulation does not alter rewardbased improvements in memory retention during a visuomotor adaptation task.
Ramot, M., Gonzalez-Castillo, J., 2019. A framework for offline evaluation and optimization of real-time algorithms for use in neurofeedback, demonstrated on an instantaneous proxy for correlations. Neuroimage 188, 322–334.
Zioga, I., Hassan, R., Luft, C.D.B., 2019. Success, but not failure feedback guides learning during neurofeedback: an ERP study. Neuroimage 200, 26–37.
Sin comentarios