Un análisis de fMRI basado en modelos con estimación de parámetros bayesiana jerárquica.

Una tendencia reciente en la neurociencia de la decisión es el uso de fMRI basado en modelos utilizando modelos matemáticos de procesos cognitivos. Sin embargo, la mayoría de los estudios previos de fMRI basados en modelos han ignorado las diferencias individuales debido al desafío de obtener estimaciones de parámetros fiables para participantes individuales. Mientras tanto, estudios anteriores de ciencias cognitivas han demostrado que el análisis bayesiano jerárquico es útil para obtener estimaciones de parámetros fiables en modelos cognitivos, permitiendo a su vez diferencias individuales. Aquí demostramos la aplicación de la estimación de parámetros bayesiana jerárquica al fMRI basado en modelos utilizando el ejemplo de la toma de decisiones en la Tarea de Juego de Iowa. Primero, utilizamos un estudio de simulación para demostrar que el análisis bayesiano jerárquico supera la estimación de máxima verosimilitud convencional (a nivel individual o grupal) en la recuperación de parámetros verdaderos. Luego, realizamos análisis de fMRI basados en modelos en datos experimentales para examinar cómo los resultados de fMRI dependen del método de estimación.