Imagerie par résonance magnétique fonctionnelle basée sur des modèles et son application à l'apprentissage des récompenses et à la prise de décision

Dans l'imagerie par résonance magnétique fonctionnelle (IRMf) basée sur des modèles, les signaux dérivés d'un modèle computationnel pour un processus cognitif spécifique sont corrélés avec les données d'IRMf de sujets réalisant une tâche pertinente afin de déterminer les régions cérébrales montrant un profil de réponse cohérent avec ce modèle. Un avantage clé de cette technique par rapport aux approches neuroimaging plus conventionnelles est que l'IRMf basée sur des modèles peut fournir des informations sur la façon dont un processus cognitif particulier est mis en œuvre dans une zone cérébrale spécifique, plutôt que de se contenter d'identifier où un processus particulier est localisé. Cette revue résumera brièvement l'approche de l'IRMf basée sur des modèles, en se référant au domaine de l'apprentissage des récompenses et de la prise de décision, où des modèles computationnels ont été utilisés pour explorer les mécanismes neuronaux sous-jacents à l'apprentissage des associations de récompenses, à la modification du choix d'action pour obtenir une récompense, ainsi qu'à l'encodage des signaux de valeur attendue qui reflètent la structure abstraite d'un problème de décision. Enfin, certaines des limitations de cette approche seront discutées.