BASES NEUROBIOLOGICAS EN TOMA DE DECISIONES: Un panorama general

Carlos A. Novo Olivas* 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.

HERRAMIENTAS DE NEUROIMAGEN FUNCIONAL Desde mediados del siglo XIX (con Ferrier, Hitzig, Broca, Jackson, Sherrington,

Charcot y muchos otros) comenzó a tomar forma la neuropatología clínica,

principalmente basada en autopsias de pacientes y en investigación con animales

(importante aclarar que posiblemente el primero en hablar con cierta claridad de

neuroanatomía funcional fue el teólogo-místico Emanuel Swedenborg casi dos siglos

antes) (Gross, 2008). La curiosidad del humano en ver qué y cómo funciona el órgano

que parece regularlo todo nos ha llevado a inventar nuevas herramientas para dicho fin;

así nació el electroencefalograma (EEG) a finales del siglo XIX, y ha sido utilizado desde

entonces hasta la actualidad, donde con los avances tecnológicos se a re-descubierto su

utilidad (ver más adelante), no sólo en lo que comúnmente se llama neurología, sino

también en psiquiatría (Coburn, 2006), puesto que también son desordenes del sistema

nervioso, esencialmente cerebrales (Novo, 2009). Así pues, en los últimos 30 años, los

avances en ingeniería biomédica y computacional, han dado como resultado herramientas

de imagen funcional cerebral que han permitido un salto substancial en todos los campos

involucrados en el comportamiento humano, revolucionando conceptos, cuestionando

paradigmas y amenazando con transformar lo que actualmente llamamos psiquiatría (una

excelente revisión de neuroimagen en psiquiatría ver; Malhi, 2007). A continuación

repasaré de manera general algunas de estas herramientas de imagen funcional y los

estudios más importantes sobre toma de decisiones (y temas relacionados) utilizando

dichos instrumentos.

HERRAMIENTAS DE IMAGEN NUCLEAR POR EMISION

Existen dos instrumentos que utilizan esta tecnología, basada en emisión y captación de

radiofrecuencias derivadas de químicos radiactivos (inyectados de forma intravenosa). El

más utilizado, pues tiene mayor número de marcadores (radionucleótidos) aunque con

corta vida-media, es la Tomografía por Emisión de Positrones (TEP); la otra herramienta

que también detecta rayos gama es la Tomografía de Emisión de Fotón Único (TEFU, o

SPECT por sus siglas en inglés). Existen muchos detalles técnicos (resolución temporal,

especificad de radioisótopos, costos, procedimiento invasivo) y de salud (reacciones

adversas a los radionucleótidos, etc.) que hacen menos atractivas estas herramientas

comparadas con otras (ver más adelante), por lo que su uso ha ido disminuyendo y

posiblemente serán emplazada del todo en un futuro no tan lejano, especialmente porque

otras técnicas no invasivas comienzan a ser útiles en la medición de metabolitos.

TOMOGRAFIA POR EMISION DE POSITRONES (TEP)

Las herramientas de imagen en biología comienzan con el microscopio de

Anthonie van Leeuwenhoek en el siglo XV. Esta simple capacidad de observar lo que no

es posible con los ojos, transformó la medicina (y muchas otras áreas del conocimiento

humano, ej.: astronomía), dándole vida a la microbiología y con ella a todo un universo

de subcampos científicos de los cuales dependemos día a día; tal como dependemos de

otras herramientas de imagen para el estudio del encéfalo, sin embargo, estudiar el

funcionamiento y estructura cerebral en vivo no es tan sencillo como la bacteriología

(para una revisión sobre imagen funcional cerebral ver; Kerr, 2008).

En el último siglo innumerables científicos y filósofos han tratado de abordar el

tema de la esencia humana (la mente) a través del cerebro y su funcionamiento. La

euforia aumentó exponencialmente en la década de los 60’s y 70’s cuando los avances

computacionales unidos con física nuclear dieron como resultado la primera herramienta

capaz de medir cierta actividad (indirecta) neuronal: la TEP (tener en cuenta que la

angiografía comenzó décadas antes, pero se considera una herramienta de imagen del

sistema vascular). El radioisótopo más utilizado con la TEP es la flourina 18 (18F), por su

mayor vida-media, el cual se liga a la flouro-2-deoxiglucosa (FDG), midiendo cambios

metabólicos glucogénicos, producidos por el funcionamiento neuronal y en este nos

enfocaremos.

Existen pocos estudios específicos utilizando TEP en “toma de decisiones”

(sujetos “normales”), sin embargo existe una gran cantidad de estudios usando esta

herramienta en una gran variedad de pacientes con diferentes síndromes clínicos, durante

pruebas cognitivas (y emocionales), en donde decidir es finalmente necesario (Ernst,

2005). No es el fin de este estudio revisar los patrones anormales en los diferentes

trastornos neuropsiquiátricos, por lo que nos enfocaremos en los estudios donde sujetos

no-enfermos fueron utilizados (usualmente como comparación). Los hallazgos varían con

el tipo de prueba y el sexo (Krain, 2006; Bolla, 2004), existiendo una asimetría

hemisférica entre hombres y mujeres entre estructuras dorsales y mediales

principalmente. Sin embrago los cambios metabólicos más frecuentes que se presentan

durante la toma de decisiones se encuentran en la corteza prefrontal y parietal, tálamo y

ganglios basales. El patrón más común es un aumento de actividad en estas áreas,

especialmente en corteza prefrontal, siendo mucho más marcada la activación (aumento

de consumo de glucosa) en corteza orbitofrontal (COF) y corteza del cíngulo anterior

(CCA, área de Broca 32) en tareas donde componentes emocionales intervienen ó cuando

se trata de decisiones riesgosas; y mayor actividad en corteza prefrontal dorsolateral

(CPDL) y corteza del cíngulo posterior (CCP) en tareas cognitivas, sin un componente de

peligro (riesgo), también llamadas decisiones ambiguas; estos son hallazgos muy

comunes en la literatura (Grabenhorts, 2008; Krain, 2006), inclusive en niños y

adolescentes (Zelazo, 2004). Es importante comentar que en trastornos impulsivos

(adictivos) se han reportado niveles disminuidos de receptores dopaminérgicos D2 y

relaciones genéticas (Noble, 2003)

Cabe mencionar que aunque las estructuras del sistema cortico-estriado ventral

son la más comúnmente relacionadas (mismas estructuras a las cuales se les adjudica el

proceso de recompensa), existen otras regiones corticales (ej. insula) y subcorticales (ej.

complejo amigdalino) que también se encuentran involucradas en el proceso (Seymour,

2008; Clark, 2008), mismas estructuras que forman parte de lo que hoy se ha llamado

“Default-Mode Network” (Red cerebral o circuito incomparecente, traducción del autor) ,

por su actividad elevada durante reposo o durante estados privados (ausentes) de

estímulos externos, autoreferenciales-afectivos (para una revisión ver, Buckner, 2008).

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 BASADAS EN RESONANCIA MAGNETICA

Las bases técnicas de la Resonancia Magnética (RM) son una de los ejemplos más

ilustrativos de física quántica aplicable. La medición del movimiento de protones de

moléculas de Hidrogeno (del agua) a través de campos (resonantes) generados con

magnetos dan como resultado datos que finalmente pueden ser traducidos

(computacionalmente) a imágenes. Esta herramienta de imagen estructural, dio un salto

esencial a principios de los años 90, generando el instrumento de medición funcional más

importante y utilizado desde el electroencefalograma (EEG) de Berger. La RM funcional

(RMf) es capaz de calcular las diferentes propiedades magnéticas entre la

oxihemoglobina y la de-oxihemoglobina, las cuales al cambiar de concentración

ocasionan un cambio de intensidad de la señal magnética y generan imágenes, que

técnicamente se llaman dependiente del nivel de oxígeno sanguíneo (DNOS) ó BOLD por

sus siglas en inglés.

Como puede deducirse, la RMf no es una herramienta de funcionamiento

neuronal directa, sino de perfusión y utilización (metabolismo) de oxígeno (para revisión

ver Logothetis, 2008), por lo que se debe interpretar con precaución, pues las bases

neurofisiológicas aún no están totalmente claras. Cabe mencionar que existen otras

herramientas (software) que utilizan RM, tanto estructurales, como por Difusión Tensora

(DTI, por sus siglas en inglés) o Difusión Espectral (DSI, por sus siglas en inglés)

(Jellison, 2004; Hagmann, 2008); como funcionales, que son capaces de medir diferentes

procesos metabólicos (bioquímicos) por espectroscopía (MRS, por sus siglas en inglés),

que pueden ser de gran utilidad en diferentes áreas (Mangana, 2007; Hollingworth,

2006); pero no serán revisadas en el presente capítulo, pues existe poca información,

específica, relacionada al tema a tratar.

RMf-DNOS EN TOMA DE DECISIONES

En menos de veinte años la RMf se convertido en la herramienta de neuroimagen

preferida en neurociencia (aunque no es la más utilizada), con más de 1,500

publicaciones sólo en los últimos once meses (octubre del 2008 a septiembre del 2009,

búsqueda en PubMed). Esto debido principalmente a su especificidad (resolución)

espacial y atractivas imágenes, sin embargo, no esta libre de dificultades técnicas y su

resolución temporal es en segundos (3-10), una velocidad muy lenta en comparación a los

rangos en los que opera la actividad neuronal (milisegundos). Aún así, tomando las

necesarias perecuaciones, la utilidad de la RMf es indiscutible; especialmente si se hacen

grabaciones multimodales, no sólo utilizando diferentes modalidades (software) de RM

(Jiang, 2008), sino en combinación con otras herramientas (Schiff, 2006; Valdes-Sosa,

2005; Dale, 2000).

El estudio de toma de decisiones es extremadamente amplio, por lo que nos

enfocaremos principalmente en estudios que han utilizado tareas bien definidas,

especialmente actividades de apuestas como el IGT (Iowa Gambling Task), el Ultimatum

Game, y el CGT (Cambridge Gamblin Task, parte de la batería neuropsicológica de

Cambridge, CANTAB). De estas tres la más utilizada mundialmente es la IGT,

desarrollada por el grupo de Antonio Damasio de la universidad de Iowa, para probar la

Hipótesis del Marcador Somático (SMH, por sus siglas en inglés) en la toma de

decisiones, basado en el famoso caso del trabajador Phineas Gage, quien sufrió daño,

principalmente, de la corteza frontomedial (para una introducción ver, Damasio, 1994;

Damasio, 1996. Y para una excelente revisión crítica e integral ver; Dunn, 2006).

Es bien conocida la importancia de la corteza prefrontal (CPF) en el quehacer

diario humano (aunque existe la postura de que no es tan necesaria o esencial, basados en

pacientes lobectomizados que llevan una vida “normal”; por lo que diremos que no es

suficiente pero si necesaria). Una gran variedad de funciones se le han adjudicado a la

CPF, sin embargo, es cardinal comenzar por dar una breve revisión de ésta desde el punto

de vista neuroanatómico funcional. La CPF se localiza rostralmente (anterior) al área

premotora (ó motora secundaria) de Brodmann 6, y se define como aquella parte de la

corteza frontal que no genera movimiento al ser estimulada y que recibe proyecciones del

núcleo mediodorsal del tálamo. Se puede subdividir citoarquitectónicamente en múltiples

zonas, las cuales tienen cierta correlación funcional, sin embrago en el presente trabajo

nos enfocaremos en tres diferentes regiones principales: 1)Dorsal, lateral o dorsolateral

(CPFDL); 2) Medial (CPFM) y 3) Ventral (CPFV, algunos autores también la llaman

orbital). Cada una de estas subregiones tienen características especiales en estructura y

función, y se considera única en los primates, e inclusive existen ciertas particularidades

histológicas exclusivas en el humano. (para revisiones sobre la CPF ver, Ongur, 2000;

Fuster, 2001; Wood, 2003; Wise, 2008 y especialmente Fuster, 2008).

Ahora bien, las estructuras cerebrales más ampliamente correlacionadas (con

RMf) en las pruebas de toma de decisiones (como IGT) no se limitan a la corteza

prefrontal (que es parte de un circuito complejo), de hecho, la era localizacionista esta

llegando a su fin para dar entrada a la era sistemisista, donde no son regiones específicas

las que realizan funciones determinadas, sino sistemas o circuitos (redes) estructurales y

funcionales. Bajo esta perspectiva el grupo de Bechara y Damasio han propuesto dos

circuitos distintos en la toma decisiones utilizando el IGT (Bechara 2005), en ambos las

estructuras básicas incluyen la CPFM, el estriado (ventral- especialmente), la corteza

cingular anterior (CCA), la CPFDL, el complejo amigdalino (comúnmente llamado

amígdala), la corteza insular (ínsula), corteza sensorial primaria (S1) y núcleos del tallo

cerebral (mesencefálicos principalmente). Sin embargo existen múltiples criticas hacia

este modelo neuroanatómico (para revisión ver; Dunn, 2006), especialmente con las áreas

S1, la CPFDL, la ínsula y la amígdala; donde existen resultados muy variados,

especialmente en pacientes con daño cerebral (ver adelante), por lo que otras teorías han

surgido, diferenciando dos tipos de toma de decisiones: Hot (calientes, con carga

emocional) y Cold (frías, sin valor emocional), activando diferentes regiones (CPFV,

CPFM, amígdala, etc., en tareas emocionales y principalmente CPFDL en actividades

meramente intelectuales).

La CPFV (excelente revisión ver, Rolls 2008) ha sido implicada invariablemente

al proceso de toma de decisiones y se le han adjudicado una gran variedad de funciones

(evaluadora, comparadora, ajustadora, integradora, de monitoreo, etc.), que además no le

son exclusivas, sino que son parte de sistemas neuronales complejos, con los que la

CPFV esta conectada directa e indirectamente; de hecho, la única función que hasta el

momento se le puede adjudicar de manera más específica a la CPFV es el aprendizaje

reverso (“reversal learning”) y la extinción; ambas, parte del proceso de asociación de

recompensas (placer), aunque se presume que estas dos funciones se encuentra reguladas

por diferentes zonas (la primera, rostralmente, y la segunda por la región caudal) de la

CPFV y también la CPFM (especialmente la CCA). Es por esto que se le correlaciona

fuertemente con comportamientos impulsivos y repetitivos (falta de flexibilidad),

características esenciales en trastornos obsesivos-compulsivos y trastornos adictivos

-entre otros- (Bechara, 2005b).

Como se puede observar las estructuras del sistema (de toma de decisiones)

descrito son compartidas en gran parte con el sistema de recompensa, ampliamente

estudiado en los últimos años en trastornos adictivos (para revisiones ver, Koob, 2001,

2009; Everitt, 2005; Kalivas, 2005; Hyman, 2006). Es por eso que la mayor parte de la

investigación en dicho tema se realiza en pacientes adictos, la cual es compatible con la

hipótesis de un lóbulo prefrontal hipoactivo, anormalidades dopaminérgicas,

serotoninérgicas, glutaminérgicas y GABAergicas, así como interacciones con el sistema

opioide (ver Bodnar, 2007, para una revisión del sistema opioide endógeno y su impacto

en la conducta human) y corticosteroide (Heilig, 2007), y sus respectivos genotipos

(excelente revisión del tema en general; Brewer, 2008).

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).

OTROS MARCADORES BIOLOGICOS

ENDOCRINOLOGICOS

La unión entre el sistema nervioso y el endócrino es desde hace tiempo un tema

en ardua investigación. No existe la menor duda, inclusive ya se consideran sistemas

comunes (neuroendocrinología), que el cerebro es la glándula madre, especialmente el

hipotálamo, que en comunicación con núcleos meso-pontinos y estructuras límbicas

(amígdala, ínsula, CPFVM, etc.) (Herman, 2005), a través de la glándula pituitaria,

regulan funciones fisiológica básicas y comportamientos complejos (para una excelente

revisión ver; Raisman, 1997). A continuación comentaré el sistema adrenal y gonadal, en

relación con toma de decisiones y trastornos adictivos especialmente.

EJE HIPOTALAMO-PITUITARIA-ADRENAL (HPA)

El eje HPA es parte central del circuito de estrés (Tsigos, 2002; excelente revisión

sobre el cerebro y estrés, McEwen, 2008) y en íntima relación con el sistema

inmunológico (Webster, 2002) el eje HPA ha sido tema de interminable investigación y

polémica sobre su impacto en el comportamiento humano, y aunque, posiblemente, las

discusiones nunca terminen, la información que hoy poseemos nos permite asegurar que

existe una estrecha relación entre este circuito (y todos los demás ejes hormonales) y el

comportamiento (Stavarache, 2009). La mayoría de la investigación se ha enfocado en

encontrar correlaciones entre cortisol (en saliva) y diferentes datos cognitivos y de

comportamiento. Importante información se puede desprender de pacientes con trastornos

de ansiedad y trastornos depresivos, donde esta bien determinado que en la mayoría de

estos pacientes existe una sobreactividad del eje HPA, sin embargo, me enfocaré- en

trastornos de comportamiento y adictivos, donde, a pesar de la gran co-morbididad con

trastornos afectivos, el panorama es menos claro.

La impulsividad es uno de los rasgos característicos en los trastornos (de

comportamiento) antisociales y en procesos adictivos, y se ha correlacionado con

anormalidades en diferentes sistemas neuroquímicos (serotoninérgico, dopaminérgico,

etc.), incluyendo el eje HPA (Williams, 2008). Un estudio donde se comparó a un grupo

de encarcelados con un grupo control, se encontró que los criminales tenían mayor

número de experiencias traumáticas en la niñez; también se mostró que los internos

psicópatas obtenían menores concentraciones de cortisol diurno comparado con los

internos no psicópatas y el grupo control, y por último no se encontró relación con

maltrato en la niñez y comportamiento agresivo en pacientes psicópatas, pero sí en los

demás grupos (Cima, 2008). En un reciente estudio (Hawes, 2009) se confirma este

mismo hallazgo, evidencia para suponer una hipoactividad (cortisol bajo) del eje HPA en

niños con comportamiento antisocial, soportando la teoría de búsqueda de estimulación

en estos pacientes; sin embargo el rol específico dentro del proceso no está claro y aún

existen datos contradictorios. Estos datos contradictorios pueden deberse a la

comorbididad en estos pacientes así como al ignorar una seria de variables que parecen

esenciales (sexo, edad, tipo y hora de la prueba, etc.) (Marsman, 2008).

Un interesante estudio con jugadores, no encontró correlación alguna entre

jugadores patológicos (JP) y jugadores lúdicos (JL) en medidas de cortisol, sin embargo

se reportaron correlaciones significativas en ritmo cardiaco en el grupo de jugadores

impulsivos (Krueger, 2005). Algo similar se reportó en otra investigación, donde se

midieron niveles de cortisol y alfa-amilasa (medida indirecta de sistema adrenérgico) en

saliva en dos grupos de jugadores (patológicos y lúdicos), y sólo se encontraron

correlaciones significativas con la alfa-amilasa en decisiones inadecuadas (Labudda,

2007). Un resultado muy parecido a un completo estudio donde se midieron niveles

hormonales en sangre (norepinefrina, epinefrina, dopamina, cortisol, prolactina, ACTH y

B-endorfina), así como ritmo cardiaco, antes, durante y después de jugar; los resultados

mostraron un elevado nivel de epinefrina y dopamina basal y un mayor aumento durante

el juego en JP; también se observó un aumento transitorio en JP al comienzo del juego.

Otro hallazgo no significativo, pero interesante, fue que los JL mostraron mayores niveles

de endorfina beta antes y durante el juego, por último el ritmo cardiaco fue más rápido en

JP (Meyer, 2004). Cabe aclarar que todas las hormonas en el eje HPA, no sólo el cortisol,

son activas cerebralmente (y tienen un impacto en comportamiento), especialmente en

regiones límbicas (donde la amígdala tiene un papel primordial) (Sommer, 2008) y existe

una amplia investigación en el tema, especialmente en trastornos adictivos (Pastor, 2008;

una excelente revisión ver; Koob, 2007).

EJE HIPOTALAMO-PITUITARIA-GONADAL (HPG).

Es importante mencionar que el cortisol y las hormonas gonadales (HG) son

esteroides, y existe una amplia relación entre ellos, usualmente antagónica, especialmente

entre le cortisol y la testosterona (TS) (Lewis, 2005). Por lo que usualmente el prototipo

sociópata (violentos, agresivos) se describe como el paciente frío y tranquilo (baja

emotividad, bajo cortisol; no es lo mismo, pero hay cierta correlación), y viril (alta

testosterona). Los hallazgos neurobiológicos en pacientes agresivos son complejos e

inespecíficos hasta el momento (excelente revisión del tema ver; Siever, 2008), por lo

que se recuerda al lector en tomar con precaución los siguientes hallazgos.

Es esencial en el proceso de toma de decisiones el valor afectivo (emocional) que

se le da a los estímulos que están siendo procesados, así como a las posibles

consecuencias (castigo-recompensa) de la futura acción manifestadas en todo el cuerpo

(teoría del Marcador Somático de Damasio, que refleja la teoría de James-Lange sobre

emociones; para una excelente revisión de neurociencia afectiva se refiere a: Dalgleish,

2009) y finalmente el valor emocional del resultado obtenido, causado por le movimiento

(comportamiento, decisión). En investigaciones con animales se ha reportado una

disminución en la sensibilidad a castigos y comportamiento violento con la

administración de TS, y en un excelente capítulo de una reciente publicación (Caldú,

2009) los autores resumen que las HG tanto en hombres como en mujeres juegan un

papel primordial en funciones cognitivas y afectivas, así como en la toma de decisiones,

más específicamente la TS modula el procesamiento de recompensa través del sistema

dopaminérgico. Teniendo esto como base, un estudio demostró que era posible manipular

el valor emocional del castigo y la recompensa en mujeres sanas con la administración de

TS, utilizando la IGT, ocasionando un mayor numero de decisiones riesgosas

(inadecuadas), un patrón más parecido al del hombre (van Honk, 2004). Si nos

permitimos extrapolar esta información, podemos entender porque el adolescente tiende a

realizar actividades más riesgosas y a tomar decisiones inadecuadas, sin caer en el

argumento determinista que animaliza a los adolescentes. Sin embargo es un hecho que la

combinación de una CPF (especialmente ventro-medial) inmadura (menor inhibición

hacia estructuras de placer, ej.: NA y amígdala) y un aumento de hormonas gonadales

(excitadoras estructuras límbicas) hacen de esta obligada etapa, en la que se ha

demostrado la necesidad de la TS y el resto de los esteroides para la maduración cerebral-

especialmente de la CPFV (Melcangi, 2006), un periodo de mayor riesgo (Casey, 2008),

en donde es necesario darle herramientas adeudas al adolescente para que logre, a pesar

de las circunstancias biológicas “injustas”, decidir adecuadamente.

El esteroide ovárico (estrógeno) tiene acciones importantes en el sistema nervioso

central que van mucho más allá de la regulación del ciclo menstrual y conducta sexual

(una excelente revisión ver, McEwen, 1999), también ha sido implicado en procesos

cognitivos y afectivos, inclusive se ha propuesto una interacción esencial entre la

serotonina y éste (Amin, 2005). De igual manera la progesterona (PT) se ha relacionado

especialmente con el proceso de recompensa anticipatoria, de manera similar que la TS;

por lo que podemos concluir que tanto el estradiol como la PT modulan la toma de

decisiones (Caldú, 2009).

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.

DISCUSION: MODELO INTEGRAL

Si lograste llegar hasta aquí, habiendo leído completamente lo anterior, y aún así

sientes cierta angustia, confusión y tienes más preguntas que cuando comenzaste,

entonces he hecho adecuadamente mi trabajo. Sin embargo, trataré de disminuir el grado

de incertidumbre (aumentando dopamina en el circuitro cortico-estriado, y para eso sería

bueno aumentar tus endorfinas, así que come algo que realmente te guste), por lo que

propondré un modelo lo más completo posible, recordándole al lector que desconfíe

parcialmente y tome sus precauciones, pues forzosamente haré muchas generalizaciones

y simplificaciones. Aprovecho también para

El proceso de toma de decisiones es uno de los más estudiados desde una gran

variedad de perspectivas, especialmente desde las ciencias biológicas y en los últimos

veinte años particularmente desde la neurociencia. Obtener un modelo real (práctico) de

cómo el ser humano toma decisiones tendría un impacto enorme en todos los ambientes

de nuestra existencia (economía, mercadotecnia, política, educación, etc.); en pocas

palabras, sería como encontrar la piedra filosofal, seríamos capaces de predecir todas

nuestras acciones. Claro que dicha proposición es sólo posible si tomamos (a priori) que

el humano puede llegar a ser reducido (y completamente determinado) por procesos

biológicos, los cuales pueden ser medidos, lo cual implicaría negar, por lo menos

parcialmente, nuestra preciada libertad, y con ella todas las responsabilidades que hacen

posible la convivencia de nuestra especie. Sin embargo, la idea de fabricar una máquina

capaz de esto ha sido y será siendo un tema no sólo de ciencia ficción y las artes (recordar

la pélicula Minority Report), si no también de la ciencia empírica.

MODELO NEUROANATOMICO FUNCIONAL

El cerebro esta organizado en circuitos y sistemas ampliamente conectados

(comunicados) entre sí, aunque para fines de aprendizaje (y estudio) tendamos a

separarlos, lo que nos ha inclinado a considerar que, la toma de decisiones es, sencilla y

finalmente, el resultado de la valoración, en gran medida inconsciente, de estímulos. Es

decir las teorías emocionales, utilizan conceptos dicótomos (maniqueos, dualistas), donde

sistemas opuestos (positivos-negativos, concientes-inconcientes, corticales-subcorticales,

etc.) están en continuo conflicto; sin embargo, esto no parece del todo real, por lo que

pido al lector tome una perspectiva de integración paralela y no de rivalidad entre

circuitos (para un excelente artículo sobre el tema, Williams, 2007). Así como intente

desechar ideas absolutistas, tomando todos estos procesos y estados como un continum

homeodinámico. Mantener estas ideas durante lo siguiente.

El primer circuito necesario para cualquier comportamiento, es el sistema de

estado de alerta (nivel conciencia); el cual involucra el sistema activador reticular

ascendente (SARA) meso-pontino, donde los principales núcleos productores de

acetilcolina, serotonina y neorepinefrina se encuentran. El SARA tiene estrecha

comunicación con el hipotálamo para regular niveles de alerta y el ciclo sueño-vigilia; así

como con el tálamo, regulando el grado de activación del mismo y por lo tanto

modulando la comunicación cortico-tálamica y la relación con el exterior. También hay

que recordar que existen conexiones directas a corteza, donde tienen un impacto de

manera más concreta en funciones cognoscitivas.

Igual de básico y fuertemente relacionado al SARA, se encuentra el sistema

endocrinológico, que además de controlar las funciones básicas del organismo

(temperatura, equilibrio energético, reproducción, metabolismo, etc.), hemos comentado,

de manera rápida, el importante papel que juegan estos neuroquímicos (hormonas

esteroideas, endorfinas, etc.), como neuromoduladores en asociación con otros

neurotransmisores (especialmente dopamina y serotonina) en estructuras corticales y

subcorticales; sin embargo este segundo paso quiero sólo enfocarme en la necesidad de

funciones fisiológicas básicas, pues sin ellas es imposible un comportamiento adecuado.

Estos procesos en gran parte automáticos e involuntarios, es decir se dan aunque estemos

dormidos. Y hacen posible los siguientes procesos.

El tercer paso en el modelo, es simplemente la captación de estímulos en las áreas

corticales sensitivas primarias (parietales, temporales y occipitales). Cabe mencionar que

las vías sensoriales, aunque bien concidas, siguen produciendo cierta polémica,

especialmente en si existen o no, vías paralelas que después de tálamo vayan

directamente a estructuras de asociación emocional (ej.: amígdala) inclusive antes de

llegar a corteza primaria. Por lo que el siguiente paso se da, temporalmente, paralelo o

con un ligero retraso (100-300msg) en diferentes regiones corticales. Este proceso de

asociación se lleva a cabo tanto en regiones neocorticales (recordar los PEREs frontales)

como en estructuras del sistema límbico (complejo amigdalino y estructura hipocampal).

Y le podemos llamar proceso comparativo. Ampliamente relacionado con el sistema

seroteninérgico y dopaminérgico. Doy por hecho que todos los procesos cerebrales,

especialmente corticales, son dependientes de glutamato y GABA (íntimamente

relacionados metabolitamente).

El resultado de este proceso comparativo es una respuesta emocional (afectiva),

guiada por estructuras meso-límbico-corticales, reguladas especialmente por dopamina.

Comenzando por el núcleo o sustancia gris periacueductal (PAG, por sus siglas en ingles)

y el ATV (especialmente este último) en mesencéfalo, que envían proyecciones

dopaminérgicas a la amígdala, NA, corteza ínsular y CPFVM. Dicho sistema ha recibido

el nombre de circuito de placer y esta en estrecha relación con el sistema opioide. La

activación de estructuras “límbicas” (amígdala y CPFVM) activan al hipotálamo y al

SARA, ocasionando así la respuesta emocional somática, que a su vez envía

retroalimentación, preparando la futura acción. Este es el siguiente paso, la predicción,

estrechamente relacionada con actividad dopaminérgica en NA y en CPF, donde se han

encontrado correlaciones de negatividad con patrones EEG en Alfa, así como el impacto

de la oxitocina (en situaciones sociales) del valor predictivo; también en relación con

comportamientos impulsivos y serotonina (tanto a niveles genéticos, como de ingesta y

metabólicos) (recordar los ya citados; Siever, 2008; Brewer, 2008).

El siguiente proceso es la valoración lingüística, racional; el componente frío.

Usualmente se considera que es hasta este momento que somos totalmente concientes, sin

embargo en muchas ocasiones ya hemos decidido, circunstancia patológica en ciertos

trastornos de impulsividad. Este proceso se correlaciona mayormente con la CPFD y

aunque independiente (todos hemos experimentado la diferencia entre saber y sentir,

deber y desear), esta estrechamente unido a procesos (fisiológicos) involuntarios.

Por último el momento de la decisión es llevada acabo por el sistema motor central

(corteza motora, ganglios basales y vías medulares) y periférico (nervios y músculos). La

respuesta a dicha acción es captada por el mismo sistema y procesada como un nuevo

estímulo o circunstancia, que generará a su vez una nueva cuestión a resolver (decidir).

La evaluación de la decisión (retroalimentación) involucra a todo el sistema ya

mencionado (es decir existe un mecanismo comparador en todos los niveles y

estructuras), pero posiblemente una parte esencial, es la amígdala y CPFVM y el

hipocampo, como centro de recolección y ordenamiento de información que será

consultado para comparar (Vinogradova, 2001), nuevos sucesos.

A pesar de la gran complejidad, me atrevo a dar algunos consejos que nos pueden

permitir o ayudar a regular, en general, todas las partes del sistema y por lo tanto nos

facilite decidir adecuadamente.

1. Descanso adecuado. El impacto del sueño el comportamiento y en general en la

fisiología del organismo es enorme (revisión ver; Banks, 2007)

2. Nutrición adecuada: Evitar (exceso) estimulantes (café) y depresivos (alcohol),

especialmente cuando hay que tomar decisiones de gran impacto.

3. Ejercicio físico aeróbico: Gran impacto en neurogénesis (especialmente

hipocampal), en el eje HPA y en el sistema opioide (Hilman, 2008)

4. Terapias de biorretroalimentación (variabilidad de ritmo cardiaco, respuesta

dérmica y actividad eléctrica cerebral).

5. Otros métodos o técnicas de relajación. 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.