Parte 2: Modulazione diretta all'obiettivo dei modelli di memoria neurale: implicazioni per il rilevamento della memoria basato su FMRI

Contatto: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com

Si prega di fare clic qui per la parte 1

Modello di processo e ipotesi

Dato il riconoscimento standardmemoriaistruzioni nel compito esplicito, è probabile che, dopo aver incontrato ogni volto in questo compito, i partecipanti abbiano valutato la forza delmemoriaprove suscitate dal volto e lo hanno approvato come "vecchio" se ha superato una certa soglia di "vecchio" o "nuovo" se ha superato una soglia diversa di "novità" o se ha suscitato solo debolememoriaprove [rimaniamo agnostici sul fatto che i partecipanti abbiano adottato un modello a due soglie alte (Ratcliff, 1978; Snodgrass e Corwin, 1988) o un modello di rilevamento del segnale (Green e Swets, 1966) dimemoriadecisioni perché non cambia le nostre previsioni o interpretazioni].

Nel compito nascosto, ai partecipanti è stato chiesto di fare amemoriadecisione di determinare quale delle due strategie di contromisura implementare ("finta memoria" o "finta novità"). Pertanto, i partecipanti probabilmente hanno inizialmente seguito un processo simile a quello descritto per il compito esplicito, seguito dall'implementazione di una delle due strategie di contromisura. Abbiamo intenzionalmente richiesto che l'albero decisionale dei partecipanti includesse l'attenzionememoriasegnali per massimizzare la possibilità di rilevare la memoria a fronte di contromisure.

Questo modello di processo ha suggerito tre scenari plausibili per quanto riguarda la capacità di un classificatore di decodificarememoriadurante i tentativi di nascondere lo stato di memoria:

(1) Un classificatore addestrato a rilevare il veromemoria(risultati espliciti) dalla vera novità (CR espliciti) è abbastanza sensibile da rilevare la decisione iniziale sulla memoria su prove nascoste (di nuovo, questa decisione sulla memoria è stata presa per determinare quale delle due strategie di contromisura implementare). In questo scenario, modelli di successo espliciti predirebbero costantemente prove di successo nascoste e modelli CR espliciti predirebbero prove di CR nascoste. Pertanto, le prestazioni di classificazione sarebbero al di sopra delle possibilità.

(2) Le operazioni cognitive impegnate per fingerememoriae novità sono qualitativamente differenti dalle operazioni impegnate durante il veromemoriae novità. In questo scenario, i modelli che discriminano hit e CR nella condizione esplicita non aiuterebbero a discriminare hit e CR nella condizione nascosta. In questo caso, i modelli di hit espliciti non prevederebbero in modo coerente né i modelli di hit nascosti né quelli CR e quindi le prestazioni di classificazione sarebbero una possibilità.

(3) Le operazioni cognitive impegnate per fingerememoriasuscitare modelli sufficientemente simili ai modelli elicitati durante la vera memoria, in modo tale che i modelli di memoria simulati (CR nascosti) siano costantemente classificati come verimemoriamodelli (risultati espliciti). Allo stesso modo, i modelli di novità simulati (colpi nascosti) sono costantemente classificati come modelli di novità reali (CRS esplicito). In questo caso, il classificatore produrrebbe costantemente ipotesi di Classe B in risposta a modelli di Classe A (e viceversa) e mostrerebbe quindi prestazioni di decodifica significativamente inferiori alle possibilità.

Per giudicare tra gli scenari precedenti, abbiamo addestrato i classificatori a discriminare i risultati dai CR durante le prove quando le risposte dei partecipanti erano rappresentative dei loromemoriadecisioni (il compito esplicito). Per stabilire prima le prestazioni di decodifica di base, abbiamo testato la capacità di questo classificatore di discriminare i risultati dai CR durante le prove trattenute dal compito esplicito. Successivamente abbiamo testato la capacità del classificatore di discriminare i risultati dai CR durante le prove quando i partecipanti nascondevano i loromemoriastato (compito nascosto).

Cistanche può migliorare la memoria

Decodifica della memoria durante giudizi di memoria espliciti

Sulla base di risultati precedenti utilizzando un simile esplicitomemoriatask (Rissman et al., 2010), ci aspettavamo che il classificatore "esplicito ¡esplicito" funzionasse bene. Coerentemente con questa aspettativa, l'AUC media era 0,67 (Fig. 4A, blu; distribuzione nulla AUC di 0,50, come determinato dalle analisi di permutazione; media vs AUC nulle, t(23) 8,97, p 5.74 10 9). Questa prestazione corrisponde a un'accuratezza media del 63 percento quando si esaminano tutte le scelte fatte dal classificatore, con un'accuratezza media che raggiunge il 73 percento nelle prove in cui il classificatore era più sicuro (cioè, il 10 percento superiore delle prove con l'evidenza stimata dal classificatore più forte; Fig. 5A, blu).

Le analisi precedenti interrogatememoriadecodifica utilizzando dati compressi su più punti temporali prestimolo (TR3-TR5; vedere Materiali e metodi). Poiché una decisione sulla memoria si sviluppa nel tempo, un insieme di classificatori addestrati e testati su ogni momento durante il recupero può fornire informazioni diagnostiche aggiuntive (specialmente sulle prove di memoria nascosta; vedi sotto). La figura 4B (blu) illustra che le prestazioni della classificazione su ciascun TR nello schema esplicito ¡ esplicito sono aumentate fino a TR4 (6–8 secondi dopo l'inizio dello stimolo), quando ha raggiunto l'AUC massima di 0.66. Tutti tranne i primi due TR hanno mostrato prestazioni significativamente al di sopra della probabilità (TR3, p 3.64 10 6 ; TR4, p 9.44 10 10; TR5, p 2.52 10 7; TR6, p 6.{{20}}), sopravvissuto alla correzione di Bon-Ferroni per confronti multipli (parte 0,0083 per sei confronti TR).

Le mappe che illustrano il valore diagnostico di ciascun voxel rispetto al classificatore ("mappe di importanza"; Fig. 4C) rivelano che diversi focolai prominenti hanno orientato il classificatore verso la scelta della CR. Tra le regioni che influenzano le previsioni dei colpi c'erano il giro paraippocampale bilaterale, il giro fusiforme bilaterale, il VTC sinistro, l'IPS sinistro e il giro bilaterale VLPFC. Tale modello è coerente con una ricca letteratura sul recupero e suggerisce che il classificatore si basasse collettivamente su segnali che rappresentavano le informazioni sul viso in memoria, nonché su regioni ritenute sottoposte all'attenzione e alla valutazione dell'accumulo di prove mnemoniche (IPS e VLPFC). Al contrario, le regioni che hanno distorto le previsioni di CR includevano l'ippocampo sinistro e il giro sopramarginale (SMG) e i campi oculari frontali bilaterali (FEF). Collettivamente, i segnali in queste regioni riflettono probabilmente il campionamento dello spazio percettivo al servizio dell'elaborazione del segnale di recupero (FEF e SMG) e la codifica di nuove informazioni percettive (ippocampo).

Decodifica della memoria durante i tentativi di occultamento Sebbene i risultati univariati abbiano dimostrato che i partecipanti sono stati in grado di modulare con successo il loro segnale medio durante il compito nascosto in regioni tradizionalmente associate al recupero

(Fig. 2), ciò non richiede che l'accuratezza della decodifica prova per prova sia influenzata dai tentativi di nasconderememoriae novità. Successivamente abbiamo determinato se un classificatore addestrato sui dati del test di memoria esplicito potesse essere utilizzato per discriminare i risultati dai CR quando i partecipanti hanno tentato di nasconderememoriastato (cioè, esplicito ¡ nascosto). Ancora una volta, se la performance della classificazione si rivela essere al di sopra, al o al di sotto del caso può fornire informazioni sulla relazione tra modelli di memoria/novità veri e falsi (vedi ipotesi sopra). Abbiamo scoperto che il classificatore addestrato in modo esplicito ha funzionato in modo non diverso dal caso nella discriminazione degli hit rispetto ai CR nell'attività di memoria nascosta (AUC media di 0.51 vs AUC distribuzione nulla di 0.5{{ 6}}, come determinato dalle analisi di permutazione; t(23) 0.33, p 0.75; Fig. 4A, verde). Data questa scarsa performance, era particolarmente importante determinare se le ipotesi più sicure del classificatore potessero distinguere in modo affidabile le due classi. Per identificare il limite superiore delle prestazioni, abbiamo considerato il 10 percento delle prove con l'evidenza del classificatore più forte. Anche in questo caso, l'accuratezza non era diversa dal caso (media del 52 percento; Fig. 5A, cerchi verdi). Questi risultati suggeriscono che la memoria finta e la novità suscitano principalmente modelli qualitativamente diversi dalla vera memoria e dalla novità.

Tuttavia, l'analisi del corso temporale (classificatori specifici per TR) ha dimostrato un leggero aumento delle prestazioni rispetto al caso in un determinato momento. La classificazione basata su TR3 (4–6 s dopo l'inizio dello stimolo) era modesta ma significativamente al di sopra delle possibilità (AUC di0.55 vs AUC nulla di 0.50; t(23) 3,35, p 0,003, sopravvissuto alla correzione di Bonferroni; Fig. 4B, verde) e il 10 percento dei primi studi sulle prove di classificazione, basati su TR3, hanno portato a un'accuratezza media del 59 percento (Fig. 5A, triangoli verdi). Questa scoperta indica che alcunilegato alla memoriai segnali potrebbero essere stati presenti anche quando sono in uso le contromisure ma che questo segnale è transitorio.

La performance della classificazione negli studi TR3 suggerisce preliminarmente che il classificatore potrebbe essere in grado di rilevare transitorimemoriamodelli nel compito nascosto (cioè, offrendo un supporto preliminare per l'ipotesi 1 di cui sopra). Una tale interpretazione predirebbe ulteriormente che le prestazioni della classificazione dovrebbero scalare come i partecipantimemoriala forza aumenta. Per testare questa previsione, abbiamo esaminato se le differenze individuali nelle prestazioni di classificazione su TR3 per le prove nascoste fossero correlate con la forza della memoria (d) nelle prove nascoste. In effetti, la classificazione tendeva ad essere migliore per i partecipanti con la memoria più forte (r 0.46, p 0.025; Fig.5B), suggerendo che la leggera e transitoria decodifica al di sopra delle possibilità a TR3 può riflettono il rilevamento di segnali di memoria transitori emersi prima dei tentativi dei partecipanti di nascondere questi segnali (riportando il classificatore a livelli casuali).

Il nostro modello di processo postula che le prove nascoste contengano truememoria/modelli di novità seguiti da schemi di memoria/novità simulati perché i partecipanti hanno prima assistito al loro stato mnemonico prima di determinare quale contromisura implementare. Nella misura in cui questi falsi schemi di memoria/novità emergono solo dopo veri schemi di memoria/novità, prevediamo che un classificatore addestrato a rilevare l'emergere di veri schemi di memoria ma testato all'emergere di simulazionimemoriai modelli mostrerebbero prestazioni al di sotto delle possibilità (cioè, ipotesi 3 sopra; nota: previsioni analoghe valgono per modelli di vera novità). Per testare questa previsione, abbiamo addestrato i classificatori su TR3 di prove esplicite e li abbiamo testati separatamente in ciascuno di TR4-TR6 su prove nascoste. Ciò ci ha permesso di determinare se i primi segnali di memoria sarebbero stati rilevabili durante i tentativi di memoria simulati successivi. Si noti che questo è diverso dal classificatore specifico per TR riportato nella Figura 4B perché quei dati riflettono classificatori addestrati e testati sullo stesso TR. Inoltre, sebbene le nostre previsioni siano rilevanti per TR4-TR6, riportiamo tutti e sei i TR nella Figura 5Cto per fornire un profilo temporale completo delle prestazioni di classificazione.

Sorprendentemente, questo esplicito ¡ classificatore cross-TR nascosto si è comportato leggermente ma significativamente al di sotto delle probabilità su TR5 (Fig. 5C, verde; AUC di 0.43 vs AUC nullo di 0.5{{1{{ 13}}}}; t(23) 3,74,p 0.001) e si è comportato leggermente al di sotto della probabilità a TR6 (AUC di 0,44 vs AUC nullo di 0,50; t(23) 2,19,p 0,038). Le prestazioni su TR5 ma non TR6 sono sopravvissute alla correzione di Bonferroni. La scoperta di una decodifica significativamente al di sotto delle possibilità su TR5 suggerisce che (1) emerge presto veromemoriai modelli nella condizione nascosta possono essere successivamente (cioè, in successivi TR) mascherati occupandosi della novità, "ingannando" un classificatore facendogli indovinare che il modello suscitato dall'essere elementi riconosciuti dalla classe di novità e (2) primi modelli di vera novità emergenti può essere successivamente mascherato simulando la memoria, "ingannando" un classificatore facendogli indovinare che il modello suscitato da un nuovo elemento provenga dalla classe riconosciuta. Il modello dei risultati informa le nostre previsioni meccanicistiche indicando che il classificatore ha esposto alcuni modelli neurali condivisi (transitori) tra memoria/novità simulata e vera. Tuttavia, vale la pena notare che pongono una condizione al contorno significativa sull'uso sul campo dei decodificatori di memoria basati su fMRI perché suggeriscono che i partecipanti sono effettivamente in grado di confondere volontariamente e costantemente un decodificatore di memoria.

Potenziali problemi che interessano la decodifica della memoria

Successivamente abbiamo cercato di determinare se il modello generale dei risultati - che hit e CR da prove di memoria nascosta non potevano essere differenziati in modo robusto da un classificatore addestrato su hit e CR esplicitamente riportati - potesse essere spiegato da (1) differenze nelle prestazioni della memoria tra le attività, (2) scarsa memoria sul compito esplicito, (3) scarsa classificazione dei risultati rispetto ai CR anche nei dati di allenamento (cioè, prove esplicite) o (4) confusione temporale o motoria.

In primo luogo, è possibile che la scarsa performance sul classificatore esplicito ¡ nascosto fosse attribuibile al sottoinsieme di partecipanti le cui prestazioni di memoria differivano notevolmente tra i compiti di memoria esplicita e nascosta. Per testare questa possibilità, abbiamo ripetuto tutte le analisi sulla divisione mediana dei partecipanti che mostravano la migliore corrispondenza tra attività di memoria esplicita e nascosta (media e differenza dei partecipanti con la migliore corrispondenza 0.17, che vanno da 0. 02 a 0.29). Queste analisi hanno rivelato che il pattern-finding complessivo si è tenuto durante l'esame di questi 12 partecipanti (AUC medie: esplicito ¡ esplicito, 0.66; esplicito ¡ nascosto, 0,52).

Allo stesso modo, è importante escludere che la bassa accuratezza media sul classificatore esplicito ¡ nascosto fosse attribuibile a una scarsa classificazione per quei partecipanti con scarsa memoria. Di conseguenza, abbiamo ricalcolato tutte le analisi su una divisione mediana di partecipanti con le migliori prestazioni di memoria sull'attività esplicita (media dei primi 12 partecipanti 1,74, da 1,26 a 2,31). Anche in questo caso, lo schema generale dei risultati relativi a questo sottoinsieme di partecipanti (AUC medie: esplicito ¡ esplicito, 0.69; esplicito ¡ nascosto, 0.48).

È anche ipotizzabile che il classificatore esplicito ¡ nascosto abbia funzionato male perché la distinzione tra hit e CR nei dati di addestramento (cioè prove esplicite) non è stata ben guadagnata dal classificatore. Abbiamo testato questa possibilità rieseguendo le analisi su una divisione mediana di partecipanti, utilizzando i 12 partecipanti in cui il classificatore esplicito ¡ esplicito ha ottenuto i risultati migliori (AUC media dei primi 12 partecipanti, 0.74; compreso tra {{4} }.69 a 0.82). Il modello generale di risultati tenuto su questo sottoinsieme di partecipanti, in quanto esplicito ¡ prestazioni nascoste non differiva ancora dal caso in questi partecipanti (AUC media di 0.48).

Un'ulteriore preoccupazione per lo scarso rendimento del classificatore esplicito ¡ nascosto è la possibilità di confondi temporali. Potrebbero essersi verificati confusi temporali perché le esecuzioni delle attività di memoria nascoste seguivano sempre le esecuzioni delle attività di memoria esplicite, e quindi il classificatore potrebbe aver sofferto a causa di fattori che sono andati alla deriva o differivano semplicemente in funzione del tempo. Ad esempio, i partecipanti potrebbero aver sperimentato affaticamento cognitivo o interferenza da prove precedenti che sono servite a ridurre le prestazioni di classificazione in prove successive (memoria nascosta). L'affaticamento cognitivo o l'interferenza potrebbero servire a (1) introdurre rumore stocastico nelle prove successive o (2) ridurre la capacità dei partecipanti di differenziare elementi vecchi e nuovi nelle prove successive. Entrambe le possibilità ridurrebbero la capacità dei classificatori di identificare modelli coerenti associati a hit e CR in queste prove successive. Tuttavia, come riportato di seguito, abbiamo invece riscontrato che i classificatori addestrati e testati nelle prove successive (nascoste) hanno prodotto prestazioni molto elevate, in effetti, migliori di quelle dei classificatori addestrati e testati nelle prove precedenti (esplicite). Inoltre, i partecipanti hanno riferito che il compito di memoria nascosta era più coinvolgente dal punto di vista cognitivo rispetto al precedente compito di memoria esplicita perché i partecipanti sentivano che stavano cercando di "battere" un algoritmo del computer. Queste osservazioni mitigano in parte la preoccupazione che queste prove successive comprendessero prove cognitivamente affaticate, e quindi rumorose o più variabili, che riducono la capacità complessiva di classificare le prove.

Vale inoltre la pena notare che la performance degli schemi di classificazione precedenti (esplicito ¡ esplicito ed esplicito ¡ nascosto) non era correlato (r {{0}}.30, p 0.15), avvalorando ulteriormente la conclusione che decodificabile i segnali di memoria in un'attività di recupero tradizionale erano essenzialmente irrilevabili quando venivano implementate contromisure cognitive.

Infine, è importante notare che le scarse prestazioni di decodifica esplicita ¡ nascosta non erano attribuibili a univariata debolememoriasegnali nel compito nascosto, in particolare nelle regioni associatememoriarecupero, come ippocampo e AnG (Fig. 1B, colori freddi).

Analisi dei riflettori

L'accuratezza della decodifica dell'intero cervello può essere integrata da approcci basati su riflettori che forniscono accuratezza di decodifica locale (Krieges-Korte et al., 2006). Di particolare interesse è stato se le regioni in cui il segnale medio BOLD (univariato) è stato modulato in modo significativo dalle contromisure (Fig. 2A) hanno mostrato anche un'accuratezza di decodifica trial-by-trial che si discostava significativamente dal caso. Pertanto, abbiamo eseguito la classificazione critica (colpi espliciti ¡ nascosti vs CR) su maschere sferiche locali centrate individualmente su ogni voxel nella maschera dell'intero cervello (esclusi i voxel nella corteccia motoria e premotoria e nel cervelletto). Ogni maschera sferica includeva qualsiasi voxel che toccasse il bordo del voxel centrale; quindi, le sfere risultanti contenevano 19 voxel, tranne quando la sfera si estendeva oltre la maschera del cervello intero. Per determinare se le precisioni di decodifica locale si sono evolute durante lo studio (come ci si aspetterebbe se i partecipanti inizialmente si occupassero dei segnali di memoria e poi tentassero di nascondere tali segnali), abbiamo condotto questi proiettori separatamente per ciascuno dei sei TR.

Queste analisi del riflettore hanno rivelato diverse regioni nella corteccia frontale e parietale mediale che hanno dimostrato una decodifica leggera ma significativamente al di sopra delle possibilità nei primi momenti (0-4 s; Fig. 6), quando i partecipanti presumibilmente stavano effettuando il loro primomemoriagiudizio. La corteccia parietale mediale è fortemente implicata nei compiti di memoria episodica, sia considerando i dati univariati (per le meta-analisi, vedere McDermott et al., 2009; Spaniol et al.,2009; Kim,2010; Hutchinson et al.,2014),multi -dati variabili (Fig. 4C; Rissman et al., 2010) o dati EEG intracranici (Foster et al., 2015). Pertanto, questa decodifica al di sopra delle possibilità dimostra che alcuni modelli di attività regionali possono essere rilevabili in modo transitorio e probabilmente riflette l'obbligo per i partecipanti di recuperare prima le informazioni mnemoniche prima di implementare contromisure.

Questi risultati possono aiutare a giudicare tra dati precedenti potenziali contrastanti sulla decodificabilità dimemoriasotto vari stati obiettivo. Da un lato, Kuhl et al. (2013) hanno mostrato che le informazioni mnemoniche potevano essere decodificate quando ai partecipanti non veniva chiesto di occuparsi del loro stato mnemonico, ma potevano averlo fatto accidentalmente. D'altra parte, quando ai partecipanti è stato chiesto esplicitamente di svolgere un compito ortogonale amemoriacompito (fare una valutazione di attrattiva sui volti vecchi e nuovi invece di un esplicito giudizio sulla memoria), la decodifica della memoria è stata ridotta a livelli di casualità o quasi (Rissman et al., 2010). Inoltre, dati recenti suggeriscono che ai partecipanti può essere insegnato ad adottare una strategia globale in cui evitano di prestare attenzione ai segnali di memoria suscitati da segnali di recupero salienti e simulati legati al crimine, oscurando quindi potenziali indici di colpevolezza legati all'evento

conoscenza (Bergstrm et al., 2013). Lo scopo del presente studio era determinare se i segnali della memoria possono essere resi non rilevabili anche dopo averli inizialmente presi in considerazione, il che potrebbe essere inevitabile in scenari del mondo reale che utilizzano segnali di recupero altamente salienti, come le raffigurazioni di una scena del crimine. I proiettori che mostrano prestazioni al di sotto del rischio estendono i risultati di Bergstrom et al. mostrando che, quando la memoria è frequentata, il rilevamento della memoria può ancora essere oscurato in momenti successivi attraverso la modulazione diretta all'obiettivo delle regioni correlate amemoriarecupero e percezione (vedi AnG e cluster occipitali in Fig. 6).

Discussione

I recenti progressi nei metodi di neuroimaging mostrano risultati promettenti nell'aiutare il rilevamento dei ricordi individuali. Il presente studio ha verificato se una tecnica di rilevamento della memoria basata su fMRI sarebbe in grado di decodificare la memoria anche quando i partecipanti tentano di nascondere i loro stati di memoria mentre sembrano cooperativi. Riportiamo diversi risultati chiave. In primo luogo, le analisi univariate hanno dimostrato che le contromisure modulavano l'attività neurale, in modo tale che gli effetti del successo della memoria in un'attività di recupero standard si invertivano quando i partecipanti utilizzavano le contromisure. In particolare, i partecipanti che esibivano ricordi più forti hanno avuto maggiori difficoltà a invertire gli effetti del successo della memoria univariata. In secondo luogo, i classificatori MVPA hanno decodificato in modo affidabile i ricordi individuali quando i partecipanti hanno riportato la loro memoria in modo veritiero. In terzo luogo, questa capacità di decodificare la memoria per lo più falliva e anche leggermente invertita, quando i partecipanti usavano semplici strategie cognitive per contrastare i classificatori addestrati su risposte di memoria veritiere. Infine, sono stati coinvolti stati obiettivo strategici per consentire di nascondere lo stato della memoria nel segnale medio, nonché su base prova per prova. I meccanismi di controllo frontoparietale hanno consentito di nascondere la memoria riorientando l'attenzione lontano dai ricordi richiamati e verso nuove caratteristiche percettive, mentre i meccanismi MTL-AnG hanno consentito di nascondere la novità generando e trattenendo ricordi precedenti online. Insieme, questi risultati dimostrano il potere che gli stati obiettivo strategici esercitano sui modelli cerebrali perché possono principalmente mascherare i ricordi individuali dal rilevamento.

Il primo indizio che rivela la profonda influenza che le contromisure esercitano sulle operazioni mnemoniche è stato rivelato nei risultati univariati. Qui abbiamo osservato gli effetti del successo della memoria (hitsCR) quando i partecipanti hanno riportato in modo veritiero i loro stati di memoria, che si sono invertiti (hit CRs) quando i partecipanti hanno generato ricordi in risposta a nuovi volti o si sono concentrati su nuovi aspetti dei volti studiati. In particolare, queste inversioni di attività si sono verificate in regioni implicate in modo coerente nel recupero della memoria, in particolare l'ippocampo bilaterale e l'AnG sinistro (per le meta-analisi, vedere McDermott et al., 2009; Spaniol et al., 2009; Kim, 2010; Hutchinson et al., 2014). Nella misura in cui il segnale dell'ippocampo e di AnG BOLD riflette il contenuto mnemonico recuperato, la scoperta che gli effetti invertiti tra le attività suggeriscono che i partecipanti sono stati effettivamente in grado di impegnarsi volontariamente nelle strategie di contromisura istruite durante le prove. In effetti, i confronti univariati dei due compiti di contromisura hanno rivelato le regioni che probabilmente hanno mediato questa modulazione strategica dell'attività correlata alla memoria (Fig. 7A): (1) per l'occultamento della memoria, che richiede il riorientamento dell'attenzione dalle informazioni mnemoniche e verso nuovi aspetti percettivi degli stimoli —sono state coinvolte le regioni associate all'allocazione dell'attenzione diretta all'obiettivo e alle rappresentazioni percettive; e (2) per l'occultamento di novità, che richiedono la generazione di ricordi in risposta a volti nuovi, sono state impegnate regioni relative al recupero.

Quando i partecipanti hanno riportato la memoria in modo veritiero, i classificatori MVPA hanno decodificato in modo affidabile lo stato di memoria che ogni partecipante possedeva per ciascuna faccia del test. Le regioni che hanno fornito segnali diagnostici a questo classificatore erano simili a quelle riportate nel nostro studio precedente (Rissman et al., 2010), con le classificazioni dei colpi di polarizzazione della corteccia cingolata posteriore e PFC e le classificazioni CR di polarizzazione dell'ippocampo anteriore. A differenza del presente studio, che richiedeva semplici risposte "vecchie" o "nuove" (per abbinare le risposte sul compito di memoria nascosta), Rissman et al. richiedeva decisioni esplicite sul fatto che un qualsiasi dettaglio del precedente incontro con il viso fosse ricordato o, in assenza di dettagli ricordati, se il viso fosse stato recuperato con confidenza alta o bassa. Pertanto, la somiglianza nelle mappe di importanza tra gli esperimenti suggerisce preliminarmente che i classificatori si basano su segnali neurali simili per discriminare i volti vecchi e nuovi correttamente identificati quando vengono formulati giudizi sulla memoria, indipendentemente dalla natura precisa del giudizio sulla memoria. Tuttavia, è importante notare che l'accuratezza della decodifica diminuisce drasticamente al caso quando non vengono formulati giudizi sulla memoria (Rissman et al., 2010, il loro compito implicito nell'esperimento 2) o, come rivelato dai presenti risultati, quando i partecipanti si occupano del loromemoriaStati ma poi schierano contromisure per nasconderli.

Quest'ultima scoperta ha implicazioni per le teorie neurobiologiche della memoria e per le raccomandazioni sulla prontezza per l'uso sul campo. In particolare, la scoperta che le informazioni mnemoniche potrebbero essere decodificate anche quando ai partecipanti non viene richiesto di occuparsi di tali informazioni (Kuhl et al., 2013) solleva la questione se i segnali della memoria possano essere resi non rilevabili anche dopo averli inizialmente presi in considerazione, come potrebbe essere il caso in scenari del mondo reale con segnali di recupero altamente salienti, come una scena del crimine. Abbiamo scoperto che questo è principalmente il caso, imponendo così una condizione al contorno significativa sulla validità dei decodificatori di memoria basati su fMRI e suggerendo che il metodo non è ancora pronto per l'uso sul campo.

La scoperta che le contromisure cognitive possono contrastare o addirittura invertire la capacità di un classificatore di rilevare accuratamente i ricordi individuali anche quando la memoria è frequentata solleva la questione se i segnali di memoria transitori possano essere rilevabili di fronte alle contromisure. Qui, nel nascostomemoriadati, siamo stati in grado di decodificare debolmente i colpi dai CR in un solo momento (Fig. 4B, 5A) e i risultati sono stati confusi in modo affidabile con i CR in un momento successivo (Fig. 5C). In particolare, la scoperta che le prestazioni della classificazione in questo momento variavano in base alla forza della memoria giustifica ulteriori indagini. Questa scoperta suggerisce preliminarmente che, ad esempio, gli individui con forti ricordi di informazioni rilevanti possono avere difficoltà a nascondere la propria memoria. Le classificazioni dell'intero cervello sono state integrate da proiettori che mostravano che la classificazione al di sopra del rischio era possibile utilizzando i dati delle regioni corticali frontali e parietali mediali e che i modelli AnG sinistro possono confondere in modo affidabile i classificatori della memoria (con conseguente decodifica significativamente al di sotto del rischio) in momenti successivi quando i partecipanti stavano presumibilmente implementando contromisure. Studi futuri che utilizzano dati più risolti temporalmente (elettroencefalografia, EEG o fMRI-EEG simultanea) potrebbero ulteriormente informare se è possibile rilevare segnali di memoria transitori in presenza di contromisure cognitive.

Riferimenti

Benoit RG, Anderson MC (2012) I meccanismi opposti supportano l'oblio volontario di ricordi indesiderati. Neurone 76:450–460.CrossRef Medline

Bergstrm ZM, Anderson MC, Buda M, Simons JS, Richardson-Klavehn A (2013) La soppressione del recupero intenzionale può nascondere la conoscenza colpevole nei test di rilevamento della memoria ERP. Biol Psychol 94

Bishop CM (2006) Riconoscimento di modelli e apprendimento automatico. New York: Springer.

Brown T, Murphy E (2010) Attraverso uno scanner oscuro: neuroimaging funzionale come prova degli stati mentali passati di un imputato criminale. Stanford Law Rev 62:1119–1208.Medline

Chadwick MJ, Hassabis D, Weiskopf N, Maguire EA (2010) Decodifica di singole tracce di memoria episodica nell'ippocampo umano. Curr Biol 20:544–547.

Corbetta M, Patel G, Shulman GL (2008) Il sistema di riorientamento del cervello umano: dall'ambiente alla teoria della mente. Neurone 58:306–324.