Non-decision time-informed collapsing threshold diffusion model: A joint modeling framework with identifiable time-dependent parameters

Resumen Técnico: Modelo de difusión de umbral colapsante informado por el tiempo de no decisión

Planteamiento del problema
Los modelos de acumulación de evidencia han servido como un marco dominante durante sesenta años para explicar los mecanismos neuronales y conductuales de la toma de decisiones, actuando frecuentemente como instrumentos de medición para constructos cognitivos latentes. Un supuesto fundamental de estos modelos es que los decisores acumulan evidencia ruidosa hasta que se alcanza un umbral de decisión fijo. Sin embargo, consideraciones conductuales, neurocientíficas y de optimalidad teórica sugieren que los umbrales de decisión no son estáticos, sino que varían a lo largo del tiempo. Si bien los modelos de umbral dependientes del tiempo suelen proporcionar explicaciones superiores de los datos empíricos en comparación con los modelos de umbral fijo, sufren de una limitación crítica: la estimación poco fiable de sus parámetros. Esta inestabilidad de estimación ha obligado a los investigadores a priorizar las comparaciones de ajuste de modelos sobre la interpretación de valores de parámetros específicos o el análisis de las diferencias individuales en la dinámica del umbral de decisión.

Metodología
Para abordar los problemas de fiabilidad inherentes a los modelos de difusión de umbral dependientes del tiempo, los autores proponen un marco de modelado conjunto que integra observaciones externas del tiempo de no decisión ($t_{nd}$) directamente en el modelo. La innovación central radica en vincular el modelo de difusión con mediciones ruidosas a nivel de ensayo del tiempo de no decisión derivadas de registros de electroencefalografía (EEG). Estas mediciones del tiempo de no decisión fueron extraídas utilizando el método de patrón multivariante oculto. Al restringir el parámetro del tiempo de no decisión con estas observaciones externas basadas en EEG, el marco busca estabilizar la estimación de los parámetros restantes del umbral dependiente del tiempo.

Contribuciones clave y resultados
El artículo presenta dos líneas principales de evidencia que respaldan el marco propuesto:

1. Simulaciones de recuperación de parámetros: Los autores realizaron simulaciones demostrando que informar al modelo de difusión con mediciones ruidosas a nivel de ensayo del tiempo de no decisión mejora sustancialmente la fiabilidad de la estimación de parámetros para los modelos de umbral dependientes del tiempo. Este enfoque mitiga eficazmente la inestabilidad de estimación que históricamente ha plagado a tales modelos.
2. Reanálisis empírico: El marco se aplicó para reanalizar datos experimentales de dos tareas de toma de decisiones perceptivas. Los resultados confirmaron la viabilidad del enfoque, mostrando que restringir el tiempo de no decisión no solo permite una estimación de parámetros fiable, sino que también mejora el ajuste absoluto a los datos conductuales.

Significancia
El artículo afirma que este enfoque de modelado conjunto resuelve una barrera de larga data en la aplicación de los modelos de umbral dependientes del tiempo. Al permitir una estimación de parámetros fiable, el marco permite a los investigadores ir más allá de las simples métricas de comparación de modelos y comenzar a interpretar valores de parámetros específicos. Además, abre la puerta a investigar las diferencias individuales en la dinámica del umbral de decisión, una capacidad que anteriormente se veía obstaculizada por la falta de fiabilidad en la estimación. El trabajo demuestra que la integración de datos neurofisiológicos (EEG) con el modelado conductual puede mejorar tanto la robustez estadística como el poder explicativo de los modelos de acumulación de evidencia.