Ben je jaloers of wellustig? Hersenscans kunnen het vertellen

Pin
Send
Share
Send

In de laatste sprong in gedachtenlezen, zeggen wetenschappers dat ze de emoties van een persoon konden ontcijferen door hersenscans.

Patronen van neurale activiteit kunnen weggeven wat mensen denken en voelen, dat wil zeggen, als wetenschappers betekenis kunnen geven aan hersenscans die zijn verkregen door functionele magnetische resonantiebeeldvorming (fMRI). In eerdere studies hebben onderzoekers aangetoond dat ze kunnen bepalen aan welk nummer een persoon denkt, kunnen voorspellen waar mensen in een virtual reality-omgeving staan ​​en zelfs kunnen achterhalen waar iemand van droomt, allemaal door naar hersenscans te kijken.

In de nieuwe studie onderzochten onderzoekers van Carnegie Mellon University waar woede, afkeer, afgunst, angst, geluk, lust, trots, verdriet en schaamte in de hersenen leven. Om te garanderen dat studiedeelnemers deze emoties betrouwbaar en herhaaldelijk konden oproepen, werden 10 methodeacteurs geworven van de toneelafdeling van de school.

"Ze zijn erg goed in het zichzelf in deze emotionele toestanden brengen", zei auteur Karim Kassam in een video van Carnegie Mellon. De acteurs kregen de opdracht om scenario's voor elke emotie te schrijven, zodat ze op het juiste moment in het juiste sentiment konden glijden terwijl ze in een fMRI-machine lagen.

Door te kijken naar de hersenactiviteit van de acteurs, ontdekten de onderzoekers dat er neurale handtekeningen waren die geassocieerd waren met elke emotionele toestand, en dat deze handtekeningen werden gedeeld door individuen.

"Ondanks duidelijke verschillen tussen de psychologie van mensen, hebben verschillende mensen de neiging om emoties op opmerkelijk vergelijkbare manieren neuraal te coderen," zei afgestudeerde student en studieonderzoeker Amanda Markey in een verklaring.

Een computermodel dat de hersenpatronen leerde die verband hielden met de zelfgeïnduceerde emoties van de acteurs, kon uiteindelijk raden welke emotie met een hoge mate van nauwkeurigheid werd opgeroepen. Het model was het meest nauwkeurig in het identificeren van geluk en het minst nauwkeurig in het vaststellen van afgunst. Het verwarde meestal geen positieve en negatieve emoties, aldus de onderzoekers.

Lust werd zelden aangezien voor een andere emotie en het patroon van neurale activiteit van lust werd niet geassocieerd met positieve of negatieve emotionele handtekeningen, wat suggereert dat het tot een geheel andere gevoelsklasse zou kunnen behoren.

De onderzoekers waren bezorgd dat een emotie als woede, wanneer opgeroepen door de acteurs, anders zou zijn dan woede die spontaan wordt ervaren door de rest van de bevolking. Om deze potentiële ongelijkheid in bedwang te houden, ontwierpen ze een tweede experiment waarbij de deelnemers niet werd gevraagd om zelf een emotie op te roepen, maar ze kregen afbeeldingen te zien die bedoeld waren om ze te walgen.

Toen de acteurs de misselijkmakende beelden zagen, voorspelde het computermodel dat ze 60 procent van de tijd walging ervoeren, en vermeldde walging 80 procent van de tijd in de top twee van de voorspellingen, vonden de onderzoekers.

De wetenschappers zeiden dat ze verrast waren dat de computer ook emoties nauwkeurig kon voorspellen op basis van alleen de activeringspatronen in een subsectie van de hersenen.

"Dit suggereert dat emotionele handtekeningen niet beperkt zijn tot specifieke hersenregio's, zoals de amygdala, maar karakteristieke patronen produceren in een aantal hersenregio's", zegt Vladimir Cherkassky, senior onderzoeksprogrammeur bij de afdeling psychologie.

De scans zouden nieuwe manieren kunnen openen om emoties in onderzoeken te onderzoeken zonder te hoeven vertrouwen op zelfrapportage, een soms onbetrouwbare methode, aldus de wetenschappers.

'Het kan worden gebruikt om de emotionele reactie van een individu op bijna elke vorm van stimulus te beoordelen, bijvoorbeeld een vlag, een merknaam of een politieke kandidaat', zei Kassam in een verklaring.

De bevindingen werden woensdag (19 juni) gepubliceerd in het tijdschrift PLOS ONE.

Pin
Send
Share
Send