MVPA son las siglas de Multi Voxel Pattern Analysis, una técnica de análisis de los datos de la resonancia magnética (fMRI) que se ha utilizado con sorprendentes resultados para “leer” los pensamientos de las personas, identificando objetos y prediciendo decisiones (referencias al final de este artículo). El MVPA también tiene potenciales usos en el mundo del neuromarketing, como así lo demuestra el trabajo que está haciendo por ejemplo Neurensics.

Pero… ¿en qué consiste y en qué difiere con respecto a otras  técnicas de neurociencias? La aproximación típica del neuromarketer es tener una teoría de cómo funciona y cómo se activa el cerebro en respuesta a los estímulos. Hemos hablado por ejemplo de la asimetría cerebral. Según esta teoría, las respuestas emocionales de “acercamiento” activan diferencialmente un hemisferio cerebral sobre otro mientras que las respuestas emocionales de “alejamiento” generan la respuesta inversa (approach-withdrawal).

Por lo tanto, el experimentador puede mostrar distintos estímulos al sujeto y averiguar si generan una reacción de acercamiento o de alejamiento midiendo una serie de puntos concretos en el cortex prefrontal. Los mismos para todos los sujetos. Finalmente, el experimentador agrega los datos y extrae una generalización.

El MVPA, en cambio, parte sin preconcepciones acerca de como funciona cada cerebro individual. Asume que cada individuo puede tener un patrón de activación cerebral completamente distinto que signifique, por ejemplo, “acercamiento”. Por lo tanto, lo que hace es estudiar los patrones de activación de un mismo sujeto cuando se le expone a distintos estímulos que generen “acercamiento”. Con todos esos datos desarrolla un modelo matemático que es útil para predecir si ese sujeto en concreto está sintiendo un impulso de “acercamiento”.

La agregación de los datos entre sujetos se produce al nivel de estas variables secundarias (“acercamiento”)

Ventajas del MVPA:

• Es capaz de generar verdaderos modelos predictivos, que hasta el momento han sido, por ejemplo, capaces de “decodificar” si la persona estaba pensando en “coche”, “casa” o en algún otro objeto.
• No requiere de sólidas teorías psicológicas o neurocientíficas sobre cómo funciona el cerebro para ser capaz de saber lo que está pensando.
• Distingue emociones “discretas”. Más bien patrones de activación, que se pueden hacer coincidir con emociones pero es más amplio. En el plano más teórico se podrían llegar a usar para detectar ideas de orden superior con el entrenamiento adecuado.

Desventajas del MVPA:

• La fase de “entrenamiento” es crítica. De cómo se seleccionen los estímulos, cómo se desarrollen los protocolos de entrenamiento y qué trabajo de validación se haga depende completamente la utilidad de la herramienta.
• Para usar la técnica plenamente sería necesaria una “fase de entrenamiento” con cada nuevo sujeto que se estudiase. Eso multiplica los costes de una herramienta (fMRI) ya de por sí cara.
• Requiere fMRI. Aunque el mismo concepto en el que se basa esta técnica perfectamente se podría emplear con otras técnicas como el EEG (y ya hay ciertos avances en ello).
• A mí en particular me preocupa la siguiente cuestión: una vez que ya se han generado los modelos de patrones de activación, ¿cuál es la extensibilidad de dichos patrones? Si los hemos obtenido con anuncios de televisión, ¿nos sirven para predecir algo con piezas interactivas, o con anuncios de presna o con discursos?

Para solucionar algunos de estos inconvenientes, proveedores como Neurensics no están creando modelos de patrones de activación de manera individual, sino que han desarrollado una base de datos con patrones de activación modelizados a partir de múltiples sujetos (como intentar encontrar el mínimo común denominador en el funcionamiento de diferentes cerebros). De este modo, utilizan una técnica de investigación a medio camino entre el uso pleno de la técnica y las necesidades del mercado. Al parecer, según sus propias declaraciones y material publicado, están obteniendo muy buenos números en la correlación con las ventas.

Referencias sobre la fMRI como descodificador cerebral (cortesía de Dan Ariely y Gregory Berns):