En búsqueda de un sistema humano de auto-regulación

Palabras claves: auto-control; conexiones fronto-parietal; Red cíngulo-opercular; recompensa,

estado de reposo, agotamiento.
Resumen: La capacidad de auto-regulación permite a la gente el control sus pensamientos, conductas,
emociones y deseos. A pesar de esta gran habilidad, existen fallas comunes en la auto-regulación y
contribuyen a problemas sociales desde la obesidad hasta la adicción a las drogas. Estas fallas
ocurren ante la exposición a señales altamente alarmantes, durante estados de ánimo negativos o
después de que los recursos auto-regulatorios son agotados. Se presenta una revisión de la
evidencia neurocientífica en relación a la autorregulación y sus fallas. La auto-regulación
involucra el balance crítico entre la fuerza de un impulso y la habilidad individual de inhibir la conducta
deseada. A pesar de que la neuroimagen y los estudios en pacientes brindan evidencia consistente
en relación a la recompensa y los aspectos de los impulsos y deseos, no hay consenso de los
mecanismos neuronales que subyacen a la capacidad de control en regiones de control ejecutivo
implicados en diferentes estudios. Se señala que es necesario conocer las propiedades del sistema
de control auto-regulativo y se sugiere que el uso de los análisis de las conexiones funcionales
asociadas al estado de reposo podría ser útil para entender cómo las personas regulan su conducta y
por qué a veces fallan en el intento.
1.- INTRODUCCIÓN
A pesar de que la neurociencia se ha formado un panorama claro de los sistemas que regulan el
cerebro que dan lugar a la recompensa de la motivación, el campo ha luchado por construir una visión
unificada de los mecanismos de control que respalden la autorregulación. En adultos sanos, las fallas
de la auto-regulación se dan en presencia de una señal de recompensa, particularmente cuando la
señal sigue un evento precipitante, como una angustia o agotamiento de los recursos de auto-
regulación. Un equilibrio de autorregulación exitoso es el equilibrio entre las señales de recompensa
y la capacidad de mantener bajo control. Se han identificado tres amenazas al equilibro: a) exposición
a señales tentadoras; 2) angustia emocional; angustia emocional y social; 3) agotamiento de los
recursos de autorregulación.
EXPOSICIÓN A SEÑALES DE RECOMPENSA
Estudios no humanos señalan que las recompensas de consumo o en acciones de recompensa están
asociadas la activación del sistema mesolimbico-dopaminergico (área ventral tegmental, núcleo de
acumbens/ ventral estriado) y la corteza orbito-frontal. En humanos, los estudios de neuroimagen
funcional muestran que la actividad en el ventrículo estriado y en la corteza orbitofrontal aumenta
durante la recompensa de consumo. La forma dominante de auto-regulación en la vida cotidiana es
el control impulsivo.
 Definición de impulso: Un impulso es un anhelo o deseo de consumir un estímulo y participar
de un comportamiento54ewsa. La fuerza del impulso se refleja en la semejanza de su
promulgación. Los impulsos pueden experimentarse a través de señales de recompensa, tales
como el olor de un cigarro, o la comida.
 Los estudios con neuro-imagenes consistentemente muestran la activación del ventrículo estriado
y la corteza orbito frontal ante la exposición de señales de recompensa tales como imágenes de
comida, señales de drogas y rostros atractivos.
Los efectos fisiológicos de las señales de recompensa pueden ocurrir incluso cuando no estamos
conscientes. Señales de recompensa puede permitir que la gente experimente pensamientos
agradables sobre el uso de sustancias, puede capturar la atención de la gente cuando las señales
están incidentalmente presentadas atrás de las películas e incluso activar esquemas motores por
promulgación. (la simulación mental de sostener y fumar un cigarrillo). Por ejemplo, el trabajo de
neuroimagineria funcional ha demostrado que cuando los fumadores incidentalmente ven a otras
personas fumando, las regiones del cerebro asociadas a la acción de observación están
comprometidas. Más recientemente, el campo de las neurociencias ha hecho el intento de vincular el
sistema de reacción de señales con las conductas alimenticias y su trabajo tiene importantes
implicaciones para los individuos que están en riesgo de obesidad o abuso de sustancias. Demos y
sus colegas (2012) han demostrado que las diferencias individuales en las respuestas en el ventrículo
estriado responden a señales alimentarias que predicen alza de peso en un lapso de seis meses y las
respuestas de escenas eróticas predicen las diferencias individuales en los intereses sexuales. Estos
efectos tuvieron un dominio especifico. Las señales de reacción a la comida predicen
consecuentemente el alza de peso, pero no el apetito sexual y viceversa.
A pesar de que el estudio ha demostrado el uso del sistema de señales de recompensa la predicción
de fallas en la regulación de impulsos, se requiere de un trabajo para entender la relación entre señales
de reacción y la batalla diaria de los deseos, la pérdida de lo que puede conducir a la promulgación.
López y sus colegas extendieron su trabajo usando tecnología de Smartphone y mostraron que la
actividad de recompensa en respuesta a imágenes de comida apetitosa predice los deseos de comida.
Las mediciones de las reacciones de las señales de recompensa pueden reflejar una sensibilidad a la
recompensa prolongada, y este exceso puede causar una variedad de problemas individuales. Por
ejemplo, un trabajo reciente de Mishel y sus colegas, demostraron que las personas que tenían
dificultades en retrasar la gratificación cuando niños crecían con menos éxito y con más problemas de
salud que sus pares. Sin embargo, esta poca habilidad para retrasar la gratificación trajo
consecuencias a largo plazo relacionadas con la sensibilidad de la recompensa. Casey y sus colegas
(2011) demostraron que los niños que tenían dificultades para retrasar la gratificación mostraron una
mayor reactividad de localización en el cuerpo estriado ventral al ver los estímulos apetitivos más de
40 años después.

Comportamentalmente, sabemos que los lapsos momentáneos de autocontrol pueden llevar a una
conducta compulsiva, tales como es común cuando las personas que hacen dieta o los adictos se
caen del carro y consumen aún más de lo prohibido.
Primer estudio: personas que hicieron dieta y personas que no hicieron dieta. Los no dietéticos
comieron menos después de consumir el batido de leche, las personas que hacen dieta
paradójicamente comieron más. (efecto del infierno). Este estudio ha sido utilizado en dietas,
fumadores, drogadictos y Ilas violaciones de la abstinencia asociados a la recaída. Específicamente a
cómo una pequeña indulgencia se intensifica en un comportamiento.
Hasta ahora, un solo estudio de neuroimagen ha examinado el consumo activado por lapso forzando
personas que hacen dieta a consumir un batido de alto contenido calórico antes de medir las señales
de actividad neural en relación a la comida. En la abstinencia a la violación de la dieta, las personas
que hacen dieta demostraron una menor reactividad de señales de recompensa ante señales de
comida apetitosa en el cuerpo estriado ventral, sugiriendo que ellos se autorregulaban
satisfactoriamente. Quienes hacían dieta que experimentaron un momento de violación de la dieta,
mostraron alta actividad en las señales de reacción a la comida. Una pregunta significativa, es si las
diferencias individuales en la reactividad de las señales de recompensa reflejan diferencias en la
sensibilidad de los sistemas de recompensa de una persona a otra o si las diferencias individuales en
las señales de reactivación por recompensas son consecuencia de las diferencias de autocontrol.

ANGUSTIA YEMOCIONAL Y SOCIAL

La angustia emocional y social también estimularía las conductas compulsivas en relación a la comida
o a la bebida, o al uso excesivo de internet. En los estudios del comportamiento, las inducciones a los
estados del ánimo negativos o la angustia social dirige a la desinhibición y ocasionalmente a la
agresión. Por ejemplo, la inducción a estados del ánimo negativos permite que quienes están en dieta
consecuentemente vuelvan a comer y los fumadores pidan un cigarro. El afecto negativo también ha
demostrado poder reducir la habilidad de las personas de retrasar la gratificación, existiendo mayor
predisposición a obtener recompensas monetarias más pequeñas e inmediatas en lugar de
recompensas más grandes y diferidas. Esto tbn se liga por ejemplo a las ansias de fumar, reportando
mayor placer cuando esto se realiza. El rechazo social permite incrementar el consumo de comida
poco saludable, reduce las tareas de persistencia e interfiere con la habilidad de atención sostenida.
Estudios de la neurociencia señalan que la angustia social y emocional aumentan la reactividad de las
señales de recompensas. Los dietéticos expuestos a inducciones al estado de ánimo negativo
muestran un aumento en la reactividad de la señal de la comida en la corteza orbito frontal.
Paralelamente, tbn se manifiestan efectos de las violaciones de las restricciones dietéticas en la
reactivación de señales a través de la comida. Esto sugiere un mecanismo potencial para dietéticos
crónicos frecuentemente sobreconsumen seguidos de las inducciones de estado de ánimo negativo.
La angustia emocional y social incrementa la percepción del valor de las señales de recompensa,
siendo más difíciles de controlar. Angustia emocional y social pueden influir directamente en la auto-
regulación y las consecuencias que podrían manifestar como mejorías en la sensibilidad de las
recompensas.
AGOTAMIENTO AUTO-REGULATORIO
Estudios de autoregulacion sugieren un equilibrio entre la fuerza del impulso y la capacidad de inhibir
ya sea el deseo en si mismo o la promulgación del deseo. Una forma en la cual este equilibrio puede
ir a favor de los impulsos automáticos es a través de una reactividad de señal aumentada.
Después de un largo período de abstinencia, el sistema de recompensa puede responder de manera
exagerada a una recompensa infrecuente. Tal explicación podría explicar el patrón de actividad
neuronal en lapso activado de estudios de consumo (por ejemplo, Demos et al., 2011) e incluso
pueden ofrecer un mecanismo neuronal para la recaída en la adiccion. Del mismo modo, en el contexto
de la angustia emocional o social, pueden aparecer señales de recompensa más gratificante, como lo
demuestra la actividad mejorada en estas regiones (por ejemplo, Wagner et al., 2012).

Según esta visión, la autorregulación permanece constante mientras que el valor de la recompensa
cambia como una función de circunstancia. Una explicación alternativa es que la recompensa es
simplemente recompensa, en esa predicción de recompensa las señales en respuesta a señales
aprendidas están bien calibradas a través de experiencias repetidas, y el motivo de los cambios de
reactividad de la señal de retorno de una instancia a otra se deben a procesos de autorregulación.
.
Esta última cuenta es más parsimoniosa con un modelo de fuerza de autorregulación, en el que la
sensibilidad aumentada del sistema de recompensa de un momento a otro refleja la consecuencia de
la disminución de la autorregulación.

En resumen, investigaciones conductuales y neurocientíficas de recompensa humana y

autorregulación reflejan una imagen relativamente clara en términos de cómo las señales de
recompensa participan regiones de la región mesolímbica y el sistema dopaminérgico , el OFC y, en
algunos casos, las regiones de planificación motriz para activar comportamiento. Igualmente claras
son las consecuencias conductuales y neurales de las amenazas a la autorregulación. Después de
tales amenazas, aumenta la reactividad de la señal de recompensa y la gente cede a la tentación. Que
es notablemente faltante, sin embargo, es una imagen coherente de la (s) fuente (s) de control
autorregulador, y el principal desafío para la investigación neurocientífica en los años venideros será
caracterizar mejor los mecanismos cerebrales que dan lugar a la autorregulación. Pasamos ahora a
una revisión de los correlatos neuronales de autorregGTYU
ulación.

¿Dónde está la auto-regulacion en el cerebro?

Una visión común de la autorregulación es que los humanos han evolucionado sistemas de control
específicos, particularmente dentro de la corteza prefrontal (PFC), que permite una planificación y
comportamiento superiores flexibilidad, tal vez debido a la cantidad desproporcionada de la expansión
cortical en el ser humano(Rilling 2006), aumento de la conectividad de la corteza prefrontal de materia
blanca (Schoenemann et al., 2005), o período extendido de desarrollo de la sustancia blanca prefrontal
en relación con los primates no humanos (Sakai). Como la seguridad humana y la supervivencia han
dependido por mucho tiempo de la vida en grupos, los investigadores han sugerido que los humanos
tienen una necesidad fundamental de pertenecer (Baumeister y Leary 1995) que los motiva a evitar
comportamientos que podrían conducir a su expulsión del grupo (por ejemplo, robo), ya que esto
disminuiría en gran medida sus posibilidades de supervivencia (Goodall 1986, Heatherton 2011).

La corteza prefrontal admite habilidades cognitivas de alto nivel

necesarias para la auto1Grregulación, como la memoria, inhibición de la
respuesta, filtrado atencional, toma de decisiones y planificación (Miller
& Cohen 2001, Tranel et al. 1994). Anatómicamente, la corteza prefrontal
es la porción del lóbulo frontal que yace anterior a las cortezas motoras
primaria y secundaria. Los investigadores generalmente acuerdan que la
corteza prefrontal se puede dividir en varias áreas distintas, aunque los
límites anatómicos precisos que separan las subregiones del PFC son
discutibles. Tres subregiones de la corteza prefrontal han sido
identificadas como importantes para la autorregulación: la corteza
prefrontal ventromedial (VMPFC), la corteza prefrontal lateral (incluido
el dorsal y convexidades ventrales) y la corteza cingulada anterior (ACC).

Corteza prefrontal ventromedial

Los límites anatómicos exactos entre el VMPFC y el OFC están definidos groseramente, tal
vez debido al hecho de que el PFC orbital y el VMPFC son citoarquitectónicamente similares
(O¨ ngu¨ r & Precio 2000). Como resultado, estos términos a menudo se usan
indistintamente cuando se hace referencia a regiones a lo largo de la pared medial ventral
del PFC. Se considera que el borde superior del VMPFC se origina alrededor de la rodilla
del cuerpo calloso [incluido el aspecto medial de las áreas de Brodmann (BA) 11, 12 y 25,
y las porciones ventrales de BA 10 y 32], y el borde inferior a menudo se superpone el gyrus
rectus y el orbital medio gryus. El VMPFC comparte conexiones recíprocas con estructuras
límbicas subcorticales como la amígdala (Amaral & Price 1984), así como las regiones
típicamente asociado con el procesamiento de la recompensa, como el cuerpo estriado
ventral (Haber et al., 1995). Debido a su interconexión con la amígdala y el cuerpo estriado
ventral, el VMPFC ha sido implicado tanto en la regulación de la emoción (para una revisión,
ver Quirk & Beer 2006) como en la autorregulación de lo social y lo comportamiento apetitivo
(Fehr & Camerer 2007, Hare y otros 2009, Lin et al., 2012). Quizás la mejor evidencia de la
participación de VMPFC en la autorregulación proviene de estudios de casos de pacientes
con lesiones en el VMPFC, el más famoso de los cuales es el de Phineas Gauge, un
Capataz de ferrocarril de 25 años de Lebanon, New Hampshire. En 1848, Gauge sufrió
extensas daño a su VMPFC izquierdo y una parte de su ACC (Harlow 1848) cuando una
explosión condujo un proyectil de barra de hierro que entró por debajo de su pómulo y salió
por la parte superior de su cráneo. A pesar de que Gauge sobrevivió al accidente; de hecho,
nunca perdió el conocimiento a lo largo de su terrible experiencia: su la personalidad y el
comportamiento fueron notablemente diferentes después de su lesión. Originalmente
considerado como un individuo confiable, trabajador, honesto, Gauge fue descrito más
tarde como "grosero, profano, grosero y vulgar, a tal grado que [él] era intolerable para las
personas decentes "(Fowler & Fowler 1851, p. 89). Lo que surgió de casos como Gauge y
otros para seguir con cerebro traumático lesiones o lesiones que implican el VMPFC es que
el daño VMPFC resulta en una profunda incapacidad para regular el comportamiento social,
emocional y apetitivo. Tales pacientes son a menudo hipersexual y agresivo hacia otros
(Grafman et al., 1996) y puede incurrir en un exceso de comida (Erb et al. 1989, Woolley et
al. 2007), a pesar de que son conscien tes de su comportamiento inapropiado.

Corteza lateral prefrontal

El PFC lateral se compone de las convexiones dorsales y ventrales, específicamente BAs 8, 9 y

46 y 44, 45 y 47, y recibe información sensorial altamente procesada de la parte dorsal y ventral
corrientes visuales (es decir, las llamadas vías de qué y dónde) (Barbas 1988). Proyecta a secundario
regiones motoras (Petrides y Pandya 1999), los gaE43nglios basales (Nambu 2008) y el ACC y
VMPFC (McDonald et al., 1996). El PFC lateral se ha asociado tradicionalmente con el lenguaje
funciones en el hemisferio izquierdo (BAs 44, 45 y 47) y, más en general, con ejecutivo central
procesos como la memoria de trabajo (Curtis & D'Esposito 2003, Smith & Jonides 1999), respuesta
selección (Thompson-Schill y otros, 2005) e inhibición de la respuesta (Garavan et al., 1999). Como tal,
el PFC lateral puede jugar un papel crucial en el soporte de muchas de las operaciones cognitivas
complejas
necesario para una autorregulación exitosa (Cohen y Lieberman 2010). En contraste con la
desinhibición
del comportamiento social y apetitivo visto después del daño de VMPFC, pacientes con lesiones
laterales de PFC

luchar para planificar, coordinar y mantener metas complejas (Petrides y Milner 1982, Shallice 1982,
Shallice y Burgess 1996), no se adaptan a los objetivos o circunstancias cambiantes, y tienen
dificultades
filtrando los distractores irrelevantes del objetivo. Los pacientes con CPF lateral no muestran déficits
en la comprensión
comportamiento social y emocional apropiado (Bar-On et al., 2003), que en cambio tiene un desempeño
deficiente
pruebas neuropsicológicas con demandas de tareas de conmutación (Milner 1963) o pruebas que
requieren inhibidores
controlar. Estos pacientes persisten en la Prueba de clasificación de tarjetas de Wisconsin, una tarea
que requiere
aprendizaje de prueba por error de las reglas de clasificación que cambian a una nueva regla de
clasificación una vez que la regla actual es
descubierto (Milner 1963), y cometer más errores y tomar más tiempo en la tarea Stroop cuando se le
preguntó
para nombrar el color de la tinta de las palabras impresas en ensayos en los que hay un desajuste entre
el nombre de
la palabra (por ejemplo, rojo) y el color de la tinta (por ejemplo, azul) (Vendrell et al., 1995).
Un ejemplo real de una tarea que los pacientes con PFC lateral fallan es la de Shallice & Burgess (1991)
tarea de mandados múltiples, en la que a los pacientes se les hacen varios mandados simples para que
compren
para obtener una lista de artículos, con instrucciones adicionales para gastar la menor cantidad de
dinero posible y evitar ingresar a una tienda a menos que planeen comprar un artículo. Los pacientes
fueron subrepticiamente
seguidos de asistentes de investigación para evaluar su desempeño. Comparado con individuos sanos,
los pacientes de PFC laterales tuvieron dificultades para completar las tareas, visitaron la misma tienda
varias veces, olvidaron
artículos en la lista, e incluso no pudo pagar antes de salir de las tiendas. Tales informes encajan muy
bien con
el informe anecdótico del famoso neurocirujano Wilder Penfield, quien, en la década de 1930, operaba
su propia hermana para eliminar un glioblastoma de su PFC lateral derecha. Penfield señaló que,
aunque
su personalidad y capacidad de expresar emoción no cambiaron después de la cirugía, ella demostró
deterioros marcados que llevan a cabo lo que solían ser tareas domésticas triviales. De una instancia, él
escribió: "Cuando llegó la hora señalada, ella estaba en la cocina, la comida estaba allí, una o
Había dos cosas en la estufa, pero la ensalada no estaba lista, la carne no había comenzado y ella
estaba angustiada y confundida por su largo y continuo esfuerzo solo. Parecía evidente que ella lo haría
nunca ser capaz de tener todo listo de una vez "(Penfield & Evans 1935, p.131).

corteza anterior cingulada

El cíngulo anterior es la porción agranular del cíngulo, que incorpora tanto el tercio medio
recto y el cingulado perigenual anterior (BAs 24, 25 ‘{y 32). Aunque no es estrictamente
una parte del PFC, el ACC está ampliamente asociado con el control cognitivo y el control
de conflictos. Un funcional la disociación a lo largo de los aspectos dorsal y ventral del
ACC ha surgido de los metaanálisis de estudios de neuroimagen que informan actividad
ACC (Bush et al., 2000). Específicamente, actividad en la dorsal ACC (dACC) a menudo
señala la ocurrencia de conflictos cognitivos durante una variedad de tareas que alentar la
competencia de respuesta (por ejemplo, la tarea de Stroop), incluidos aquellos que
involucran a comisión de errores (Botvinick y otros 2004, Carter y otros 1998, Kerns y
otros 2004). Por el contrario, la actividad en el ACC ventral está más típicamente asociada
con los procesos sociales y emocionales (p. Somerville et al. 2006, Whalen et al. 1998).
Esta disociación dorsal-cognitiva / ventral-afectiva dentro de las subregiones del ACC
también refleja su patrón de conectividad diferencial. por Por ejemplo, la obstrucción
media se proyecta hacia la CFP lateral y la corteza motora, mientras que la pericárdica
proyectos cingulados para el PFC lateral y VMPFC, así como la ínsula y la amígdala (O¨
ngu¨ r & Price 2000, Pandya et al. 1981). Nuestro conocimiento de los déficits
conductuales después del daño ACC es algo limitado. El ACC se lesiona con menos
frecuencia durante un traumatismo craneal cerrado, por lo que los pacientes con lesiones
circunscritas al Los ACC son poco frecuentes en comparación con los pacientes con PFC
lateral y VMPFC. Algunos conocimientos sobre los efectos de ACC el daño proviene del
estudio de pacientes con cingulotomía sometidos a tratamiento por dolor intratable u otros
trastornos psiquiátricos (Ballantine et al., 1967; Cohen et al., 1999a, b; Corkin 1979;
Whitty et al. 1952). Entre las quejas más comunes en pacientes después de cingulotomías
hay una pérdida de energía y motivación y afecto emocional embotado (Cohen et al.,
1999b, Laplane et al. 1981, Wilson y Chang 1974). En pruebas neuropsicológicas,
pacientes que se sometieron a cingulotomías déficits demostrados en la tarea de
denominación de color de Stroop y mostraron dificultades en forma espontánea generar
nuevas respuestas en una tarea de fluidez de diseño (Cohen et al., 1999a).

ESTUDIOS FUTUROS DE LA AUTOREGULACION

FUTURE STUDIES OF SELF-REGULATION
The application of rs-fcMRI to future studies of self-regulation is likely to prove fruitful along
several dimensions. Preliminary evidence from seed-based resting-state maps of ventral striatum
connectivity suggests the possibility of a human reward subnetwork (Choi et al. 2012, Martino et al.
2008) with strong connectivity to the OFC. To the extent that a functionally connected reward
system exists, future studies of self-regulation that capitalize on rs-fcMRI will be well positioned to
investigate individual differences in connectivity within and between reward and control networks
and their relation to real-world self-regulation outcomes. Researchers have already begun to apply
rs-fcMRI as a tool to study individual differences in reward-based memory formation (Hamann
et al. 2014), smoking status (Pariyadath et al. 2014), neurofeedback for anxiety (Scheinost et al.
2014), and pain modulation (Kong et al. 2013).
In clinical populations, rs-fcMRI has shown promise as a diagnostic tool in the study of depression
in adults (Greicius et al. 2007) and adolescents (Connolly et al. 2013), obesity (Lips et al.
2014), neurodegenerative disorders (Seeley et al. 2009), and schizophrenia (Venkataraman et al. 2012). It may offer
novel insights into disruptions of network integrity that give rise to addictive
behavior, such as drug use in schizophrenia (Fischer et al. 2014).
The ability for rs-fcMRI to predict brain maturation (Dosenbach et al. 2010) is critically
important to developmental studies of reward and self-regulation, in that maturation of control
systems may lag behind that of the reward system. In particular, individual differences in the
network integrity of the frontoparietal control system in children and adolescents may be a key
factor in understanding disorders that involve self-regulation failure, such as childhood obesity
and attention deficit/hyperactivity disorder (ADHD), both of which have seen a dramatic increase
over the past three decades. Interestingly, the recent explosion of media use and multitasking by
children during this time has coincided with steep escalations in childhood obesity and ADHD, an
observation that suggests a critical linkage between attentional filtering and self-regulation failures
in children. Pioneering research by Ophir and colleagues (2009) has documented that frequent
media multitaskers struggle to filter irrelevant cues from the environment (Ophir et al. 2009) and
show a greater spread of attention to peripheral cues, whether those cues are relevant or not (Cain
& Mitroff 2011). A substantial literature now links media multitasking to attentional problems
during daily life (Baumgartner et al. 2014, Pea et al. 2012, Ralph et al. 2014, Sanbonmatsu et al.
2013). Researchers speculate that frequent shifting of attention to the periphery may strengthen
the dorsal attention network that allocates attention and selectively weaken the frontoparietal
control network responsible for filtering extra’neous information (Figure 3). To the extent that practiced behaviors can
effect changes in functional connectivity in dynamic
control systems, researchers may capitalize on individual differences in resting-state connectivity
between so-called good self-regulating brains and bad ones to develop training strategies aimed at
improving self-regulation (see also Berkman et al. 2014). In summary, self-regulation is hard—both
to achieve and to study. We believe that a systems-level approach to the study of self-regulation
afforded by recent advances in brain imaging methods offers the best opportunity to gain new
insights into why we fail at self-regulation and

FUNCTIONAL NEUROIMAGING STUDIES OF SELF-REGULATION

With the possible exception of the ACC, for which limited data exist, studies of patients with PFC
lesions coalesce around a fairly unified theme. Whereas the lateral PFC, through its connections
with cortical output systems, appears to be critical for enacting the more cognitive aspects of selfregulation,
such as goal planning and sequencing, goal maintenance, and attentional filtering of
distractors, the VMPFC, with its strong reciprocal connections to subcortical limbic structures, is well positioned to
inhibit appetitive or emotional impulses when acting on them would otherwise
lead to excessive or socially inappropriate behavior.
Despite the field’s best efforts, the extant neuroimaging literature on self-regulation, including
several of our own studies, has struggled to identify consistent activation patterns across studies. For
example, some studies provide evidence for a prominent role of the lateral PFC in self-regulation,
whereas others implicate the VMPFC or ACC.
Based on our understanding of behavioral impairments following VMPFC damage, and given
its interconnectedness to subcortical limbic structures, the VMPFC would appear to be an obvious
self-regulation candidate. Indeed, several neuroimaging studies do in fact report heightened
VMPFC activity, often in conjunction with heightened lateral PFC activity and in alcoholics
(Wrase et al. 2002), drug addicts (Garavan et al. 2000), smokers (David et al. 2005), and obese
individuals (Stoeckel et al. 2008). Paradoxically, however, this heightened VMPFC activity is observed
in those very individuals who struggle the most to self-regulate appetitive cues, which creates
the following conundrum: Both impaired VMPFC functioning (patient studies) and enhanced
VMPFC functioning (neuroimaging studies) reflect inadequate self-regulation of appetitive
behavior.
Our understanding of the contribution of the VMPFC to self-regulation is further complicated
by the region’s seemingly simultaneous role as both a reward evaluator and motivator (Wilson
et al. 2004) and an appetitive regulator. Brain imaging studies of reward and self-regulation often
obscure the issue to some degree by referring to the region as the OFC in the context of reward
and as the VMPFC in the context of self-regulation, but the underlying inconsistency remains.
Some researchers have attempted to reconcile the disparate findings by arguing that the VMPFC
may function both to inhibit appetitive behaviors when long-term goals or social contexts dictate
restraint and to consciously facilitate (i.e., upregulate) and initiate appetitive behaviors when
situational factors (e.g., social influences) conspire to promote indulgence. In short, self-regulation
and reward motivation need not always compete. The implication here is that alcoholics, smokers,
addicts, and obese individuals may alternatively engage self-regulation mechanisms to advance
long-term or situational goals to overindulge. To the extent that active goal planning is needed
to facilitate indulgence, such an account might also explain the enhanced lateral PFC activity
observed in conjunction with VMPFC activity in these studies. College students, for example,
may choose to inhibit the temptation to drink and watch movies with friends on a Thursday night
before a final exam, but come Friday after the exam, their long-term goal for the evening is to
become inebriated.
In line with this possibility, a more recent, alternate hypothesis offers a single-process model
of self-regulation whereby self-regulation is the outcome of multiple, subjective value calculations
(Inzlicht et al. 2015, Rangel et al. 2008). This hypothesis draws heavily on findings from studies of
neuroeconomics and places the VMPFC in the critical position of arbiter as it integrates automatic
appetitive and aversive signals alongside other conscious, controlled processes (e.g., situational
factors, long-term goals) and then selects the option with the greatest value for enactment (e.g.,
Hare et al. 2009, Tom et al. 2007). The key distinction between dual-process and single-process
models of self-regulation can be appreciated in the college student example described previously.
In a dual-process model, the reward motivation signal associated with drinking would increase
or decrease depending on whether self-regulation processes were engaged to inhibit (Thursday
night) or facilitate (Friday night) the signal. By contrast, the automatic reward motivation signals
associated with drinking cues would remain constant in a single-process model. Instead, longterm
goals and situational factors would differ from Thursday (e.g., “I need to study to do well
in school,” “I shouldn’t drink the night before a final”) to Friday (e.g., “I deserve to celebrate the
end of the term”), and these would lead to different subjective value outcomes in the VMPFC. Although a single-process
model of self-regulation is intriguing in that it may offer some potential
insight into the distinct roles that the ventral striatum and VMPFC/OFC play in reward
motivation and evaluation, other factors make a single-process account of self-regulation unlikely.
A key shortcoming of single-process models is that they do not allow for regulation of automatic
appetitive and aversive responses in the ventral striatum and amygdala, respectively, yet demonstrations
of signal modulations in subcortical limbic structures are numerous (for reviews, see
Cohen & Lieberman 2010, Heatherton & Wagner 2011, Ochsner et al. 2012). In addition, lesions
to the VMPFC result in disinhibited appetitive behavior. Whereas a dual-process model of
self-regulation predicts exactly this outcome, a single-process model would predict that VMPFC
damage would result in an inability to calculate the subjective values necessary to drive behavioral
outcomes. In essence, VMPFC patients should be paralyzed by indecision, which is a pattern of
behavior more characteristic of patients with ACC or lateral PFC lesions.
Neuroimaging studies comparing poor self-regulators (e.g., individuals with eating disorders,
smokers, drug-dependent individuals) with controls often report lateral PFC activity associated
with self-regulation. Whereas some studies demonstrate enhanced lateral PFC activity associated
with impaired self-regulation (David et al. 2005, Garavan et al. 2000, Stoeckel et al. 2008, Wrase
et al. 2002), others report the reverse pattern and attribute greater lateral PFC activity to selfregulation
success. For example, the lateral PFC is recruited when individuals attempt to inhibit
arousal while viewing erotic images, when smokers suppress cravings (Kober et al. 2010), and in
dieters in response to food consumption (DelParigi et al. 2007) or when viewing food cues (Demos
et al. 2011, Wagner et al. 2013).
Collectively, these studies illustrate one of the many challenges in relating increased or decreased
activity in PFC regions to self-regulation success or failure in the absence of independent
measures of successful self-regulation, such as reports of craving or desire. On the one hand,
enhanced PFC activity during self-regulation could map directly to self-regulation strength (the
more active, the better). On the other hand, increased PFC activity during self-regulation could
also reflect more effortful but ineffective attempts at self-regulation, such that individuals who
struggle to maintain control over automatic appetitive or emotional impulses must engage these
systems more robustly to exact the same amount of control as a good self-regulator. In this vein,
weak PFC activity during self-regulation may in fact be evidence for efficient, well-practiced selfregulation
processes. To the extent that this latter account is true, neuroimaging studies may
struggle to use PFC activity as an index of individual differences in self-regulatory ability, as weak
PFC activity could be equally indicative of a fluent, efficient self-regulator or an individual who
is disinclined to self-regulate at all. As an analogy, a low heart rate is characteristic of both a
world-class triathlete on a jog and a couch potato riding an escalator. Indeed, one of the most
ubiquitous findings that has emerged from decades of brain imaging research on skill learning and
habit formation is the pattern of robust engagement of neural systems when task performance is
naive and effortful that, over time, attenuates as a skill or behavior becomes automatic and efficient
through practice (Petersen et al. 1998).
To disentangle these competing accounts, researchers have attempted to link changes in PFC
activity to changes in reward cue reactivity or real-world self-regulatory behavior. For example,
Lopez and colleagues (2014) demonstrated that increased activity in the left inferior frontal gyrus
(IFG) during a standard go/no-go self-regulation task predicted successful restraint when people
were faced with real-world food temptations. Indeed, individuals with low IFG activity were
more than eight times more likely to give in to food temptations. Moreover, the weaker the
IFG response, the more the people ate when they succumbed to temptation. The straightforward
implication arising from the Lopez et al. (2014) study is that when people are faced with food
temptations in their daily lives, the successful ones engage the lateral PFC and inhibit the reward cue reactivity.
Unfortunately, such relationships are not readily apparent in neuroimaging studies
that pit self-regulation against reward cues. In Lopez et al. (2014), although ventral striatum activity
in response to food cues predicted how frequently these individuals gave in to temptation, IFG
activity in response to food cues did not similarly predict restraint. Rather, IFG activity during
the more deliberate, intentional go/no-go self-regulation task ultimately predicted real-world
restraint.
Investigators have observed similar effects in other studies using nearly identical food cue
reactivity paradigms. In Demos et al. (2011), dieters who had their diets violated by consuming a
high-calorie milkshake demonstrated greater reward cue reactivity in the ventral striatum when
viewing food cues. The left IFG was also active in dieters when viewing food cues; however, this
activity was observed for all dieters, regardless of whether their diets were violated, and had no
influence over reward activity in the ventral striatum. In Wagner et al. (2013), whereas depleted
dieters showed greater food cue reactivity in the OFC compared with nondepleted dieters, all
dieters showed enhanced IFG activity when viewing food cues.
In each of these studies, incidental viewing of appetitive cues led to heightened reward-related
neural responses in the ventral striatum and OFC in the absence of commensurate changes in
PFC activity. By contrast, explicit attempts to regulate cravings and desires have been associated
with changes in lateral PFC and ACC activity, showing increased activity in response to cigarette
paraphernalia when smokers attempt to downregulate responses (Brody et al. 2007, Kober et al.
2010), to food cues among dieters (Siep et al. 2012), to drug cues among substance abusers (Volkow
et al. 2010), and to monetary rewards among just about everybody (Delgado et al. 2008). Across all
of these studies, engaging in explicit self-regulation resulted in decreased activity in the striatum
and OFC.
When considered together, neuroimaging studies show a large degree of variability in the
putative neural substrates of self-regulation, and cognitive neuroscience models of self-regulation
have drawn upon these findings to champion the role of the VMPFC (Inzlicht Elkins-Brown &
Berkman 2015), the lateral PFC (Heatherton & Wagner 2011), the right ventrolateral prefrontal
(Cohen & Lieberman 2010) and right inferior frontal cortices (Aron et al. 2014), and the dACC
(Botvinick & Braver 2015). Moreover, many of the extant models propose different mechanisms
by which self-regulation functions to regulate behavior, with some models suggesting that control
regions act to inhibit reward motivation and others suggesting that they act to evaluate motivation
signals both for and against behavior, the winner of which results in self-regulation or indulgence.
That said, the struggle to reach consensus on a cognitive neuroscience model of self-regulation
should not be considered an indictment of the field of self-regulation research. Indeed, most models
are in relative agreement regarding the functional, anatomic correlates of reward processing.
Rather, the theoretical differences across models highlight the many challenges inherent to the
study of self-regulation. To reconcile theoretical and neuroanatomical differences across theories
of self-regulation, the field may need to consider alternatives to single- and dual-process models
of self-regulation that wish to ascribe self-regulation failure and success to processing outcomes
within a single prefrontal region, as these accounts may not capture all aspects of self-regulation.
Instead, what is likely required to advance our understanding of the cognitive neuroscience of
self-regulation is a reconsideration of the properties expected from self-regulatory brain systems
coupled with a rethinking of the tools used to study self-regulation.
Although traditional functional magnetic resonance imaging (fMRI) is well suited to capture
momentary brain activity wedded to the transitory presentation of stimuli such as reward cues, it
may struggle to capture more tonic aspects of self-regulation. Put simply, the capacity for selfregulation
reflects on-going, well-established efforts to control desires, resist temptations, and
achieve personal goals, the temporal dynamics of which are difficult to measure using standard, event-related fMRI
paradigms. This may explain, in part, why neural correlates of self-regulation
sometimes escape detection during the transient incidental presentations of reward cues yet can
manifest in more tonic, deliberative attempts to self-regulate (e.g., Lopez et al. 2014). Eventrelated
imaging studies may capture instances of executive functioning that assist self-regulation,
such as detecting conflict and inhibiting a prepotent response, but these transient responses in
support of moments of self-regulation should not be mistaken for why some people manage to
achieve their goals over time, which involves processes that operate over longer timescales (e.g.,
chronic monitoring of performance, adjusting ongoing behavior, and planning for the future). In
other words, successful self-regulation involves many executive functions, each of which may have
a neural signature that differs depending on specific task demands, (e.g., controlling thoughts,
reappraising emotion, or inhibiting prepotent responses during a Stroop task), and any one test
of executive function may tap only one piece of a larger control system. Thus, a network-level
approach may help delineate which systems are important for successful self-regulation.
So what should a self-regulation system look like? A self-regulation system should satisfy the
following criteria:
_ It must be conscious. Unlike automatic and implicit influences of subcortical reward activity,
effective self-regulation relies on conscious, ongoing attempts to regulate behavior
(Baumeister & Masicampo 2010, Hofmann et al. 2009, Posner & Rothbart 1998). As a consequence,
self-regulation is effortful and slow by comparison. Event-related neuroimaging
studies hoping to glimpse momentary instances of self-regulation may fail to do so because
a self-regulation system designed in this way would perpetually lose to the faster, automatic
subcortical systems. To compensate, a conscious, effortful self-regulation system must be
tonically engaged to be ready in advance of incoming reward cues.
_ It must understand time. An effective self-regulation system must be capable of understanding
what the ventral striatum cannot—that short-term, immediate rewards can have negative
long-term consequences. As such, a self-regulation system must be capable of long-term goal
planning and goal maintenance to effectively regulate against impulses with long-term negative
consequences and to promote behaviors with no short-term immediate reward (e.g.,
exercising) that are intended to improve long-term well-being (Baumeister & Heatherton
1996).
_ It must be configurable. Long-term goals change, and different situations necessitate regulation
of different impulses. As cortical real estate is limited, we are not likely to have an
independent self-regulation system for each of our vices. An effective self-regulation system
must therefore be domain general and capable of swapping and updating goal parameters as
situations dictate.
_ It must be anatomically positioned to interact with both processing and output systems. If
self-regulation systems are domain general and configurable, then they must be interconnected
with multiple processing systems to exert control over impulses or motor plans that
conflict with long-term goals. In addition, their localization within the cortex should overlap
with lesion studies demonstrating the myriad impairments of self-regulation following
traumatic brain imaging.
With these key properties in mind, we offer a novel approach predicated on the assumption
that event-related fMRI is ill suited to study all aspects of self-regulation. Instead, this approach
capitalizes on recently developed applications of network analysis to assess individual differences
in resting-state functional connectivity (rs-fcMRI). A key element for us to emphasize is the
discovery of functional brain networks—sets of brain regions whose spontaneous activity correlates
at rest (i.e., in the absence of explicit task constraints) (Biswal et al. 1995). Reproducibility of functional networks across
individuals and laboratories suggests that resting-state connectivity has
a common architecture, and yet some identifiable variations in connectivity patterns are likely also
related to important individual differences and behavioral outcomes, such as self-regulation (Biswal
et al. 2010). In particular, graph theory network analysis of resting-state data is a comprehensive
and powerful approach to examining resting-state connectivity that reveals the integrity of brain
systems as well as how connectivity between systems functions within wider network contexts
(Power et al. 2011). Rs-fcMRI signal correlations are believed to reflect histories of coactivation
across brain regions—a pattern of statistical coherence that arises throughout development and
provides a measure of the long-term functional relatedness of brain regions (Crossley et al. 2013).
Consistent with this notion, rs-fcMRI can successfully predict individual brain maturity across
development (Dosenbach et al. 2010). We emphasize here that network-based rs-fcMRI differs
from traditional connectivity methods used in brain imaging (e.g., task-based psycho-physiological
interactions analyses), which examine momentary rather than tonic connectivity, and that such
approaches are complementary.
This network-based approach to understanding brain organization and function (Power et al.
2011) has identified two cortical networks that meet the criteria necessary for a self-regulation system:
the frontoparietal network and the cingulo-opercular network (first described by Dosenbach
et al. 2006). The frontoparietal network incorporates dorsolateral PFC, posterior parietal, and
inferotemporal regions that are commonly activated during cognitive tasks that place demands
on goal planning, working memory, and attentional filtering. Dosenbach et al. (2006) defined the
cingulo-opercular network as a core system for the implementation of task sets. Activity within
three key regions of this system—the left and right anterior insula/frontal operculum and the dorsal
anterior cingulate extending into the middle superior frontal cortex—shows a robust, domaingeneral
spike in activity at the beginning of goal-directed task performance that is maintained
tonically throughout the task. Activity in these regions further responds transiently in response to
task-related feedback. As such, the cingulo-opercular system meets the criteria for a configurable,
domain-general self-regulation system that can adapt to changes in long-term goal planning.
Both systems meet the definition of a control system with respect to their interactions with
other brain networks. Sensory processing systems demonstrate relatively compartmentalized connectivity
patterns within their individual networks (e.g., brain regions within the somatomotor
processing network show strong within-network connectedness with other somatomotor system
neighbors but weak connectedness with other networks). Control systems, by virtue of their need
to flexibly adapt to a diverse set of dynamic task goals, demonstrate the reverse pattern (withinnetwork
connectedness is weaker in favor of more robust connectivity patterns to other networks)
(Power et al. 2011). The ability to distinguish processing systems from control systems based
on compartmentalized, within-network connectedness versus distributed, between-network connectedness
may help explain the relatively stable effects observed in studies of reward processing
and the more dynamic and variable effects observed in studies of self-regulation.
Importantly, network-based metrics that quantify within-system versus between-system connectivity
can also be used to identify network hubs—brain regions that are well positioned to
integrate and communicate across multiple systems. Cortical hubs should either demonstrate a
high degree of connectivity with multiple brain systems or occur in spatial locations where many
subnetworks are represented within a small volume (e.g., areas of overlap between the dorsal attention,
visual, frontoparietal control, and default mode systems). Both metrics identify similar
cortical hubs in the anterior insula, dorsal medial PFC, medial superior frontal cortex, medial and
inferior parietal cortices, and lateral occipitotemporal cortex.
Most of these cortical hubs fall within the frontoparietal and cingulo-opercular systems—
networks that meet all of the requirements for a self-regulation system. Moreover, the cortical hubs identified in these
control networks overlap with lateral PFC and dACC/ medial superior
frontal cortex activations reported during self-regulation.
Notably absent as a hub or articulation point of integration, however, is the VMPFC. The
VMPFC is functionally connected to the default mode network. Like all regions of this network,
the VMPFC demonstrates relatively high within-network connectedness and weak betweennetwork
connectedness, a pattern that characterizes this region in the mold of a prototypical
processing region, as would be found in the somatomotor or visual processing network (Power
et al. 2011). Said differently, the VMPFC behaves more like a bottom-up reward processor than
a top-down control hub that functions to integrate processing outcomes across multiple systems
(Power et al. 2013).
To the extent that cortical hubs in frontoparietal and cingulo-opercular control systems exert
a disproportionate influence over network functioning, lesions to hubs should affect processing
across multiple systems and produce profound impairments across multiple domains of cognition.
Indeed, recent work by Warren and colleagues (2014) examining cognitive impairments in patients
with focal lesions to network hubs provides strong support for this prediction. Damage to network
hubs produced widespread cognitive deficits on all tested measures of cognitive and behavioral
performance, whereas damage to network regions showing high within-network connectivity and
low between-network connectivity, such as the VMPFC, produced more circumscribed cognitive
impairment (although these impairments clustered around deficits of executive functioning
and personal adjustment and emotional functioning). This domain-general effect could not be
accounted for by any factor other than lesion location.
When considered in the context of resting-state networks, the seemingly disparate patterns
of activity across self-regulation studies reveal functional organization into three networks: the
frontoparietal network, the cingulo-opercular network, and the default mode network (Figure 2).
The first two demonstrate network features that are characteristic of control systems, and
collectively these two systems are home to most of the brain’s hubs (Power et al. 2013). By
contrast, the default network exhibits network properties that are characteristic of processing
systems—a finding that may reshape the way we think about the role of the VMPFC in reward
and self-regulation. Indeed, a careful consideration of activation patterns from self-regulation
studies within the broader context of network systems and their features may challenge existing
models of self-regulation and help constrain and improve future theories.

FUTURE STUDIES OF SELF-REGULATION

The application of rs-fcMRI to future studies of self-regulation is likely to prove fruitful along
several dimensions. Preliminary evidence from seed-based resting-state maps of ventral striatum
connectivity suggests the possibility of a human reward subnetwork (Choi et al. 2012, Martino et al.
2008) with strong connectivity to the OFC. To the extent that a functionally connected reward
system exists, future studies of self-regulation that capitalize on rs-fcMRI will be well positioned to
investigate individual differences in connectivity within and between reward and control networks
and their relation to real-world self-regulation outcomes. Researchers have already begun to apply
rs-fcMRI as a tool to study individual differences in reward-based memory formation (Hamann
et al. 2014), smoking status (Pariyadath et al. 2014), neurofeedback for anxiety (Scheinost et al.
2014), and pain modulation (Kong et al. 2013).
In clinical populations, rs-fcMRI has shown promise as a diagnostic tool in the study of depression
in adults (Greicius et al. 2007) and adolescents (Connolly et al. 2013), obesity (Lips et al.
2014), neurodegenerative disorders (Seeley et al. 2009), and schizophrenia (Venkataraman et al. 2012). It may offer
novel insights into disruptions of network integrity that give rise to addictive
behavior, such as drug use in schizophrenia (Fischer et al. 2014).
The ability for rs-fcMRI to predict brain maturation (Dosenbach et al. 2010) is critically
important to developmental studies of reward and self-regulation, in that maturation of control
systems may lag behind that of the reward system. In particular, individual differences in the
network integrity of the frontoparietal control system in children and adolescents may be a key
factor in understanding disorders that involve self-regulation failure, such as childhood obesity
and attention deficit/hyperactivity disorder (ADHD), both of which have seen a dramatic increase
over the past three decades. Interestingly, the recent explosion of media use and multitasking by
children during this time has coincided with steep escalations in childhood obesity and ADHD, an
observation that suggests a critical linkage between attentional filtering and self-regulation failures
in children. Pioneering research by Ophir and colleagues (2009) has documented that frequent
media multitaskers struggle to filter irrelevant cues from the environment (Ophir et al. 2009) and
show a greater spread of attention to peripheral cues, whether those cues are relevant or not (Cain
& Mitroff 2011). A substantial literature now links media multitasking to attentional problems
during daily life (Baumgartner et al. 2014, Pea et al. 2012, Ralph et al. 2014, Sanbonmatsu et al.
2013). Researchers speculate that frequent shifting of attention to the periphery may strengthen
the dorsal attention network that allocates attention and selectively weaken the frontoparietal
control network responsible for filtering extraneous information (Figure 3). To the extent that practiced behaviors can
effect changes in functional connectivity in dynamic
control systems, researchers may capitalize on individual differences in resting-state connectivity
between so-called good self-regulating brains and bad ones to develop training strategies aimed at
improving self-regulation (see also Berkman et al. 2014). In summary, self-regulation is hard—both
to achieve and to study. We believe that a systems-level approach to the study of self-regulation
afforded by recent advances in brain imaging methods offers the best opportunity to gain new
insights into why we fail at self-regulation and what we can do to become better at it.