Estimulación transcraneal de corriente continua de alta definición sobre la corteza prefrontal dorsolateral derecha para mejorar la sensibilidad metacognitiva

Resumen

Este estudio propuso un paradigma experimental que aplica la estimulación transcraneal de corriente continua de alta definición (HD-tDCS) para mejorar la metacognición humana en las tareas de delegación humano-IA. Los resultados demostraron la efectividad de HD-tDCS para mejorar la sensibilidad metacognitiva.

Resumen

En la colaboración entre humanos e IA, la delegación de tareas es un componente crítico. Idealmente, si una persona cree que es capaz de completar una tarea, debería hacerlo por sí misma; de lo contrario, la tarea debe delegarse a la otra parte. Tales decisiones de delegación están influenciadas por las evaluaciones de los individuos sobre sus propias habilidades, que están moldeadas por la metacognición, la capacidad de evaluar las propias capacidades. La estimulación transcraneal de corriente continua de alta definición (HD-tDCS) es una tecnología de estimulación cerebral no invasiva que puede regular la excitabilidad de la corteza cerebral para mejorar el rendimiento humano. Este protocolo presenta un método que emplea HD-tDCS para investigar sus efectos sobre la metacognición humana durante las tareas de delegación humano-IA, detallando el procedimiento para aplicar estimulación anódal, catódica o simulada a la corteza prefrontal dorsolateral (DLPFC). La estimulación se realizó utilizando un dispositivo portátil HD-tDCS, utilizando una disposición circunferencial de cinco electrodos, incluido un electrodo objetivo y cuatro electrodos de retorno. La estimulación duró un total de 21 min y la intensidad de la corriente fue de 2 mA. Se espera que este método proporcione una nueva vía de investigación para una mayor exploración en profundidad de los mecanismos neuronales y la regulación del comportamiento de los humanos en el proceso de delegación de tareas colaborativas entre humanos e IA y proporcione una base teórica sólida para optimizar aún más las tareas colaborativas entre humanos e IA.

Introducción

La inteligencia artificial (IA) está cada vez más entrelazada tanto con nuestra vida cotidiana como con el lugar de trabajo. Sin embargo, en muchos contextos del mundo real, la IA aún no es capaz de automatizar completamente los procesos de toma de decisiones¹. Ciertas tareas siguen siendo particularmente desafiantes para la IA debido a las limitaciones tecnológicas actuales, así como a consideraciones éticas y legales. Como resultado, otorgar plena autonomía a la IA en dominios específicos a menudo no es práctico o desaconsejable ^2,3. Los humanos, por lo tanto, continúan desempeñando un papel indispensable en el lugar de trabajo, y se espera que la colaboración entre humanos e IA se convierta en un modo dominante de producción y prestación de servicios en el futuro. La investigación en áreas como la atención médica, la hospitalidad y los recursos humanos ha demostrado que los esfuerzos de colaboración entre los humanos y la IA pueden reducir los costos y, en algunos casos, mejorar la eficiencia ^4,5,6.

En la colaboración entre humanos e IA, se espera que cada parte realice tareas que se alineen con sus respectivas fortalezas, mientras delega tareas menos adecuadas a la otra. Por lo tanto, la delegación efectiva de tareas es esencial para una colaboración exitosa y resultados de desempeño óptimos. Adam et al. encontraron que cuando el proceso de delegación está completamente automatizado y es manejado únicamente por IA sin participación humana, los humanos tienden a experimentar una mayor percepción de autoamenaza⁷. Fuegener et al. informaron además que durante el proceso de delegación de tareas a la IA, las personas a menudo luchan por evaluar con precisión sus propias capacidades o evaluar la dificultad de la tarea, lo que refleja un bajo nivel de metacognición⁸. Estos hallazgos resaltan la importancia de mejorar la metacognición en escenarios de delegación humano-IA para mejorar la eficiencia y la calidad de la colaboración.

La metacognición se refiere a la capacidad de un individuo para evaluar sus propias capacidades⁹. En el contexto de la delegación mutua entre humanos e IA, es esencial no solo formar una comprensión precisa de las capacidades de la otra parte, sino también evaluar las propias habilidades para determinar cuándo la delegación es apropiada. Jussupow et al. encontraron que la colaboración entre humanos e IA es más efectiva cuando los humanos demuestran altos niveles de metacognición, es decir, cuando pueden evaluar con precisión tanto sus propias habilidades como las de la IA¹⁰. Del mismo modo, Atchley et al. encontraron que fomentar la metacognición en entornos educativos puede promover una colaboración más profunda y efectiva entre los humanos y los sistemas de IA¹¹. Estudios anteriores sobre la colaboración entre humanos e IA a menudo han evaluado la metacognición a través de cuestionarios de autoinforme o utilizando calificaciones de confianza humana como medidas indirectas. Sin embargo, en la investigación psicológica, una medida más establecida y rigurosa de la metacognición es la sensibilidad metacognitiva (meta-d'⁾¹². En el presente estudio, utilizamos meta-d', siguiendo el enfoque descrito por Maniscalco et al. para evaluar la sensibilidad metacognitiva¹³.

La estimulación transcraneal de corriente continua (tDCS) ha sido ampliamente utilizada en investigaciones destinadas a mejorar la metacognición¹⁴. Los aspectos centrales de la metacognición están estrechamente asociados con la corteza prefrontal. La tDCS suministra una corriente continua débil a regiones específicas del cerebro, modulando la excitabilidad neuronal y la plasticidad sináptica de una manera no invasiva y no intrusiva, lo que permite a los investigadores mejorar diversas funciones cognitivas¹⁵. Harty et al. encontraron que la estimulación anódica sobre la corteza prefrontal dorsolateral derecha (DLPFC) mejoró el rendimiento de detección de errores de los participantes en una tarea de conciencia de errores, mejorando así su monitoreo metacognitivo del rendimiento cognitivo¹⁶. Bona y Silvanto informaron que la tDCS anódica afectó el sesgo metacognitivo en una tarea de memoria de trabajo¹⁷. Mattes et al. mostraron que, si bien la tDCS influyó en las calificaciones de confianza de los participantes tanto en las tareas de metacognición como en las de mentalización, no alteró su sensibilidad metacognitiva¹⁸. Se ha demostrado que la interrupción temporal o el daño a la corteza prefrontal, específicamente las áreas 46 y 10 de Brodmann, tanto en humanos como en monos, induce cambios en los procesos metacognitivos¹⁴. Además, estudios previos han proporcionado evidencia causal que vincula la estimulación de la DLPFC con las habilidades metacognitivas^19,20. El DLPFC derecho, en particular, juega un papel clave dentro de la red neuronal subyacente al control cognitivo^21,22, que está estrechamente relacionado con las demandas de nuestra tarea experimental. Por lo tanto, seleccionamos el DLPFC correcto como nuestro sitio objetivo para la estimulación. De acuerdo con los protocolos establecidos en los estudios de tDCS sobre metacognición, aplicamos una corriente de 2 mA durante 21 min, incluida una fase de aceleración y disminución de 1 min^17,23. Actualmente, la mayor intensidad de corriente utilizada en la tDCS es de 4 mA, que ha demostrado ser tolerable para los participantes en el estudio realizado por Workman et ^al.24.

La estimulación transcraneal de corriente continua de alta definición (HD-tDCS) es una modificación de alta precisión de la tDCS convencional, que ofrece una neuromodulación más específica a través de montajes de electrodos especializados. En comparación con la tDCS convencional, que utiliza dos electrodos de almohadilla grandes, la HD-tDCS permite una estimulación más específica y focal de regiones específicas del cerebro, lo que resulta en efectos más sostenidos^25,26. A diferencia de las técnicas de neurofeedback que también tienen como objetivo mejorar el rendimiento cognitivo²⁷, la HD-tDCS ofrece varias ventajas prácticas, incluido un período de activación más corto, procedimientos de aplicación más simples y menores costos de implementación²⁸. Desde la perspectiva de la delegación de tareas de IA humana, HD-tDCS ofrece una mayor precisión espacial, facilidad de operación y rentabilidad. Además, permite a los participantes participar en tareas sostenidas que implican la delegación y la reflexión dentro de contextos que se aproximan a escenarios de la vida real o del lugar de trabajo, lo que lo hace especialmente adecuado para sondear la metacognición en la delegación humano-IA. En este estudio, se empleó HD-tDCS para administrar una estimulación más dirigida a la DLPFC.

Diseño experimental

Los materiales experimentales se obtuvieron del ImageNet Large Scale Visual Recognition Challenge (ILSVRC)²⁹. El modelo de IA fue GoogLeNet Inception v3, uno de los modelos de mayor rendimiento en tareas de clasificación de imágenes³⁰.

La tarea experimental fue una tarea de delegación de IA humana, específicamente una tarea de clasificación de imágenes. La clasificación de imágenes implica asignar una imagen de destino a una categoría, y es una tarea general que no requiere ninguna capacitación específica del dominio ni experiencia previa. Las tareas basadas en antecedentes situacionales específicos pueden comprometer la generalización. Por ejemplo, en escenarios de alto riesgo que involucran pérdidas potenciales, las personas tienden a delegar decisiones a AI³¹, convirtiéndola efectivamente en el chivo expiatorio del equipo³². La tarea utilizada en este estudio fue adaptada del paradigma de clasificación colaborativa humano-IA desarrollado por Fuegener et al. y por Gass et ^al.8,33.

Se realizó un experimento preliminar para evaluar el nivel de dificultad de la imagen. La dificultad de la imagen es la precisión promedio de la imagen correspondiente en la condición humana sola. Como se muestra en la Figura 1, cada ensayo consistió en una imagen de destino y cinco conjuntos de opciones de imagen. Se pidió a los participantes que eligieran el conjunto de opciones que mejor coincidiera con la imagen de destino. Un total de 217 participantes completaron el estudio preliminar. Todos los participantes en el estudio preliminar fueron excluidos del reclutamiento para el experimento principal.

Figura 1: Interfaz del experimento preliminar. Interfaz mostrada a los participantes en el experimento preliminar, donde seleccionaron una respuesta de cinco opciones. Haga clic aquí para ver una versión más grande de esta figura. 

En la interfaz formal del experimento (consulte la Figura 2), se muestra una imagen de destino en la parte superior de la pantalla. Además, se presentan cinco opciones de grupo de imágenes y una opción de delegación (ubicada en la parte superior derecha de la pantalla). Los participantes deben decidir entre delegar la tarea a la IA y completarla ellos mismos. En este último caso, seleccionan una de las cinco opciones de categoría de imagen que mejor se adapte a la imagen de destino. Después de cada decisión, la interfaz avanza a la página siguiente, donde se pide a los participantes que califiquen su confianza en su decisión de delegación en una escala del 1 al 4. Antes de que comenzara el experimento formal, se informó a los participantes que el sistema de IA tenía una precisión promedio del 76%.

Figura 2: Interfaz de experimento formal. Interfaz principal mostrada a los participantes durante la tarea. (A) La interfaz de tareas; (B) la interfaz de calificación de confianza. Haga clic aquí para ver una versión más grande de esta figura.

Se reclutaron un total de 62 participantes diestros para el experimento principal. Todos los participantes eran estudiantes de posgrado que no tenían experiencia previa con tareas experimentales similares. Los criterios de exclusión fueron los siguientes: los participantes no deben haber tomado ningún fármaco sedante-hipnótico o sustancias psicoactivas dentro de las 24 h anteriores al experimento, no deben tener defectos craneales (p. ej., agujeros o fracturas) y no deben tener implantes metálicos en el cráneo (p. ej., placas metálicas). Se excluyeron dos participantes: uno debido a una inflamación dermatológica que impidió la estimulación de HD-tDCS y otro por ingerir una bebida con cafeína antes del experimento. Los 60 participantes restantes (edad media = 22,68 ± 0,91 años) completaron el experimento. Fueron asignados aleatoriamente a una de las tres condiciones de estimulación: anódal, catódica o simulada, cada una con 20 participantes. Las simulaciones de campo eléctrico se muestran en la Figura 3. Cada participante realizó la tarea de clasificación de imágenes una vez antes y una vez después de la estimulación, lo que produjo 120 conjuntos de datos para el análisis. El procedimiento HD-tDCS se ilustra en la Figura 4 y el flujo de trabajo experimental se resume en la Figura 5. Realizamos un análisis de potencia a priori utilizando G*Power 3.1³⁴, asumiendo una potencia del 90% (1 - β = 0.90), un tamaño del efecto de f = 0.25 y un nivel alfa de 0.05. El análisis indicó que se necesitaría un mínimo de 18 participantes por grupo. Nuestro tamaño de muestra final cumplió con este requisito.

Figura 3: Simulación de campo eléctrico. Vista lateral de la distribución del campo eléctrico (lado derecho). (A) Condición de estimulación anódica. (B) Condición de estimulación catódica. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: Configuración experimental de HD-tDCS. Fotografía de la configuración experimental HD-tDCS, que ilustra la colocación del electrodo y la posición del dispositivo durante la estimulación. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Diagrama de flujo experimental. El experimento comprendió tres fases, incluidas las tareas de clasificación de imágenes realizadas antes y después de la estimulación. Abreviaturas: HD-tDCS = estimulación transcraneal de corriente continua de alta definición; rDLPFC = corteza prefrontal dorsolateral derecha. Haga clic aquí para ver una versión más grande de esta figura.

Protocolo

Este estudio se realizó de acuerdo con los principios de la Declaración de Helsinki y fue aprobado por la Junta de Revisión Institucional de la Universidad de Ciencia y Tecnología de Jiangsu. Obtuvimos el consentimiento informado de los participantes para usar y divulgar sus datos.

1. Preparación

1. Prepárese para la tarea del experimento.
   1. Descargue los datos de las imágenes del sitio web de ImageNet (https://image-net.org/).
      NOTA: Las imágenes descargadas están categorizadas y cada categoría contiene varias imágenes.
   2. Ejecute el código de Python relacionado con el modelo GoogLeNet Inception v3 para clasificar imágenes (consulte Archivo complementario 1). Guarde las cinco categorías predichas principales para cada imagen, junto con la precisión de clasificación Top-1.
      NOTA: Este código de Python realiza la clasificación de imágenes cargando el modelo Inception V3. Para cada imagen de destino, genera las cinco categorías predichas principales. Los conjuntos de imágenes correspondientes a estas cinco categorías predichas se presentan a los participantes como opciones de respuesta en el experimento. Si la categoría correcta no se encuentra entre las cinco predicciones principales, una de las categorías predichas se reemplaza por la correcta para garantizar su inclusión entre las opciones.
   3. Utilice Python o cualquier programa de muestreo aleatorio para seleccionar la imagen de destino de las imágenes clasificadas por el modelo.
   4. Para cada imagen de destino, extraiga 10 imágenes para cada una de las cinco categorías para que sirvan como opciones de respuesta. Cambie el tamaño de todas las imágenes para garantizar dimensiones uniformes.
   5. Realice un estudio preliminar e invite a los participantes a participar en el experimento.
      NOTA: El estudio preliminar fue similar al experimento formal, excepto que se requirió que los participantes completaran todos los ensayos por sí mismos, sin la opción de delegar y sin un proceso de calificación de confianza.
   6. Registre la precisión de cada participante al responder a cada imagen y calcule la tasa de precisión de cada imagen. Utilice las puntuaciones de precisión como un índice de dificultad de la imagen para clasificar las imágenes en consecuencia.
      NOTA: Todas las imágenes están ordenadas por precisión, y una mayor precisión indica una menor dificultad. Por ejemplo, cuando el 10% de los participantes responden correctamente a una imagen, la dificultad de esa imagen se establece en el 90%.
   7. Divida las imágenes en dos conjuntos de dificultad comparable según sus puntajes de dificultad. Utilice los dos conjuntos de imágenes como materiales experimentales para crear el programa experimental formal a través del E-prime 3 (consulte el Archivo complementario 1).
      NOTA: Este programa experimental fue diseñado para presentar la tarea de clasificación de imágenes.
2. Asegúrese de que el participante no tenga contraindicaciones para HD-tDCS y no cumpla con ningún criterio de exclusión. Presentar el procedimiento experimental a los participantes y obtener el consentimiento informado por escrito después de confirmar su comprensión del estudio.
   NOTA: Pregúntele al participante sobre su mano dominante y confírmelo observando qué mano usa para escribir.
3. Mida la circunferencia de la cabeza del participante con una cinta métrica y seleccione el tamaño apropiado de la gorra de neopreno HD-tDCS (consulte la tabla de materiales) en consecuencia.
4. Verifique que el dispositivo HD-tDCS esté completamente cargado. Asegúrese de que todos los accesorios, incluidos los electrodos, el gel de electrodos, la jeringa provista con el instrumento, los cables de electrodos y la computadora utilizada para operar el sistema HD-tDCS, estén listos para usar.
5. Seleccione aleatoriamente una de las dos tareas experimentales como condición previa a la prueba. Indique al participante que complete la tarea de clasificación de imágenes.
   NOTA: Se puede utilizar un generador de números aleatorios para asignar aleatoriamente condiciones experimentales.
   1. Abra el programa.
   2. Haga clic en EJECUTAR, ingrese el número de asunto y el número de sesión, confirme la información y haga clic en SÍ para iniciar la tarea experimental.

2. Estimulación HD-tDCS

1. Inserte las partes inferiores de los cinco electrodos en las posiciones correspondientes en la tapa de neopreno. Estas cinco posiciones sirven como sitios de estimulación.
   NOTA: Para apuntar al DLPFC correcto, use las siguientes cinco posiciones de electrodos: F4, Fp2, Fz, C4 y F8.
2. Indique al participante que se siente cómodamente en una silla. Coloque el borde frontal de la gorra de neopreno aproximadamente 1-2 cm por encima de las cejas. Asegúrese de que Cz esté alineado con el punto medio entre los dos puntos preauriculares. Coloque la gorra de forma segura en la cabeza del participante, asegurando una alineación adecuada.
   NOTA: Al colocar la tapa, asegúrese de ubicar Cz, el inciso, el nasión y los puntos preauriculares izquierdo y derecho de acuerdo con el sistema internacional de EEG 10-20.
3. Aplique gel de electrodos (verTabla de materiales) en cada sitio de estimulación usando la jeringa provista con el instrumento para reducir la impedancia entre los electrodos y el cuero cabelludo.
   NOTA: El gel del electrodo es un gel altamente conductor y soluble en agua.
   1. Llene la jeringa con gel de electrodos.
   2. Para cada electrodo, separe el cabello con la jeringa para exponer el cuero cabelludo.
   3. Inyecte una cantidad suficiente de gel para electrodos en el cuero cabelludo expuesto dentro de las partes inferiores de todos los electrodos.
   4. Atornille las partes superior e inferior de todos los electrodos.
4. Conecte el dispositivo HD-tDCS.
   1. Encienda el dispositivo HD-tDCS e inicie el software de control correspondiente (consulte la tabla de materiales).
      NOTA: El ordenador que ejecuta el software de control debe cumplir al menos los siguientes requisitos: Procesador: 1,6 GHz; RAM: 2 GB; Interfaz: USB o WiFi; Resolución de pantalla: 1.280 x 768.
   2. Habilite Bluetooth en la computadora. En el software de control, seleccione USAR dispositivos Wi-Fi para comenzar el proceso de conexión.
   3. Espere a que aparezca la dirección MAC del dispositivo en la lista. Una vez que aparezca, seleccione el dispositivo.
   4. En la configuración del filtro de ruido de línea, seleccione 50 Hz para eliminar la interferencia eléctrica. 
      NOTA: La frecuencia seleccionada debe coincidir con la frecuencia de alimentación de CA utilizada en el país donde se realiza el experimento.
   5. En la parte inferior del panel de configuración, haga clic en el botón Usar este dispositivo . El software establecerá una conexión con el dispositivo.
5. Configure el protocolo de estimulación HD-tDCS.
   1. Haga clic en el icono con forma de cabeza en el panel izquierdo del software de control. Luego, haga clic en AGREGAR NUEVO PROTOCOLO para crear un nuevo protocolo de estimulación.
   2. Establezca la duración del protocolo en 21 min, con un período de aceleración de 30 s y un período de reducción de 30 s para la entrega actual.
      NOTA: Si el protocolo es una estimulación simulada, habilite la opción simulada .
   3. Arrastre el electrodo F4 a la columna Estimulación de la derecha. Configure el canal en modo de estimulación, ingrese una intensidad de corriente de 2,000 μA³⁵, seleccione estimulación anódica.
      NOTA: La designación del ánodo y el cátodo depende del tipo de estimulación previsto.
   4. Arrastre los electrodos Fp2, Fz, C4 y F8 a la columna Estimulación. Configure cada canal en modo de retorno, asignando el 25% de la corriente total a cada uno. Guarde el protocolo.
   5. Seleccione el protocolo de estimulación configurado. Fije el dispositivo HD-tDCS a la correa de velcro en la parte posterior de la gorra. Utilice los cables de electrodos para conectar el dispositivo al hardware del electrodo.
      NOTA: Asegúrese de que cada cable esté conectado a la posición correcta del electrodo, coincidiendo con la configuración del software.
   6. Confirme que todos los cables estén conectados correctamente. Haga clic en el botón CARGAR PROTOCOL en la esquina inferior derecha.
6. Haga clic en el botón COMPROBAR IMPEDANCIA para realizar una comprobación de impedancia.
   NOTA: Asegúrese de que los indicadores de estado de conexión para todos los electrodos seleccionados sean verdes (0-10 kΩ) o naranjas (10-15 kΩ). Si algún indicador aparece rojo (>15 kΩ), vuelva a aplicar el gel del electrodo o ajuste el cabello para exponer más cuero cabelludo y reducir la impedancia.
7. Haga clic en el botón de inicio (icono de triángulo que apunta a la derecha) para iniciar la estimulación.
8. Indique a los participantes que informen sus sensaciones en múltiples momentos durante la sesión de estimulación.
   NOTA: Si un participante informa molestias más allá de las sensaciones normales, haga clic inmediatamente en el botón STOP en el software, retire el dispositivo del participante y verifique el estado de su cuero cabelludo.

3. Estimulación posterior

1. Apague el software de control. Desconecte los cables de los electrodos y retire con cuidado el dispositivo HD-tDCS.
2. Retire la tapa de la cabeza del participante y separe todos los electrodos.
3. Seleccione el otro programa experimental que aún no se ha completado. Indique al participante que complete la tarea de clasificación de imágenes como prueba posterior.
4. Proporcione al participante suministros para limpiar su cabello.
5. Indique a los participantes que completen un cuestionario de sensaciones después de la sesión de HD-tDCS³⁶. Utilice el cuestionario para evaluar la tolerancia de los participantes y la experiencia subjetiva de la estimulación HD-tDCS.
6. Limpie la tapa de la cabeza y los electrodos.
   1. Enjuague bien la tapa con agua. Cuelgue la tapa para que se seque al aire.
   2. Use agua del grifo para enjuagar suavemente el gel de los electrodos.
      NOTA: Use agua tibia para disolver el gel más rápidamente.
   3. Deje que los electrodos se sequen al aire sobre una toalla de papel o un paño lejos de la luz solar directa. Una vez secos, colóquelos en su embalaje para su almacenamiento a largo plazo.

Resultados

El resultado clave de este estudio incluye la medición de la sensibilidad metacognitiva utilizando el meta-d'. Se realizó una prueba de normalidad en las puntuaciones de sensibilidad metacognitiva de los participantes en diferentes tipos de estimulación, y los resultados mostraron que la normalidad se cumplió en todas las condiciones. Se realizó un ANOVA de medidas repetidas para comparar la sensibilidad metacognitiva entre diferentes tipos de estimulació...

Discusión

Para garantizar la confiabilidad de los resultados experimentales, se deben considerar varios factores durante el procedimiento. En primer lugar, al conectar los cables al hardware de electrodos HD-tDCS, es crucial verificar que cada cable se corresponda exactamente con la posición designada del electrodo, ya que las conexiones incorrectas pueden causar efectos fisiológicos no deseados. En segundo lugar, dado que se trata de un estudio simple ciego que involucra una condición de estimula...

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Cables de electrodos	Neuroeléctrica	Cable de 10 electrodos	El cable de electrodos tiene 10 zócalos médicos para electrodos.
Gel de electrodos	Laboratorios Parker	Signagel 250g NE016b	Se utiliza para disminuir la impedancia y mejorar la calidad de la señal.
Electrodos	Neuroeléctrica	NG PISTIM NE029	El NG Pistim consta de dos piezas: el sujetador (parte superior) y la arandela roscada (parte inferior).
Software experimental	HERRAMIENTAS DE SOFTWARE DE PSICOLOGÍA	E-prime3.0 Build 3.0.3.31	Este es el software utilizado para crear el programa experimental.
Dispositivo HD-tDCS	Neuroeléctrica	Starstim 8	Este es el dispositivo utilizado para proporcionar la estimulación HD-tDCS.
Software HD-tDCS	Neuroeléctrica	NIC2 V2.1.3.6	Es la aplicación que permite a un ordenador interactuar con el dispositivo HD-tDCS.
Portátil	Dell	G5 5500	Este ordenador ejecuta el software utilizado en el experimento.
Tapa de neopreno	Neuroeléctrica	M	Es una tapa para colocar con precisión los electrodos en el cuero cabelludo. Tamaños: S (49 cm), M (54 cm), L (57 cm), XL (60 cm)
Herramienta estadística	IBM	SPSS V26	Se utiliza para el análisis de datos.
Jeringa	-	NE014	Se utiliza para inyectar gel de electrodos.