Un equipo de Harvard desarrolló CURBD, una herramienta basada en redes neuronales recurrentes que permite inferir la dirección y la magnitud de las señales que intercambian distintas regiones del cerebro, validada en peces cebra, ratones, monos y humanos.
Un equipo de investigadores de Harvard, junto con colegas de otras instituciones, desarrolló un marco de inteligencia artificial (IA) capaz de rastrear cómo se comunican entre sí las distintas regiones del cerebro durante el comportamiento. La herramienta, llamada descomposición basada en corrientes (CURBD, en inglés), se describe en un artículo publicado en Neuron.
Hasta ahora, los neurocientíficos podían registrar qué regiones del cerebro incrementaban su actividad eléctrica durante una conducta determinada, como formar un recuerdo o tomar una decisión, pero no contaban con una forma sistemática de establecer cómo esas regiones se influyen entre sí ni cuáles actúan como principales coordinadoras de esa actividad. CURBD aborda ese vacío entrenando redes neuronales recurrentes (RNN) con datos experimentales de actividad neuronal, de manera que el modelo reproduce la dinámica observada y, a partir de los pesos aprendidos, permite descomponer la actividad de cada región en las corrientes que recibe de las demás.
Kanaka Rajan, profesora asociada de neurobiología en el Instituto Blavatnik de Harvard y autora principal y correspondiente del estudio, explicó que ninguna región cerebral opera de manera independiente.
“Ninguna región cerebral funciona de forma aislada. Todas se envían señales constantemente entre sí, influyendo mutuamente en su actividad. CURBD nos permite observar esas interacciones como nunca antes: qué región dirige a cuál y con qué intensidad”.
El equipo aplicó CURBD a conjuntos de datos de cuatro especies. En peces cebra sometidos a un paradigma de estrés inescapable, la herramienta permitió identificar cómo la actividad del núcleo del rafe y, posteriormente, del telencéfalo, impulsa a la habénula durante la transición hacia un estado de pasividad conductual asociado a la desesperanza aprendida. En ratones que corrían de forma espontánea sobre una esfera suspendida en la oscuridad, el modelo se utilizó para descomponer las corrientes que llegan a la corteza visual primaria desde otras tres regiones cerebrales.
Por otro lado, en monos macacos entrenados en una tarea de condicionamiento pavloviano, CURBD reveló interacciones asimétricas entre el estriado y la corteza cingulada anterior subcallosa (ACC). Finalmente, en pacientes humanos con electrodos implantados por razones clínicas, el modelo permitió distinguir las corrientes asociadas a la recuperación de memoria de aquellas vinculadas a la codificación de información nueva, con un papel destacado de la corteza frontal en el reconocimiento de imágenes familiares.
“Si hemos construido algo que camina como un pato y grazna como un pato, entonces es probable que los principios operativos en su interior coincidan con los del cerebro real al que no podemos acceder de otra manera”,
Es decir que si el modelo reproduce a la perfección el comportamiento de un cerebro, también puede revelar el funcionamiento real de ese cerebro.
Los autores señalan en el artículo que las matrices de interacción inferidas por el modelo no corresponden necesariamente a conexiones sinápticas reales, ya que pueden reflejar vías polisinápticas o efectos indirectos de neuromoduladores, y que la herramienta requiere poblaciones de neuronas suficientemente grandes para producir estimaciones confiables.
Rajan, citada en el comunicado de Harvard Medical School, planteó que el marco podría convertirse en un lenguaje analítico común entre disciplinas que hoy trabajan de forma separada, como la neurología y la psiquiatría, dado que tanto la enfermedad de Parkinson como la depresión mayor implican una marcada supresión del movimiento. La investigadora aspira a que este tipo de enfoques ayude a formular principios generales sobre el funcionamiento cerebral que se sostengan a través de especies, enfermedades y escalas de análisis.
“En definitiva, lo que pretendo es plasmar por escrito una especie de teorema sobre cómo funcionan los cerebros: un principio que se aplique a diferentes especies, enfermedades y escalas. CURBD es un paso en esa dirección”.
El código utilizado para entrenar los modelos y aplicar CURBD está disponible públicamente en un repositorio de GitHub mantenido por el laboratorio de Rajan.
