Un nuevo modelo matemático ayuda a los científicos a entender cómo el cerebro procesa diferentes tipos de información, como imágenes y sonidos, al tomar decisiones.
Desarrollado por neurocientíficos de la Universidad de Princeton (Estados Unidos), el estudio podría mejorar la comprensión de las disfunciones de los circuitos cerebrales en trastornos neurológicos como el Alzheimer, así como contribuir a los avances en inteligencia artificial (IA), haciendo que tecnologías como Alexa y los autos autónomos sean más eficientes.
Los hallazgos fueron publicados el pasado 10 de febrero en la revista Nature.
El centro de decisiones del cerebro
Una región del cerebro fundamental para la toma de decisiones es la corteza prefrontal, que se encuentra justo detrás de los ojos y se considera el epicentro de la cognición superior.
Estudios anteriores descubrieron que la respuesta de las células cerebrales individuales en la corteza prefrontal durante la toma de decisiones es multifacética y compleja. Por ejemplo, una neurona en la corteza prefrontal puede activarse solo en respuesta a un semáforo en verde cuando hay un automóvil bloqueando el paso de peatones.
Sin embargo, los investigadores no han logrado comprender de manera unificada cómo las células cerebrales en la corteza prefrontal procesan la información sensorial, como las señales de tráfico, y luego generan resultados conductuales, como decidir cruzar la calle de forma imprudente.
En su reciente artículo, el investigador postdoctoral Christopher Langdon y la profesora adjunta de neurociencia Tatiana Engel proponen un nuevo modelo matemático para explicar mejor la toma de decisiones, denominado modelo de circuito latente.
En lugar de un modelo complejo de redes neuronales recurrentes, Langdon y Engel proponen que, para comprender una gran red de actividad cerebral y tratar de entender cómo el comportamiento de cada célula se ve influenciado por otra, tal vez unas pocas células nerviosas líderes puedan explicar la actividad de toda la multitud e influir en la toma de decisiones, lo que los neurocientíficos llaman un mecanismo de “baja dimensión”.
“El objetivo de la investigación era entender si los mecanismos de baja dimensión estaban operando dentro de grandes redes neuronales recurrentes”, dijo Langdon.
Prueba del modelo: un experimento de toma de decisiones
Para probar su hipótesis, Langdon y Engel aplicaron primero su nuevo modelo a redes neuronales recurrentes entrenadas para realizar una tarea de toma de decisiones dependiente del contexto.
La tarea, realizada por humanos, monos u ordenadores, comienza con una forma en una pantalla (cuadrado o triángulo, señal de contexto), seguida de una cuadrícula en movimiento (señal sensorial). En función de la forma, se le pide al participante que informe el color (rojo o verde) o el movimiento (izquierda o derecha) de la cuadrícula en movimiento.
A través del nuevo modelo, Langdon y Engel descubrieron que cuando el movimiento era la señal importante que los participantes debían seguir, las células de la corteza prefrontal que procesan la forma desactivaban las células vecinas que prestaban atención al color. Lo opuesto sucedía cuando se les pedía que discriminaran entre rojo y verde.
“Fue muy emocionante encontrar un mecanismo interpretable y concreto escondido dentro de una gran red”, dijo Langdon.
Validación de las predicciones del modelo
El modelo de circuito latente hace predicciones sobre cómo deberían cambiar las elecciones cuando se altera la fuerza de las conexiones entre diferentes nodos latentes. Esto es importante porque permite a los investigadores validar si la estructura de conectividad latente es realmente necesaria para respaldar el desempeño de la tarea. De hecho, los autores descubrieron que el desempeño de la tarea se vio afectado de maneras predecibles al eliminar conexiones específicas en el circuito.
Este nuevo modelo abre nuevas posibilidades para revelar mecanismos que expliquen cómo la conectividad entre cientos de células cerebrales da lugar a los cálculos que impulsan a las personas a tomar decisiones diferentes.
Implicaciones para la salud mental y la IA
Los problemas de toma de decisiones son un sello distintivo de varios trastornos complejos de salud mental, que van desde la depresión hasta el trastorno por déficit de atención e hiperactividad.
Al revelar los cálculos matemáticos que realiza el cerebro para ayudar a las personas a tomar decisiones, estos hallazgos pueden ayudar a comprender mejor estas afecciones desafiantes y a mejorar la capacidad de toma de decisiones de las tecnologías, desde los asistentes digitales como Alexa hasta los automóviles autónomos.
Sin embargo, los primeros pasos implican aplicar este nuevo modelo a otras tareas de toma de decisiones que se utilizan comúnmente en el laboratorio.
«Creo que muchas de las tareas de toma de decisiones estrictamente controladas que estudian los experimentalistas probablemente tengan mecanismos latentes relativamente simples», dijo Langdon. «Mi esperanza es que podamos comenzar a buscar estos mecanismos ahora en esos conjuntos de datos».
Continúa leyendo: El COVID-19 afecta los cerebros de los adultos jóvenes, según un estudio neurocientífico
Se parte de nuestra comunidad en nuestras redes sociales
