El cerebro es un órgano extremadamente complejo cuyo funcionamiento exacto sigue siendo difícil de entender. En promedio, el cerebro humano contiene 100 mil millones de neuronas que se disparan al recibir señales de entrada de múltiples órganos sensoriales. Pero, lo que es verdaderamente notable acerca de nuestro cerebro es la sincronización de este disparo neural cuando se desencadena por una entrada común. En pocas palabras, las entradas comunes pueden generar una respuesta colectiva en las neuronas que no solo están espacialmente separadas sino que también tienen diferentes características de activación.

La sincronización neuronal se ha observado antes en experimentos y se demuestra comúnmente durante el descanso y las actividades que involucran tareas. Sin embargo, las entradas comunes que producen esto generalmente se desconocen en situaciones del mundo real. Esto plantea una pregunta interesante:¿es posible reconstruir esta entrada observando la salida de las neuronas?

En un nuevo estudio publicado en Physical Review E el 12 de septiembre de 2022, un equipo de investigadores de Japón, dirigido por el profesor Tohru Ikeguchi de la Universidad de Ciencias de Tokio (TUS), se dispuso a responder a esta pregunta. El equipo, incluido el profesor asociado Ryota Nomura de la Universidad de Waseda (anteriormente TUS), y el profesor asociado Kantaro Fujiwara de la Universidad de Tokio, observaron las tasas de activación de las neuronas y lograron reconstruir la señal de entrada utilizando un método llamado "gráfico de recurrencia superpuesta". (PRV).

"Desarrollamos un método que utiliza un diagrama de recurrencia (RP). RP se introdujo originalmente para caracterizar los sistemas dinámicos no lineales, ya que contienen información multidimensional, a pesar de que solo proporcionan una visualización bidimensional", explica el profesor Ikeguchi. "Dado que las neuronas son sistemas dinámicos no lineales, hipotéticamente podemos obtener información sobre una entrada común si equilibramos los efectos de la dinámica neuronal".

El método SRP utilizado por el equipo en su trabajo es simplemente un RP en el que se suma un valor de píxel entre los píxeles correspondientes de múltiples RP y luego se le asigna un valor binario de 0 o 1 en función de si la suma es igual o mayor que 1.

El equipo utilizó el modelo estándar de Izhikevich para estudiar los disparos de las neuronas desacopladas. Consideraron tres casos distintos de patrones de activación de neuronas. En el primer caso, reconstruyeron la entrada común para neuronas localizadas con tasas de activación similares. En el segundo caso, lo hicieron para una mezcla de neuronas con diferentes índices de activación de referencia. Finalmente, en el tercer caso, investigaron si el método SRP podía reconstruir una entrada común para una respuesta caótica del modelo Izhikevich.

Efectivamente, descubrieron que podían reconstruir la señal de entrada utilizando el método SRP para neuronas caóticas. "Cuando seleccionamos un período de tiempo adecuado para calcular las tasas de activación de las neuronas, podemos reconstruir la señal de entrada con una precisión bastante alta", dice el profesor Ikeguchi. Esto representa un gran avance no solo en el estudio del cerebro y la neurociencia, sino también en otros sistemas dinámicos que muestran un comportamiento caótico.

Las implicaciones potenciales de sus hallazgos son enormes para la inteligencia artificial, como señala el profesor Ikeguchi:"Los modelos actuales de inteligencia artificial no pueden reproducir verdaderamente el poder de procesamiento de información de nuestros cerebros. Esto se debe a que los modelos de neuronas utilizados son demasiado simplificados y están lejos de ser representativos de la neuronas reales en nuestros cerebros. Nuestra investigación nos acerca un paso más a la comprensión de cómo ocurre el proceso de información dentro de nuestros cerebros. Esto podría allanar el camino para nuevos dispositivos informáticos neuromórficos".

Además, podría ayudarnos a comprender mejor la aparición de los trastornos de salud mental y diseñar tratamientos para ellos. En general, el estudio podría ser una revelación sobre qué tan bien (o poco) entendemos nuestro cerebro. + Explora más

Un estudio muestra que un modelo sencillo y computacionalmente ligero puede simular respuestas complejas de células cerebrales