Menu
BLOG DE LA FUNDACIÓN PARA LA INVESTIGACIÓN SOBRE EL DERECHO Y LA EMPRESA




Neurocomputación: Modelos computacionales del cerebro


18/04/2018

El pasado 22 de febrero Gustavo Deco, Director Center for Brain and Cognition, Theoretical and Computational Group, Universitat Pompeu Fabra / ICREA, participó como ponente en el Grupo de Trabajo: Neurociencia y Derecho donde analizamos el tema Neurocomputación: Modelos computacionales del cerebro. Con motivo de esta sesión, el Prof. Dr. Gustavo Deco ha escrito un artículo sobre los modelos computacionales del cerebro y sus beneficios para comprender el cerebro humano.


Prof. Dr. Gustavo Deco
Prof. Dr. Gustavo Deco
Las enfermedades cerebrales y en particular los trastornos psiquiátricos son dolencias con efectos devastadores, no solo para las personas afectadas, sino también para toda la sociedad, ya que se han convertido en una carga de salud muy grande. Por citar un ejemplo, el trastorno depresivo mayor tiene una prevalencia de vida del 17% y es la principal causa de años perdidos por discapacidad en todo el mundo. Más aún, se predice que será la enfermedad que más contribuya a la carga mundial de enfermedades para el año 2030. Si bien se han producido avances, la escasez de modelos animales satisfactorios y sobre todo la relativa inadecuación de los tratamientos actuales, hace urgentemente necesario el desarrollo de nuevas estrategias de investigación. El modelado computacional del cerebro (completo) es una de las estrategias más prometedoras, y de hecho está teniendo un impacto crucial en nuestra comprensión actual básica del cerebro sano, así como también para su diagnóstico y tratamiento en caso de enfermedad.
 
Recientemente, las técnicas de neuroimagen han permitido acceder a la actividad del cerebro humano en su totalidad, generando grandes expectativas científicas en torno a la posibilidad de profundizar nuestro conocimiento del órgano más importante y distintivo del ser humano. Sin embargo, la mera fenomenología no ha sido capaz de ofrecer explicaciones causales per se, aunque, siguiendo el modelo epistemológico Galileano, sí ofrece la base del desarrollo de modelos mecanísticos teóricos que poseen poder explicativo.
 
Para cumplir con estas grandes expectativas, junto con otros científicos y clínicos, durante la última década desarrollamos un nuevo marco de modelos de cerebro completo cada vez más sofisticados que nos ha permitido obtener una mejor y mucho más detallada comprensión mecanicista de la forma de funcionar del cerebro humano. Estos modelos combinan conectividad estructural y datos de neuroimagen funcional multimodal, junto con modelos generativos sofisticados de la dinámica neuronal en regiones cerebrales. Además, cuidadosas investigaciones sistemáticas de estos modelos cerebrales in silico nos han permitido describir con una precisión abrumadora muchos de los mecanismos que dan lugar a la actividad perceptual, cognitiva y motora del cerebro humano.
 
El marco general de los modelos computacionales de todo el cerebro tiene como objetivo equilibrar complejidad y realismo con el fin de describir las características más importantes de la actividad del cerebro real humano. Este equilibrio no es fácil de establecer, dada la cantidad astronómica de neuronas y la carencia de conocimiento acerca de las características de la conectividad neuronal. Aún así, hemos podido demostrar que el problema es manejable a través del uso de conceptos provenientes de la física estadística. La física estadística ha demostrado que los sistemas físicos macroscópicos obedecen las leyes, independientemente de sus constituyentes mesoscópicos. De hecho, los modelos computacionales de todo el cerebro más exitosos se han basado en estas ideas. Se ha demostrado que el comportamiento macroscópico colectivo emergente de los modelos cerebrales depende débilmente de los detalles del comportamiento neuronal individual. Por lo tanto, los modelos suelen utilizar diversas aproximaciones mesoscópicas de la complejidad del cerebro por medio de redes dinámicas simples y locales que describen un área cerebral. El vínculo entre la estructura anatómica y la dinámica funcional está en el corazón de los modelos de red de todo el cerebro. Los datos de conectividad estructural anatómica se pueden obtener in vivo en la escala de milímetros por medio de neuroimágenes a través de una técnica denominada DTI (Diffusion Tensor Imaging). La dinámica global del modelo de todo el cerebro resulta de las interacciones mutuas de la dinámica local de los nodos generativos acoplados a través de la matriz de conectividad estructural anatómica empírica subyacente, matriz que denota la cantidad de fibras entre un par de áreas corticales extraídas por el DTI. Estos modelos generativos se pueden ajustar a la conectividad funcional de los datos de la serie temporal de neuroimágenes extraídas a través de otra técnica de neuroimagen denominada fMRI (functional Magnetic Resonance Imaging) o MEG (Magnetoencefalografía). En general, estos modelos de todo el cerebro han sido notablemente exitosos en la descripción de los mecanismos cerebrales que subyacen a la actividad espontánea y relacionada con diversas tareas cognitivas.
 
Sin embargo, existen todavía muchas características del cerebro que podrían modelarse mejor refinando la estimación, la precisión y las interacciones en modelos cerebrales. En particular, proponemos una nueva visión de un estado del cerebro basada en la descripción cuantitativa del repertorio dinámico subyacente, como una descripción probabilística de un conjunto de estados posibles. Concretamente, podemos identificar microestados dinámicos del cerebro. Esto permitiría que los patrones recurrentes de coherencia de fase - o microestados - sean detectados y caracterizados en términos de probabilidad de ocurrencia y perfiles de conmutación. Nuestros modelos de todo el cerebro, que unen el esqueleto anatómico subyacente con la dinámica funcional, pueden ajustarse con mucha precisión a la descripción de esta probabilidad en los datos empíricos correspondientes a diferentes estados cerebrales. Además, ya somos capaces de mostrar cómo la estimulación del modelo cerebral puede predecir la transición de un estado cerebral a otro (por ej., de enfermedad a salud en pacientes que responden), abriendo la puerta a poderosas aplicaciones clínicas electromagnéticas y farmacológicas que permitan el restablecimiento de estados cerebrales saludables que promuevan la recuperación homeostática.
 
En conclusión, creemos que para ahondar en nuestro conocimiento del cerebro animal y humano en particular, es estrictamente necesario pasar de la fenomenología a modelos de cerebro completo que puedan ofrecer información causal mecanicista, aspecto fundamental en neurociencia básica y en aplicaciones clínicas tranlacionales.
Fide




Nuevo comentario:


Blog de la Fundación Fide y la Fundación Garrigues
Fide
Eduardo Martínez de la Fe
Antonio Garrigues Walker, Francisco J. Ayala, Cristina Jiménez Savurido, Pedro García Barreno y Fernando Vives.

La Comisión Ciencia y Derecho está presidida por Francisco J. Ayala, Ayala School of Biological Sciences, University of California, y dirigida por Antonio Garrigues Walker, Presidente de la Fundación Garrigues, Cristina Jiménez Savurido, Presidente de Fide, y Pedro García Barreno, Doctor en Medicina y catedrático emérito de la Universidad Complutense.


Introducción del Blog

En este blog se recogen artículos y reflexiones generados dentro de los diálogos Ciencia-Derecho de Fide. Estos diálogos están presididos por la Comisión Ciencia y Derecho. Se trata de un blog colectivo en el que los profesionales que participan de manera regular en estos diálogos compartirán sus reflexiones.





Noticias Fide