Atrás Caracterizar la función cerebral con la ayuda de la neurociencia computacional

Caracterizar la función cerebral con la ayuda de la neurociencia computacional

Se describe en un trabajo de revisión publicado el 8 de septiembre en la revista Cell Reports, del que son coautores Gustavo Deco, director del Centro Cerebro y Cognición y profesor de investigación ICREA del DTIC y Morten L. Kringelbach, investigador de la Universidad de Oxford (Reino Unido).

22.09.2020

Imatge inicial

Dentro del campo de la neurociencia computacional existen grandes expectativas de encontrar nuevas formas de reequilibrar el complejo sistema dinámico del cerebro humano a través de inducir perturbaciones farmacológicas o electromagnéticas controladas. Sin embargo, queda todavía mucha incertidumbre sobre la capacidad de predecir con precisión cómo y dónde es mejor inducir la perturbación para estudiar de forma controlada la transición de un estado cerebral a otro (estados de vigilia, sueño, anestesia, etc.).

En un trabajo publicado el 8 de septiembre en la revista Cell Reports, Gustavo Deco, director del Centro de Cerebro y Cognición (CBC) y profesor de investigación ICREA del (DTIC) de la UPF, junto con Morten L. Kringelbach, investigador de la Universidad de Oxford (Reino Unido),  presentan una revisión de los últimos avances en esta área del conocimiento y proponen un nuevo marco teórico para determinar la organización jerárquica funcional que describe cualquier estado cerebral in silico para predecir y diseñar nuevas intervenciones farmacológicas y electromagnéticas a fin de poder reequilibrar el cerebro en caso de enfermedad.

Los avances recientes en neurociencia computacional han hecho posible definir de manera robusta los estados cerebrales y sus transiciones

Uno de los principales desafíos es tener una definición comúnmente acordada de lo que significa un estado cerebral y de cómo el cerebro pasa de un estado a otro. Los avances recientes en la neurociencia computacional han hecho posible definir de manera robusta los estados cerebrales y las transiciones posibles entre estados del cerebro. Como afirma Deco “El argumento del que parte nuestro trabajo es que la neurociencia computacional ofrece un marco mecanicista para caracterizar los estados cerebrales en términos de los mecanismos causales subyacentes y la complejidad dinámica”.

Los estados cerebrales presentan una dinámica de redes generalizadas en continua evolución que se caracterizan por una autoorganización dependiente de la condición, pasando por actividades estables, "cuasi-estables", altas o bajas y arreglos transitorios. La pregunta clave es cuál es la mejor manera de identificar estos estados a partir de datos de neuroimagen funcional con un enfoque global de capturar la dinámica general de todo el cerebro a lo largo del tiempo y el espacio. Hasta ahora, las definiciones existentes de los estados cerebrales se han restringido a las redes neuronales en estado de reposo y a la descripción de la actividad cerebral funcional.

Modelizar la actividad cerebral asociada al comportamiento

La actividad cerebral asociada a un determinado comportamiento se puede medir en muchas escalas temporales y espaciales diferentes. Como indican los autores “ha habido un progreso significativo en la caracterización de la dinámica espacio-temporal de los datos de neuroimagen”.

Las propiedades de cada una de las muchas herramientas analíticas varían substancialmente. Las medidas empíricas de comportamiento pueden capturar información a partir de una escala de tiempo de decenas de milisegundos. Por otro lado, las medidas empíricas del cerebro, pueden capturar información a una escala de tiempo de submilisegundos mucho más rápida.  La fMRI sigue siendo uno de los métodos más extendidos para medir la actividad en todo el cerebro con una excelente resolución espacial submilimétrica, pero está limitada en el dominio temporal por la hemodinámica. Otro método popular de obtención de imágenes de todo el cerebro es la PET (Tomografía por Emisión de Positrones), que es menos precisa tanto en la información temporal como en la espacial, pero puede medir información importante sobre la densidad de neurotransmisores.

“Hemos demostrado que pronto podríamos estar en condiciones de caracterizar y controlar con precisión los estados del cerebro humano en la salud y la enfermedad”

Las medidas empíricas obtenidas se combinan en modelos computacionales del cerebro completo, lo que ayuda la comprensión mecanicista causal de los datos obtenidos de las diferentes herramientas analíticas disponibles para el estudio del comportamiento del cerebro humano. El uso de modelos de todo el cerebro para lograr una descripción mejorada de los estados cerebrales no solo es útil para comprender el cerebro sano, sino que abre un campo de trabajo muy prometedor para ayudar a respaldar el diagnóstico y decidir la mejor intervención terapéutica ante la enfermedad (epilepsia, tumor cerebral, ictus, etc.)

En esta revisión, “hemos demostrado que pronto podríamos estar en condiciones de caracterizar y controlar con precisión los estados del cerebro humano en la salud y la enfermedad. Las ideas novedosas presentadas en esta revisión son muy relevantes para los neurocientíficos básicos y clínicos de muchas disciplinas, y potencialmente unifican y explican una serie de problemas hasta ahora complejos”, concluyen los autores.

Trabajo de referencia:

Morten L. Kringelbach, Gustavo Deco (2020), “Brain States and Transitions: Insights from Computational Neuroscience”, 8 de septiembre,  vol. 32, 10, Cell Reports. DOI: https://doi.org/10.1016/j.celrep.2020.108128

Multimedia

Categorías:

ODS - Objetivos de desarrollo sostenible:

Els ODS a la UPF

Contact

Para más información

Noticia publicada por:

Oficina de Comunicación