Caracteritzar la funció cerebral amb l'ajut de la neurociència computacional
Es descriu en un treball de revisió publicat el 8 de setembre a la revista Cell Reports, del qual en són coautors Gustavo Deco, director del Centre Cervell i Cognició i professor d'investigació ICREA del DTIC i Morten L. Kringelbach, investigador de la Universitat d'Oxford (Regne Unit).
Dins el camp de la neurociència computacional hi ha grans expectatives de trobar noves formes de reequilibrar el complex sistema dinàmic del cervell humà a través d'induir pertorbacions farmacològiques o electromagnètiques controlades. No obstant això, queda encara molta incertesa sobre la capacitat de predir amb precisió com i a on és millor induir la pertorbació per estudiar de manera controlada la transició d'un estat cerebral a un altre (estats de vigília, son, anestèsia, etc.).
En un treball publicat el 8 de setembre a la revista Cell Reports, Gustavo Deco, director del Centre de Cervell i Cognició (CBC) i professor d'investigació ICREA del (DTIC) de la UPF, juntament amb Morten L. Kringelbach, investigador de la Universitat d'Oxford (Regne Unit), presenten una revisió dels últims avenços en aquesta àrea del coneixement i proposen un nou marc teòric per determinar l'organització jeràrquica funcional que descriu qualsevol estat cerebral in silico per predir i dissenyar noves intervencions farmacològiques i electromagnètiques a fi de poder reequilibrar el cervell en cas de malaltia.
Els avenços recents en neurociència computacional han fet possible definir de manera robusta els estats cerebrals i les seves transicions
Un dels principals reptes és tenir una definició comunament acordada d’allò que significa un estat cerebral i de com el cervell passa d'un estat a un altre. Els avenços recents en neurociència computacional han fet possible definir de manera robusta els estats cerebrals i les transicions possibles entre estats del cervell. Com afirma Deco "l'argument de partida del nostre treball és que la neurociència computacional ofereix un marc mecanicista per caracteritzar els estats cerebrals en termes dels mecanismes causals subjacents i la complexitat dinàmica".
Els estats cerebrals presenten una dinàmica de xarxes generalitzades en contínua evolució que es caracteritzen per una autoorganització depenent de la condició, passant per activitats estables, "quasi-estables", altes o baixes i arranjaments transitoris. La pregunta clau és quina és la millor manera d'identificar aquests estats a partir de dades de neuroimatge funcional amb un enfocament global de capturar la dinàmica general de tot el cervell al llarg de el temps i l'espai. Fins ara, les definicions existents dels estats cerebrals s'han restringit a les xarxes neuronals en estat de repòs i a la descripció de l'activitat cerebral funcional.
Modelitzar l'activitat cerebral associada al comportament
L'activitat cerebral associada a un determinat comportament es pot mesurar en moltes escales temporals i espacials diferents. Com indiquen els autors "hi ha hagut un progrés significatiu en la caracterització de la dinàmica espai-temporal de les dades de neuroimatge".
Les propietats de cadascuna de les moltes eines analítiques varien substancialment. Les mesures empíriques de comportament poden capturar informació a partir d'una escala de temps de desenes de mil·lisegons. D'altra banda, les mesures empíriques del cervell, poden capturar informació a una escala de temps de submil·lisegons molt més ràpida. La fMRI segueix sent un dels mètodes més estesos per mesurar l'activitat en tot el cervell amb una excel·lent resolució espacial submilimètrica, però està limitada en el domini temporal per l'hemodinàmica. Un altre mètode popular d'obtenció d'imatges de tot el cervell és la PET (Tomografia per Emissió de Positrons), que és menys precisa tant en la informació temporal com a l'espacial, però pot mesurar informació important sobre la densitat de neurotransmissors.
"Hem demostrat que aviat podríem estar en condicions de caracteritzar i controlar amb precisió els estats del cervell humà en la salut i la malaltia"
Les mesures empíriques obtingudes es combinen en models computacionals del cervell complet, la qual cosa ajuda a la comprensió mecanicista causal de les dades obtingudes de les diferents eines analítiques disponibles per a l'estudi del comportament del cervell humà. L'ús de models de tot el cervell per aconseguir una descripció millorada dels estats cerebrals no només és útil per comprendre el cervell sa, sinó que obre un camp de treball molt prometedor per ajudar a recolzar el diagnòstic i decidir la millor intervenció terapèutica davant la malaltia (epilèpsia, tumor cerebral, ictus, etc.)
En aquesta revisió, "hem demostrat que aviat podríem estar en condicions de caracteritzar i controlar amb precisió els estats del cervell humà en la salut i la malaltia. Les idees noves presentades en aquest treball són molt rellevants per als neurocientífics bàsics i clínics de moltes disciplines, i potencialment unifiquen i expliquen una sèrie de problemes fins ara complexos", conclouen els autors.
Treball de referència:
Morten L.Kringelbach, Gustavo Deco (2020),"Brain States and Transitions: Insights from Computational Neuroscience", 8 de setembre, vol. 32, 10, Cell Reports. DOI: https://doi.org/10.1016/j.celrep.2020.108128