Un desafío de décadas en neurociencia se ha resuelto aprovechando la inteligencia artificial (IA) para identificar las firmas eléctricas de diferentes tipos de células cerebrales por primera vez, como parte de un estudio en ratones dirigido por investigadores de la UCL.
Los cerebros están formados por muchos tipos diferentes de neuronas (células nerviosas en el cerebro), cada una de las cuales se cree que desempeña diferentes funciones en el procesamiento de la información. Los científicos han podido usar electrodos durante mucho tiempo para registrar la actividad de las neuronas al detectar los picos eléctricos ‘que generan mientras realizan funciones cerebrales.
Aunque los picos de grabación han demostrado ser invaluables para monitorear la actividad de las neuronas individuales en las profundidades del cerebro, hasta ahora el método ha sido ‘blind’ para el tipo de neurona que se está grabando –, lo que hace imposible identificar cómo las diferentes neuronas contribuyen a la operación general del cerebro.
En un nuevo estudio, publicado en Celular, el equipo de investigación ha superado este problema identificando las distintas ‘firmas eléctricas’ de diferentes tipos de neuronas en el cerebro del ratón, utilizando breves pulsos de luz azul para desencadenar picos en tipos de células específicas (un método llamado optogenética).
Crearon una biblioteca de las diferentes firmas eléctricas para cada tipo de neurona, lo que les permitió entrenar un algoritmo de IA que puede reconocer automáticamente cinco tipos diferentes de neuronas con un 95% de precisión sin necesidad de herramientas genéticas. El algoritmo también se validó en datos de registro cerebral de monos.
Los investigadores dicen que han superado un obstáculo importante para poder usar la tecnología para estudiar afecciones neurológicas como la epilepsia, pero que todavía hay “un largo camino que recorrer antes de que pueda usarse en aplicaciones prácticas.
El Dr. Maxime Beau, coautor del estudio del Instituto Wolfson de Investigación Biomédica de la UCL, dijo: “Durante décadas, los neurocientíficos han luchado con el problema fundamental de identificar de manera confiable los diferentes tipos de neuronas que están simultáneamente activas durante el comportamiento. Nuestro enfoque ahora nos permite identificar tipos de neuronas con más del 95% de precisión en ratones y monos.
“Este avance permitirá a los investigadores registrar circuitos cerebrales a medida que realizan comportamientos complejos como el movimiento. Al igual que las puertas lógicas en un chip de computadora, las neuronas en el cerebro son unidades informáticas elementales que vienen en varios tipos. Nuestro método proporciona una herramienta para identificar muchas de las puertas lógicas de cerebro en acción al mismo tiempo. Antes, solo se podía hacer uno a la vez, y a un costo mucho mayor.»
Los autores dicen que el hecho de que el algoritmo se pueda aplicar en diferentes especies le da un gran potencial para expandirse a otros animales y, eventualmente, a los humanos.
A corto plazo, la nueva técnica significa que, en lugar de requerir una ingeniería genética compleja para estudiar el cerebro, los investigadores podrían usar cualquier animal normal para estudiar qué hacen las diferentes neuronas y cómo interactúan entre sí para generar comportamiento.
Uno de los objetivos finales es poder estudiar trastornos neurológicos y neuropsiquiátricos como la epilepsia, el autismo y la demencia, muchos de los cuales se cree que implican cambios en la forma en que interactúan los diferentes tipos de células en el cerebro.
El profesor Beverley Clark, autor principal del estudio del Instituto Wolfson de Investigación Biomédica de la UCL, dijo: “Al igual que muchos instrumentos diferentes en una orquesta contribuyen al sonido de una sinfonía, el cerebro se basa en muchos tipos de neuronas distintas para crear el comportamiento complejo que exhiben los humanos y otros animales. Nuestro trabajo es análogo a aprender el sonido que hace cada instrumento y luego enseñar un algoritmo para reconocer la contribución de cada uno de ellos a una sinfonía.
“Ser capaz de observar esta ‘sinfonía neural’ del cerebro en acción ha sido un desafío fundamental en neurociencia durante más de 100 años, y ahora tenemos un método para hacer esto de manera confiable.
“Aunque la tecnología está muy lejos de poder usarse para estudiar afecciones neurológicas como la epilepsia, ahora hemos superado un obstáculo importante para alcanzar ese objetivo. De hecho, algunas grabaciones de la actividad cerebral humana viva ya se han registrado en pacientes durante la cirugía, y nuestra técnica podría usarse para estudiar esas grabaciones para comprender mejor cómo funcionan nuestros cerebros, primero en salud y luego en enfermedad
Una mejor comprensión de cómo funcionan nuestros cerebros podría allanar el camino para algunos avances innovadores en la ciencia médica, algunos de los cuales ya están en el horizonte.
Las interfaces humano cerebro-computadora, o implantes neuronales, son una de esas posibilidades. La investigación en curso en el Instituto Weill de Neurociencias de la UCSF, por ejemplo, ha permitido a un hombre paralizado controlar un brazo robótico utilizando un implante neural durante un récord de siete meses. Al igual que el estudio actual, este trabajo también fue informado mediante el estudio de los patrones eléctricos en el cerebro de los animales y el uso de IA para reconocer automáticamente estos patrones.
Los autores dicen que la nueva técnica para diferenciar los tipos de neuronas podría ayudar a mejorar los implantes neuronales al registrar con mayor precisión qué tipos de células están involucradas en acciones particulares, de modo que el implante pueda reconocer más fácilmente señales específicas y generar la respuesta adecuada.
La clave de esta tecnología es comprender cómo funcionan nuestros cerebros cuando están sanos, para que cualquier daño pueda ser compensado. Si una persona tuvo un derrame cerebral y parte de su cerebro se dañó, por ejemplo, tendría que entender cómo funcionó esa parte antes de poder considerar el diseño de un implante para replicar esa funcionalidad.
El profesor Michael Häusser, autor principal del estudio de la División de Medicina de la UCL y la Universidad de Hong Kong, dijo: «Este proyecto cobró vida gracias a la convergencia de tres innovaciones críticas: el uso de la biología molecular para ‘tag’ diferentes tipos de neuronas con éxito utilizando la luz, los desarrollos en la tecnología de grabación de sondas de silicio y, por supuesto, las mejoras aceleradas en el aprendizaje profundo.
“Crucialmente, la sinergia en nuestro equipo fue absolutamente instrumental. Los laboratorios asociados en UCL, Baylor, Duke y la Universidad Bar Ilan han contribuido con piezas críticas al rompecabezas. Al igual que el cerebro, el todo es más grande que la suma de sus partes.»
La base de datos recopilada por el equipo está disponible gratuitamente y el algoritmo es de código abierto, lo que significa que los científicos de todo el mundo pueden utilizar estos recursos para la investigación neurológica.
Esta investigación fue financiada con fondos de Wellcome, los Institutos Nacionales de Salud (NIH), el Consejo Europeo de Investigación (ERC) y el programa de investigación e innovación Horizonte 2020 de la Unión Europea. UCL News. Traducido al español
Contacto