Red de neuronas artificiales para estudiar el autismo

Mediante el empleo de un modelo computacional que imita el funcionamiento de la corteza cerebral a partir de estímulos visuales, unos investigadores han identificado una relación entre procesos fisiológicos y perceptuales que tendrían lugar en los trastornos del espectro autista.

“Entender mejor la relación entre la fisiología del cerebro y la percepción o el comportamiento es esencial para diseñar nuevas terapias, aunque todavía queda un largo camino por recorrer para llegar a esa instancia”, indicó Rodrigo Echeveste, doctorado en Ciencias Naturales en Alemania e investigador del CONICET y la Universidad Nacional del Litoral (UNL) en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional o “sinc(i)”, en la Ciudad de Santa Fe, Argentina.

Hace unos años, Elizabeth Pellicano, de la Universidad Macquarie, en Australia, y David Burr, de la Universidad de Florencia, en Italia, propusieron que el pesaje o “balance” de la información sensorial del mundo exterior con la información previa, y la forma de representarse probabilidades tanto sobre el mundo exterior como sobre las propias expectativas, se produce de una forma menos eficaz en personas con autismo. Por ejemplo, la percepción sensorial se intensifica y las expectativas se atenúan.

Echeveste y sus colegas se propusieron tratar de entender por qué ese pesaje en personas con trastornos del espectro autista es diferente.

“Para responder a esta pregunta, analizamos observaciones acerca de la fisiología del autismo”, señala el investigador santafesino con un posdoctorado en el Laboratorio de Inteligencia Computacional y Biológica (CBL) de la Universidad de Cambridge, en el Reino Unido.

Modelo computacional

En el estudio se usó como banco de pruebas un modelo computacional que había sido desarrollado por Echeveste junto con investigadores de la Universidad de Cambridge durante su estadía en esa institución.

“Este modelo es una red neuronal que había sido entrenada utilizando técnicas de inteligencia artificial para procesar estímulos visuales, y que imita el comportamiento de nuestra corteza visual primaria. Cuando uno mide cómo se comportan estas neuronas artificiales mientras la red ‘mira’ algo, vemos una dinámica en las respuestas de las neuronas que son muy similares a las de nuestra corteza cerebral”, explicó Echeveste.

[Img #65473]

Recreación artística del concepto de modelo computacional que imita el funcionamiento de células cerebrales. (Ilustración: Jorge Munnshe para NCYT de Amazings)

El óptimo funcionamiento de nuestro cerebro requiere de un balance muy delicado entre neuronas excitatorias que, cuando se activan, ayudan a encender a otras neuronas, y de otras inhibitorias que, cuando se encienden, tienden a hacer apagar a las demás.

“Concretamente, nos preguntábamos si las diferencias perceptuales (entre personas con y sin autismo) en términos del pesaje de información podrían explicarse a partir de diferencias en los mecanismos de inhibición y, para ello, utilizamos un modelo computacional que simulase el funcionamiento neurológico y fisiológico”, puntualizó Echeveste.

Al debilitar la inhibición en la red neuronal artificial, comenzaban a pesar menos las expectativas previas y más la percepción de los estímulos. “Por lo tanto, al menos en nuestro modelo, estas dos visiones sobre el autismo constituirían dos caras de la misma moneda”, indicó el investigador.

En los últimos años se observa una explosión en la neurociencia del uso de técnicas vanguardistas provenientes del campo de la inteligencia artificial para desarrollar modelos computacionales que permitan entender mejor el funcionamiento del cerebro. “La mayoría de los modelos representan el normal funcionamiento del cerebro.  Con este trabajo mostramos que este enfoque también es muy útil para entender el procesamiento sensorial en, por ejemplo, personas con autismo”, indicó Echeveste.

Y agregó: “En un ida y vuelta con la neurociencia experimental, estos modelos, cada vez más detallados y complejos, permiten testear hipótesis y generar predicciones que guíen el trabajo futuro, ayudando a enfocar esfuerzos experimentales, que suelen ser difíciles o costosos de realizar.”

El estudio se titula “Bridging physiological and perceptual views of autism by means of sampling-based Bayesian inference”. Y se ha publicado en la revista académica Network Neuroscience. Entre los autores, también figuran Diego Milone y Enzo Ferrante, también investigadores del CONICET y la UNL en el sinc(i), e Inés Samengo, del CONICET en el Instituto Balseiro y del Departamento de Física Médica en el Centro Atómico Bariloche. (Fuente: Agencia CyTA-Leloir)

Original.

(Visited 1 times, 1 visits today)