Las herramientas computacionales ayudan a los científicos a comprender cómo el cerebro toma decisiones en una fracción de segundo

Crédito: Unsplash/CC0 Public Domain

Nuestros cerebros toman innumerables decisiones todos los días, desde elegir si cruzar la calle hasta seleccionar la ruta más eficiente para ir al supermercado . Sin embargo, muchas de estas decisiones, incluso aquellas que requieren que nuestro cerebro tenga en cuenta múltiples fuentes de información al mismo tiempo, suceden tan rápido que apenas somos conscientes del proceso involucrado.

Jan Drugowitsch, profesor asistente de neurobiología en el Instituto Blavatnik de la Facultad de Medicina de Harvard, está intrigado por este proceso. Como neurobiólogo con un doctorado en aprendizaje automático, utiliza una lente computacional para estudiar cómo funciona el cerebro. Él está particularmente interesado en cómo el cerebro toma información sobre el mundo y usa esta información para informar el comportamiento. El laboratorio de Drugowitsch se enfoca en la teoría, colaborando con experimentadores para probar teorías usando herramientas computacionales.

En una conversación con Harvard Medicine News, Drugowitsch profundiza en los detalles de su investigación sobre cómo el cerebro procesa la información para dividir- segundas decisiones. También analiza el papel de la computación y la importancia de la colaboración para desentrañar los misterios de la toma de decisiones.

HMNews: ¿Qué aspectos del cerebro y el comportamiento está estudiando?

Drugowitsch: Gran parte de nuestro trabajo se centra en las percepciones sensoriales en escalas de tiempo muy breves, de milisegundos a segundos, y en cómo convertimos esas percepciones en decisiones. Por ejemplo, una experiencia humana cotidiana es tomar la decisión de cruzar la calle. Para hacer esto, debemos averiguar si la situación del tráfico es segura, incluso si tenemos tiempo suficiente para cruzar antes de que llegue un automóvil. Para la mayoría de las personas, esta decisión ocurre de manera inconsciente utilizando diferentes fuentes de información, como el flujo de tráfico a la izquierda y a la derecha y el sonido de los automóviles que se aproximan. En mi laboratorio estamos estudiando procesos como este que ocurren de manera automática y eficiente en el cerebro. Nos preguntamos, ¿cómo combina el cerebro múltiples fuentes de información a lo largo del tiempo para tomar este tipo de decisiones?

Durante los últimos años, hemos estado estudiando dominios cada vez más complejos sobre cómo tomamos estas decisiones. . Hemos demostrado que muchas de estas elecciones siguen los principios de la toma de decisiones estadística porque la información que tenemos es incierta, por lo que tenemos que comparar diferentes fuentes de información entre sí y preguntar: «¿Estamos lo suficientemente seguros como para comprometernos con una elección? » Mi laboratorio ha estado formulando modelos estadísticos que capturan el proceso, incluidas complejidades como el equilibrio entre velocidad y precisión.

Ahora, estamos cambiando para comprender comportamientos más continuos, como la navegación. Por ejemplo, hacer un seguimiento de la dirección durante la navegación es un proceso que no tiene pasos discretos; hacemos un seguimiento de nuestra dirección de manera constante y usamos esta información para tomar decisiones de comportamiento. Queremos saber cómo el cerebro hace esto en una escala de tiempo continua.

HMNews: Utiliza herramientas computacionales en su investigación. ¿Qué es la neurociencia computacional?

Drugowitsch: Actualmente existen dos formas de neurociencia computacional. La neurociencia computacional tradicional implica la construcción de modelos en el lenguaje de las matemáticas, la física y la ingeniería para describir hipótesis sobre cómo el cerebro realiza los cálculos. Estos cálculos suelen estar relacionados con la forma en que el cerebro procesa la información sobre el mundo. También ha surgido una nueva forma de neurociencia computacional con la capacidad de recopilar conjuntos de datos mucho más grandes sobre el cerebro. Este tipo de neurociencia computacional implica desarrollar y utilizar herramientas más sofisticadas para procesar datos neuronales complejos. Usamos ambos en nuestro trabajo.

Un enfoque de mi laboratorio es cómo los humanos y los animales manejan información incierta. Esencialmente, toda la información que tenemos sobre el mundo es incierta, y manejar información incierta nos traslada al ámbito de las estadísticas. Usamos muchas herramientas de la estadística porque proporcionan el lenguaje adecuado para hablar de creencias sobre las cosas del mundo. Más específicamente, usamos estadísticas bayesianas para formular modelos de cómo se procesa la información incierta en el sentido abstracto. Luego usamos herramientas de la física para definir cómo se puede realizar en el cerebro este procesamiento de información con el que hemos trabajado a nivel estadístico. Aquí es donde entra en juego la biología: introduce restricciones sobre cómo funciona el cerebro y cómo ejecuta estos cálculos estadísticos.

HMNews: Su artículo recientemente publicado en Neuron sobre la navegación en el cerebro utiliza algunos de los enfoques anteriores. ¿Puede contarnos un poco más sobre este trabajo?

Drugowitsch: Nuestra investigación se basa en una observación experimental anterior sobre las células de lugar, una población de células en el hipocampo del cerebro que representan nuestra ubicación en el espacio. Esta observación, realizada en ratones y ratas, es que mientras un roedor está quieto, las células del lugar se activan repentinamente en una secuencia rápida de ráfagas que parece simular la trayectoria del animal a través del medio ambiente. Hay dos hipótesis sobre el papel de esta actividad. Una es que nos ayuda a memorizar lo que hemos hecho antes y pasarlo a la memoria a largo plazo. La otra es que nos ayuda a planificar la navegación futura.

Antes de abordar estas hipótesis, queríamos refinar nuestra comprensión de lo que realmente hacen estas ráfagas al comprender mejor los datos. Utilizamos datos existentes sobre ratas que buscaban comida en un entorno de dos metros por dos metros y aplicamos métodos estadísticos bayesianos para obtener una imagen más completa de la actividad en las células del lugar.

Anteriormente, los científicos pensaban que solo una pequeña subconjunto de las ráfagas en el lugar células estimularon trayectorias a través de entornos abiertos. Sin embargo, encontramos que la mayoría de los estallidos son parte de estas trayectorias. Además, las trayectorias de estos estallidos presentan un impulso como si el animal se estuviera moviendo realmente por el espacio, aunque esté estacionario. Esto es interesante porque un trabajo anterior sobre la actividad de las células de lugar durante el sueño descubrió que las trayectorias de esos estallidos no presentan impulso. Por lo tanto, nuestros hallazgos sugieren que los estallidos de actividad en las células pueden desempeñar un papel fundamentalmente diferente dependiendo de si un animal está despierto o dormido. Ahora que tenemos esta información, podemos volver a construir modelos computacionales para comprender cómo las células de lugar nos ayudan a planificar y navegar por el mundo.

HMNews: ¿Por qué cree que la neurociencia se está moviendo en una dirección computacional?

Drugowitsch: Creo que la adopción de más herramientas computacionales es en parte una respuesta a las muchas posibilidades que existen hoy en día para recopilar datos complejos. Anteriormente, si grabábamos desde una sola neurona mientras un animal hacía una tarea simple, podíamos interpretar nuestros datos sin usar modelos complejos. Ahora, registramos rutinariamente cientos o miles de neuronas en el cerebro mientras los animales realizan tareas complejas, lo que lleva a datos que solo pueden analizarse con modelos computacionales complejos. Se ha dado cuenta de que la mayoría de los neurocientíficos necesitan al menos una comprensión básica de cómo funcionan estos modelos computacionales, lo que ha creado un impulso hacia una mayor alfabetización en neurociencia computacional.

Con este fin, codirijo un certificado programa en neurociencia computacional para estudiantes de posgrado en HMS. El programa comenzó porque notamos una demanda creciente de estudiantes para aprender habilidades cuantitativas, pero los cursos que ofrecimos en esta área no eran lo suficientemente amplios. Nuestro objetivo es desarrollar nuevos cursos que brinden a los estudiantes las habilidades que necesitan para comprender la gama completa de herramientas computacionales que se están desarrollando para analizar datos de neurociencia. También queremos aumentar la cohesión de la comunidad de neurociencia computacional en HMS y proporcionar más foros donde los estudiantes puedan discutir preguntas en el campo.

HMNews: ¿Qué lo motivó a dedicarse a la neurociencia computacional?

Drugowitsch: Quería convertirme en neurocientífico computacional porque creo firmemente que comprender el cerebro requiere una complejidad de pensamiento que no se puede lograr solo con la intuición y muchos experimentos tradicionales se basan en la intuición. Muy a menudo encuentro que las cosas son diferentes de lo que esperaba, lo que fortalece mi creencia de que debemos construir modelos formales de cómo funciona el cerebro para poder progresar en nuestra comprensión. La formulación de estos modelos amplía nuestra capacidad de pensar en interacciones complejas en el cerebro que van más allá de lo que podemos retener en nuestras cabezas. Estamos subcontratando esta complejidad a herramientas que se han desarrollado en matemáticas y física.

En general, me motiva la curiosidad, trato de averiguar cosas nuevas y de descubrir los principios que definen cómo funcionar. En mi laboratorio, nos gusta hacer preguntas específicas porque esta es la única forma de hacer predicciones comprobables experimentalmente. Sin embargo, esperamos descubrir los principios generales que subyacen a estas preguntas. Si estamos estudiando cómo un animal realiza comportamientos particulares, tratamos de extraer una generalización de esa situación específica que podemos probar en otro conjunto de experimentos. La neurociencia computacional nos brinda las herramientas que necesitamos para explorar estas preguntas.

HMNews: En su trabajo, a menudo forma equipo con colegas de otras ramas de la neurobiología. ¿Por qué?

Drugowitsch: La construcción de teorías y la ejecución de experimentos requieren un conjunto diferente de habilidades, por lo que las colaboraciones permiten a los teóricos como yo trabajar con experimentadores dotados de una manera fructífera.

Hay muchas teorías en neurociencia computacional que siguen sin probarse, por lo que al colaborar con experimentadores podemos probar esas teorías para ver si los datos las respaldan.

En algunos casos, trabajamos con científicos que realizan experimentos con humanos. El beneficio de los experimentos con humanos es que el entrenamiento es rápido: los humanos pueden realizar tareas complejas de inmediato. La desventaja es que es difícil mirar dentro de sus cerebros. Para otras preguntas, especialmente aquellas sobre conexiones neuronales específicas, colaboramos con científicos que estudian animales. Por ejemplo, estamos trabajando con Rachel Wilson, que estudia la neurofisiología de la drosófila [mosca de la fruta]. Nos preguntamos, ¿cómo un circuito neural específico en el cerebro de la drosófila realiza cálculos específicos? Esperamos que los motivos que descubramos puedan generalizarse entre especies, incluidos los humanos.

En mi laboratorio, podemos desarrollar teorías del cielo azul, pero al final del día necesitamos conectarlas. teorías a los datos recopilados en el mundo real. Trabajar con personas que realizan experimentos nos permite hacer eso.

Explore más

Comprender el sistema visual del cerebro podría informar el desarrollo de mejores sistemas artificiales Más información: Emma L. Krause et al, Una gran mayoría de ondas de onda aguda del hipocampo despierto presentan trayectorias espaciales con impulso, Neuron (2021). DOI: 10.1016/j.neuron.2021.11.014 Información de la revista: Neuron

Proporcionado por la Escuela de Medicina de Harvard Cita: Las herramientas computacionales ayudan a los científicos a comprender cómo se divide el cerebro -segunda decisiones (2021, 16 de diciembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-tools-scientists-brain-split-second-decisions.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.