El cerebro, el órgano más complejo de nuestro cuerpo, sigue siendo a día de hoy un gran desconocido. Conocer cómo funciona es elementar para detectar, curar y prevenir enfermedades relacionadas con su actividad, y es en este escenario donde las técnicas de inteligencia artificial para el análisis de una gran cantidad de datos son de mucha utilidad.

Investigadores del Instituto Cajal, centro perteneciente a la Conexión AIHUB, han publicado recientemente un artículo en la revista Elife en el que muestran cómo a través de redes neuronales convolucionales (muy utilizadas en el campo del análisis de imágenes, sobre todo en el reconocimiento facial) han podido analizar señales cerebrales en tiempo real, de gran utilidad para el campo del estudio de la memoria.

Los investigadores Navas-Olive, Amaducci et al han identificado en ratones de experimentación señales de onda aguda (Sharp-wave ripples) que se dan en una zona concreta del cerebro, el hipocampo, una región involucrada en la formación de recuerdos.  Estas señales son eventos que no ocurren de manera constante y aprender a detectarlos permite una mejor comprensión de cómo funciona la memoria.

El reto de detectar lo inusual

La actividad cerebral está compuesta por ondas de distintas frecuencias y jerarquías de organización muy relacionadas con la función de la actividad que representan. De entre los diferentes tipos de ondas, los ‘eventos’ son aquellos perfiles de ondas que relacionan con procesos fisiológicos concretos y cuya detección es fundamental para poder entenderlos e intervenir cuando se vean alterados por enfermedades psiquiátricas o neurológicas. Un ejemplo de evento son las ondas agudas con oscilaciones rápidas. Pero, ¿cómo se captan este tipo de eventos si son poco frecuentes? En el artículo, los investigadores muestran cómo, utilizando señales de electrodos insertados en el hipocampo de ratones, es posible entrenar a las redes neuronales para que aprendan a detectar ondas agudas a través del ensayo y error.

Una vez que la red ha aprendido a identificar este tipo de ondas a partir de una serie de datos, esta red ya está ‘entrenada’ y se puede aplicar en otras circunstancias con diferentes conjuntos de datos y configuraciones como, por ejemplo, en otras regiones extensas del hipocampo de ratones, o en cerebros de ratas.

Las ventajas de una red neuronal

La gran capacidad de generalización de este tipo de redes, que permite su uso en otras zonas del cerebro o con datos obtenidos de otras configuraciones de electrodos sin la necesidad de volver a ‘empezar de cero’, permite no solo ahorrar tiempo en los procesos de investigación, sino también mejorar el rendimiento al disminuir falsos positivos en comparación con otras técnicas, como los filtros espectrales.

Estos resultados podrían proporcionar también nuevas herramientas para explorar las señales cerebrales en seres humanos, y potencialmente descubrir nuevos aspectos de los procesos detrás de la formación de recuerdos. DeepCode, el proyecto en el que se encuadran estos estudios, está financiado por la Fundación La Caixa y busca mejorar la comprensión del código mnemónico del hipocampo utilizando técnicas de inteligencia artificial.

Andrea Navas-Olive, Rodrigo Amaducci, Maria-Teresa Jurado-Parras, Enrique R Sebastian, Liset M de la Prida (2022) Deep learning-based feature extraction for prediction and interpretation of sharp-wave ripples in the rodent hippocampus eLife 11:e77772.

 

 

 

A short epoch of sharp-wave ripples detected by the convolutional neural network. Image credit: Andrea Navas-Olive (CC BY 4.0)

Utilizamos cookies en este sitio para mejorar su experiencia de usuario. Más información. ACEPTAR

Aviso de cookies