Un nuevo estudio de Prashant C. Raju introduce la estabilidad geométrica — una medida de cuán fiablemente se reproduce la estructura de distancias por pares entre estímulos a través de observaciones independientes dentro de una sesión. Analizando 229 observaciones área-sesión en 68 regiones cerebrales durante una tarea de discriminación visual, el autor encontró que la estabilidad geométrica predice el acoplamiento neural-conductual ensayo a ensayo (rho = 0.18, p = 0.005), mientras que la deriva del centroide tradicional no lo hace (rho = 0.002, p = 0.976). La jerarquía regional, con el estriado más estable (S-bar = 0.44) y el hipocampo menos (S-bar = 0.19), corre aproximadamente en sentido opuesto a la estabilidad temporal. Un modelo de red atractora, validado con datos olfativos, muestra que el acoplamiento excitatorio recurrente amplifica la estabilidad (rho = +0.64, p = 0.010).
Por qué es importante
La estabilidad geométrica ofrece una nueva perspectiva para entender cómo nuestros cerebros representan de manera fiable el mundo momento a momento, independientemente de la deriva día a día. Esto podría explicar por qué algunas personas son más consistentes en su rendimiento cognitivo y puede informar protocolos de entrenamiento que mejoren la fiabilidad representacional.
Qué puedes hacer
El entrenamiento cerebral que enfatiza la finalización de patrones y el procesamiento recurrente (como tareas de memoria de trabajo o aprendizaje asociativo) puede ayudar a reforzar la estabilidad geométrica en tus códigos neuronales. La consistencia en la práctica importa más que la intensidad.
Fuente: arXiv q-bio.NC
¿Curioso acerca de tu propio cerebro? Haz nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.
