Imagina intentar oír a un amigo susurrando en una sala abarrotada: eso es lo que les pasa a los científicos que intentan detectar señales cerebrales en medio del ruido de un escáner de fMRI. Un nuevo estudio de investigadores del MIT y Georgia Tech ofrece una forma más inteligente de sintonizar esos susurros, revelando las redes cerebrales que se activan cuando seguimos una historia.
La investigación
En el artículo "Modelos de codificación basados en componentes independientes de la actividad cerebral durante la comprensión de historias", Kamya Hari y colegas del MIT y Georgia Tech analizaron datos de fMRI de personas escuchando una historia naturalista. Utilizaron una técnica llamada análisis de componentes independientes (ICA) para descomponer la actividad cerebral en componentes separados: algunos impulsados por la historia, otros simplemente ruido. Luego, entrenaron modelos de codificación para predecir estos componentes a partir de características del lenguaje extraídas de la historia utilizando un modelo de lenguaje grande.
Descubrieron que un subconjunto de componentes era altamente predecible entre sujetos. Estos componentes eran consistentes tanto en ubicación espacial como en tiempo, y correspondían a redes cognitivas bien conocidas, incluidas las áreas de procesamiento auditivo y del lenguaje. La serie temporal del componente auditivo se correlacionó fuertemente con las características acústicas de la historia, demostrando que el método captura señales significativas impulsadas por el estímulo. En contraste, los componentes identificados como ruido o artefactos de movimiento por una herramienta estándar (ICA-AROMA) mostraron un rendimiento predictivo uniformemente pobre, confirmando que los componentes altamente predichos reflejan un procesamiento neuronal genuino, no factores de confusión.
Este enfoque basado en IC ofrece varias ventajas sobre los modelos de codificación voxelwise tradicionales. Al centrarse en componentes a nivel de red, se adapta a la variabilidad en la anatomía cerebral entre individuos, reduce el impacto del ruido de medición y produce resultados que son más fáciles de comparar entre personas.
Por qué es importante
Esta investigación podría conducir a interfaces cerebro-computadora más precisas y a una mejor comprensión de los trastornos del lenguaje. Para la persona promedio, destaca que el cerebro procesa historias a través de la actividad coordinada en redes distribuidas, no solo en regiones aisladas. La capacidad del método para separar la señal del ruido es crucial para mejorar el análisis de fMRI, lo que potencialmente conducirá a mejores herramientas de diagnóstico para condiciones como la afasia o el autismo.
Lo que puedes hacer
Aunque no puedes realizar un ICA en tu propio cerebro, puedes potenciar tus habilidades de lenguaje y comprensión involucrándote con historias complejas: lee novelas, escucha podcasts o mantén conversaciones profundas. Estas actividades activan las mismas redes cognitivas identificadas en el estudio, promoviendo la neuroplasticidad.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Haz nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.