ExcodraBarcelona, ciencia y arte

Entrevista con el Dr. Joaquín J. Torres

Fuente: Excodra | Publicado: 04-07-2017
Derechos: Dr. Joaquín J. Torres

Joaquín, hacéis unos trabajos muy interesantes, de manera genérica, sería formular matemáticamente el comportamiento del cerebro, de nuestra conducta, en cierto modo. ¿Cuándo surgen este tipo de estudios, el estudio de redes neuronales mediante las matemáticas, cómo han ido desarrollándose y en qué punto nos encontramos a día de hoy?

El estudio de redes neuronales mediante las matemáticas tiene ya casi un siglo de antigüedad y arranca con el trabajo pionero de W. McCullock y W. Pitts en 1943, que fueron los primeros que elaboraron un modelo de red matemático o grafo con los nodos representando neuronas binarias (esto es con dos posibles estados) y que podían activarse o no dependiendo de si las influencias que le llegaban de otras neuronas a través de las conexiones entre los nodos (o sinapsis) superaban un cierto umbral de activación.



Estas primeras redes neuronales se diseñaron tratando de imitar el comportamiento de las neuronas biológicas pero con el objetivo de ser útiles para representar puertas lógicas que permitieran su uso en el desarrollo de sistemas informáticos que pudieran tener utilidad práctica, por ejemplo en ingeniería, y su inicio está íntimamente ligado al desarrollo de los ordenadores.


A partir de estos trabajos pioneros a lo largo de los años se han venido desarrollando dos líneas fundamentales de investigación en el campo de las redes neuronales que han ido divergiendo en cuanto a los métodos y los objetivos perseguidos. La primera, con una motivación biológica, trata de elaborar redes neuronales inspiradas en la biología, incorporando aspectos de los medios neuronales reales que se han venido describiendo en experimentos en neuronas reales, y cuyo objetivo final es la comprensión del funcionamiento del cerebro humano. En el contexto de la segunda se han venido desarrollado redes neuronales artificiales, muchas veces sin inspiración biológica, con la finalidad de ser útiles en determinadas aplicaciones (como el reconocimiento de patrones) y cuyo diseño está altamente determinado por las características de dichas aplicaciones.
El uso de las redes neuronales artificiales en informática e ingeniería está actualmente muy extendido sobre campos muy diversos incluyendo el diseño de paradigmas de inteligencia artificial o sistemas expertos. Podríamos citar innumerables ejemplos de su aplicabilidad pero quizás entre los más conocidos sean el uso para reconocimiento de patrones como huellas digitales, rasgos faciales para reconocimiento de caras, reconocimiento de matrículas de coches, la robótica, etc.



En cuanto a las redes neuronales que tratan de imitar el comportamiento de los medios neuronales reales, su desarrollo ha sido más lento, en parte por la dificultad inherente en describir los procesos biológicos mediante las matemáticas y también por el hecho de que dicho objetivo requiere de un trabajo y colaboración multidisciplinar incluyendo la biología, la física y las matemáticas e incluso la psicología que tradicionalmente no existía.


Estas dificultades han ido minimizándose en la última década y hoy en día el estudio del cerebro, es decir la neurociencia, no se entiende sin una perspectiva totalmente multidisciplinar, lo que ha aumentado de forma considerable nuestro conocimiento del funcionamiento del cerebro y de los desórdenes que en él se pueden dar. Tanto es así que estamos casi en disposición de poder construir cerebros artificiales totalmente funcionales, objetivo que persigue el proyecto pionero de la neurociencia conocido como Proyecto del Cerebro Humano (“Human Brain Project”).

¿En qué momento se cruzan las corrientes eléctricas, los campos magnéticos, las matemáticas, la bioquímica y la conducta? A nivel neuronal...

Como he comentado anteriormente, hoy en día estamos en un momento crucial en la neurociencia. En las últimas décadas se ha incrementado considerablemente el interés por el estudio del cerebro en diferentes ramas del saber, incluyendo la física, las matemáticas, la bioquímica, la psicología experimental, etc., cada una de ellas desde un punto de vista diferente. Sin embargo, al final, de forma natural las investigaciones en dichos campos que empezaron con algo disjuntos, han ido convergiendo en parte debido a la formación de equipos de investigación multidisciplinares que han aportado una visión mas completa al conocimiento del cerebro. Ha sido entonces cuando diferentes conceptos propios de cada una de estas disciplinas empiezan a relacionarse.



Por otra parte el cerebro es un sistema complejo y como tal aparecen comportamientos emergentes de interés en diferentes escalas de observación. En ciertas escalas los procesos bioquímicos son los mas importantes, nos dicen por ejemplo, como moléculas que forman los canales iónicos cambian su forma para mantenerlos abiertos o cerrados para que ocurra o no el transporte de cargas eléctricas a través de ellos, o bien explican cómo vesículas llenas de neurotransmisores son capaces de unirse a la membrana celular para secretar su contenido en el espacio intersináptico e inducir la apertura de nuevos canales en la neurona postsináptica.


En otras escalas los procesos biofísicos son los más relevantes como la difusión y transporte de iones dentro de las neuronas o hacia el interior o exterior de las mismas lo que afecta a su excitabilidad o posibilidad de generar impulsos eléctricos. Pero hoy además sabemos que muchos fenómenos de interés y de alto nivel en neurociencia son resultado de la acción conjunta de muchas unidades elementales, es decir, son un fenómeno colectivo emergente, como la memoria, la aparición de ondas cerebrales, etc., que puede estudiarse mediante las herramientas de la física estadística. Incluso existe la idea de que la propia conciencia podría ser también un fenómeno emergente colectivo. Por otra parte, sabemos que parte de la información que se procesa en el cerebro se hace mediante impulsos eléctricos generados por corrientes eléctricas que cambian en el tiempo. El medir estas corrientes eléctricas en algunos casos implica utilizar técnicas invasivas. Sin embargo se sabe que las corrientes eléctricas pueden inducir campos magnéticos. Es decir electricidad y magnetismo están íntimamente relacionados. Esto ha permitido desarrollar técnicas no invasivas como la magnetoencefalografía que permite medir la actividad del cerebro midiendo los campos magnéticos generados por dichas corrientes neuronales.

Es fascinante darse cuenta de cómo está todo tan relacionado y de que podemos prever nuestros actos, bajo cierta probabilidad, según unos estímulos dados. Entonces, ¿qué ocurre en las sinapsis, son la clave de la inteligencia, de la conducta en general, o sólo una parte más de un conglomerado demasiado grande de factores?

Las sinapsis son fundamentales en el transmisión y procesado de información, en el aprendizaje y en la formación y consolidación de las memorias que aprendemos. Pero no basta con aprender muchos conceptos.



Lo que nos hace inteligentes, no sólo a nosotros sino a muchas otras especies, es saber utilizar la información codificada en dichas memorias para relacionarnos, resolver problemas o sobrevivir a los peligros a los que nos enfrentamos cada día.


Aquí también tienen un papel muy importante las sinapsis. Por ejemplo, se sabe que los procesos de memoria de corto plazo permiten que podamos recordar diferentes memorias en el tiempo, y que respondamos de forma óptima a estímulos cambiantes, y dichos procesos de memoria de corto plazo están mediados por procesos biofísicos en las sinapsis como son la dinámica asociada a la secreción de neurotransmisores y al dinámica del calcio intracelular. Sin embargo, recientemente, hemos demostrado que podría haber otro tipo de mecanismos, no necesariamente ligados a procesos biofísicos en las sinapsis sino más bien a la propia estructura de la red, que explicarían por ejemplo la memoria episódica y las memorias de trabajo. En este sentido pienso que como bien dices, las sinapsis son una parte muy importante que trabajando junto a otros elementos como las neuronas o la propia estructura de la red neuronal del cerebro, nos permite pensar, razonar, sentir, creer, adaptarnos y sobrevivir en el mundo en el que vivimos.

A grandes rasgos, ¿cómo funciona la memoria para que pueda cuantificarse, analizarse, preverla en su funcionamiento, desde la neurocomputación?

Es una pregunta muy interesante la que planteas. Existe el acuerdo entre los neurocientíficos que también es un paradigma en neurociencia computacional según el cual las memorias que aprendemos vienen representadas por estados particulares de actividad cerebral en las regiones en las que dichas memorias se codifican y almacenan. Por ejemplo si aprendemos un concepto y nuestro cerebro lo almacena en una memoria, lo hace de forma que determinadas neuronas presentan un determinado patrón de actividad, es decir, por decirlo de forma sencilla, algunas neuronas disparan actividad y otras no, cuando dicho concepto se está aprendiendo.



Estos patrones de actividad particulares en estas neuronas cuando se está aprendiendo el concepto hacen que las sinapsis que las relacionan se modifiquen. Unas se hacen más intensas excitando neuronas que están activas en la memoria y otras se debilitan o modifican su intensidad de forma que inhiben el paso de información de una neurona que está activa a otra que está inactiva en el patrón de actividad de la memoria.


Estas modificaciones se conocen como aprendizaje Hebbiano y se han puesto de manifiesto en multitud de experimentos. Dichas modificaciones hacen que el patrón de actividad de la memoria se mantenga en el tiempo durante el periodo del aprendizaje. El proceso de recuerdo ocurre cuando, ante un estímulo relacionado con lo aprendido, determinadas neuronas de la región en la que está codificada la memoria empiezan a disparar según el patrón de la memoria. Dado que las sinapsis tienen las intensidades adecuadas, nuevas neuronas empiezan a tener la actividad asociada a la memoria hasta que todas disparan con el patrón de actividad de la memoria y decimos que hemos recordado algo.
Lo que acabo de explicar es en esencia el paradigma de “memoria y recuerdo” que más ampliamente está aceptado y lo interesante es que se puede describir con modelos matemáticos muy sencillos, que son fácilmente analizables mediante las herramientas de la física estadística y de los sistemas dinámicos. Esto permite, como bien dices, cuantificar procesos cognitivos de alto nivel, como diferentes tipos de memoria, el aprendizaje, el recuerdo, etc., analizarlos y predecir comportamientos que después se pueden contrastar en experimentos.

Bajando un poco más, como curiosidad, ¿qué tipos de redes neuronales hay y cómo se interrelacionan los diferentes modelos para generar respuestas de comportamiento?

Desde los estudios pioneros de McCullock y W. Pitts en 1943 el campo de las redes neuronales se ha ido desarrollando de forma casi exponencial. Se han publicado una ingente cantidad de trabajos proponiendo diferentes tipos de modelos y arquitecturas de redes neuronales, algunas inspiradas en diferentes medios neuronales y otros más artificiales sin imitar la naturaleza. A muy grosso modo en general las redes neuronales se han clasificado tradicionalmente en redes recurrentes donde la información se mantiene en la red reverberando, y las redes neuronales “feed-forward” donde la información fluye desde una capa de entradas hasta una capa final de procesamiento pasando por un número indeterminado de capas intermedias. Este segundo tipo se ha descrito en el cerebro, por ejemplo, en los circuitos que llevan la información visual desde el ojo hasta su procesamiento en el córtex visual. Por otra parte las redes recurrentes se piensan que pueden ser importantes para el aprendizaje y la adquisición de la memoria o para las memorias de trabajo. En los últimos años se han llevado novedosos experimentos para determinar cómo es la estructura de las redes que forman los medios neuronales reales. En experimentos donde se cultivan neuronas “in vitro” se ha visto que las redes que se forman tienen la propiedad de “pequeño mundo”, es decir, son redes con un alto grado de agrupamiento pero con longitudes de caminos medios pequeñas entre cualesquiera dos neuronas en la red. Por otra parte, últimamente, los neurocientíficos están interesados en los que denominan estructura funcional de la red del cerebro, es decir se construyen redes con nodos representando regiones del cerebro que tienen el mismo grado de actividad durante una determinada tarea cognitiva.



Estas redes se han estudiado en mucho detalle y se ha mostrado que tienen la propiedad de invariancia de escala, es decir, son similares en cualquier escala de observación. La invariancia de escala es una propiedad de los sistemas físicos que se encuentran en un punto crítico y por este motivo se piensa últimamente que el cerebro durante determinados estados de actividad podría estar en un estado de criticidad auto-organizada, estados en los que la transmisión de información parece ser más óptima.



En cualquier caso el tema de la forma de la red neuronal del cerebro, ya su estructura física o su estructura funcional, es un tema muy actual de investigación en el que se están dedicando muchos esfuerzos en los últimos años. Por ejemplo nosotros hemos desarrollado en los últimos años modelos de redes neuronales evolutivas que de forma natural se auto-organizan para tener una estructura invariante de escala en función de la actividad colectiva de la propia red neuronal.

Ya hemos anticipado un poco, pero más en concreto, sobre la influencia de los campos magnéticos, ¿cómo intervienen sobre las sinapsis, sobre nuestra conducta, o pudieran hacerlo?

Todas las especies hemos evolucionado sometidos a la acción del campo magnético el de la tierra y a sus variaciones a lo largo de los años. Como hemos dicho anteriormente electricidad y magnetismo están íntimamente relacionados. Son manifestaciones de una misma cosa, el campo electromagnético. Las corrientes eléctricas generadas en las neuronas pueden crear campos magnéticos que pueden ser detectados, hecho que está en el fundamento de las técnicas de magnetoencefalografía, pero de la misma forma cambios en los campos magnéticos pueden producir corrientes eléctricas inducidas, como nos dicen las leyes de Lenz y Faraday. Según lo anterior en la acción de campos magnéticos pueden generar corrientes inducidas en las neuronas que afectarían a la excitabilidad y por lo tanto a los patrones de actividad colectivos que se pudieran generar. Esto ya se ha visto y se ha analizado cómo los campos magnéticos afectan a las ondas cerebrales. También se utiliza este hecho para estimulación transcranial no invasiva con técnicas de magneto-encefalografía. Por la misma razón los campos magnéticos pueden afectar a las sinapsis pues la secreción de neurotransmisores en las sinapsis está mediada por la apertura de canales de calcio cuya dinámica depende de los potenciales de membrana celulares, y éstos a su vez dependen de las corrientes eléctricas que se generan en las membranas. La estimulación del cerebro con campos magnéticos es una técnica relativamente reciente pero que hoy en día está ampliamente extendida dada la ventaja de ser no invasiva.

Relacionando con lo anterior, con vuestro reciente artículo en Neural Nerworks, Emergence of low noise frustrated states in E/I balanced neural networks, ¿qué es un estado vidrio de espín y cuál fue el tipo de él descubierto, su relevancia?

En sistemas magnéticos, un estado vidrio de espín es un estado desordenado de la materia que ocurre a temperaturas muy bajas, por debajo de una fase ordenada, lo que en cierta forma es contradictorio. La temperatura es una medida de las excitaciones en los átomos y moléculas que se manifiesta en forma de ruido que tiende a ponerlos en posiciones y estados aleatorios o desordenados. Cuanto mayor es la temperatura más desordenados se encuentran los átomos o moléculas en un sistema físico. Un ejemplo es el agua. En forma de hielo las moléculas de agua están ordenadas en posiciones de equilibrio formando la estructura cristalina del hielo pero al aumentar la temperatura se desordenan fluctuando en torno a esas posiciones de equilibrio eventualmente saliendo de las mismas y formándose agua líquida. El desorden que aparece en los vidrios de espines no está por lo tanto mediado por la temperatura sino por el hecho de que se encuentran en un estado frustrado congelado y desordenado del que no puede escapar, precisamente por no tener una temperatura alta. El desorden de un vidrio de espín se debe a que en él hay diferentes tipos de interacciones, cada una de las cuales tiende a llevar el sistema a un estado ordenado diferente. La consecuencia es que no se ordena y permanece de forma estable en un estado frustrado desordenado. Esto es lo que nosotros hemos demostrado en nuestro trabajo.



En el cerebro hay diferentes tipos de sinapsis, unas hacen que las neuronas que conectan se exciten a la vez (un tipo de orden) y otras tienden a que una neurona excitada inhiba a la que están conectadas con ellas y no se exciten (otro tipo diferente de orden).


Como consecuencia el estado colectivo de la actividad de la red neuronal en esta situación es desordenado y no correlacionado con las memorias aprendidas que serían los estados ordenados. Además el estado desordenado vidrio de espín que describimos puede encontrarse en dos situaciones diferentes mostrando o bien alta actividad colectiva, como los estados Up de de la actividad del córtex, o bien baja actividad neuronal colectiva, como los estados Down del córtex. La relevancia de nuestro trabajo radica en que no sólo encontramos estados vidrios de espines en un modelo realista del córtex, sino que además dichos estados pueden relacionarse con los estados Up/Down de actividad del córtex.
 
Para terminar, por divagar un poco, ¿cuándo cambia, y cómo lo hace, nuestra actividad cerebral entre el sueño y la vigila, bajo anestesia, en personas autistas, por ejemplo? Me llama mucho la atención la variación de nuestros estados según el proceso metabólico en que nos encontremos o podamos estar, y cómo mediante neurocomputación podemos obtener muchísimas respuestas.


Son muy complejas estas preguntas que planteas y todavía no tenemos todas las respuestas, aunque cada vez sabemos más. Hay muchos grupos de neurobiólogos que llevan años estudiando la transición de la vigilia al sueño en experimentos con animales anestesiados, precisamente para estudiar cuánto y cómo cambia la actividad de nuestro cerebro durante la transición al sueño. En esa transición se ven cambios en el estado de actividad que se va haciendo más sincronizada y saltos entre actividad alta (Up) y baja (Down) como hemos dicho anteriormente. Entre otras cosas, se han estudiado las características y propiedades estadísticas de estos saltos de actividad y se han construido modelos computacionales que han reproducido con mayor o menor éxito las propiedades de estos estados de actividad. Como bien dices el ver cómo cambian las propiedades de estos estados en situaciones de anomalías como el autismo o la esquizofrenia es muy importante para comprenderlos y poder diseñar estrategias para minimizar sus efectos. El desarrollo de modelos computacionales que reproduzcan con exactitud los que se describen en los experimentos es fundamental pues permiten testear, de forma muy precisa y económica en esfuerzos, muchas y variadas hipótesis o diseñar estrategias cuyo planteamiento experimental requeriría un gran esfuerzo. La neurocomputación es fundamental y una herramienta extremadamente útil en el estudio del cerebro.


Página web del grupo de investigación de Joaquín J. Torres: http://ergodic.ugr.es/efm/
Galixfera s.l. - Versión para imprimir. - Licencia