El marco anterior (izquierda) no tiene en cuenta los ruidos del cerebro. Las transiciones de estado del cerebro se escribieron como punto a punto, la dinámica como determinista y el costo de control como la integral de la entrada de control al cuadrado. En el marco actual (derecha), el equipo de investigación introdujo un modelo estocástico, en el que las transiciones de estado cerebral se consideraron como distribución de probabilidad a distribución de probabilidad, la dinámica como proceso estocástico y el costo de control como divergencia KL. Crédito: Shunsuke Kamiya, Universidad de Tokio
El cerebro realiza varias funciones cognitivas y conductuales en la vida cotidiana, con una transición flexible a varios estados para llevar a cabo estas funciones. Los científicos ven el cerebro como un sistema que realiza estas numerosas funciones mediante el control de sus estados.
Para comprender mejor las propiedades de este control en el cerebro, los científicos buscan formas de estimar la dificultad del control, o el costo del control, cuando el cerebro pasa de un estado a otro. Entonces, un equipo de investigadores emprendió un estudio para cuantificar tales costos de control en el cerebro y logró construir un marco que evalúe estos costos.
Controlar las transiciones a algunos estados incurre en mayores «costos» que controlar las transiciones a otros. Con el desarrollo de un marco para cuantificar los costos de transición, los científicos tendrán una forma de evaluar la dificultad de los cambios entre varios estados cerebrales. Posiblemente, también podrían tener una medida cuantificable para explicar las cargas cognitivas, las diferencias entre el sueño y la vigilia, la habituación a las tareas cognitivas y los trastornos psiquiátricos.
La obra está publicada en El Diario de la Neurociencia.
El equipo trabajó para construir un marco novedoso para cuantificar el costo de control que tenga en cuenta la estocasticidad, o la aleatoriedad, de la actividad neuronal. Esta estocasticidad ha sido ignorada en estudios previos. El paradigma de control actual en neurociencia utiliza un marco determinista que no puede considerar la estocasticidad.
Uno de los méritos del nuevo marco del equipo de investigación es que puede identificar las regiones del cerebro que juegan un papel importante en el control de la actividad cerebral media y la covarianza entre las regiones del cerebro en las transiciones de estado. Los paneles izquierdo y central muestran áreas que contribuyen a controlar la media y la covarianza, respectivamente. El panel derecho muestra las regiones que contribuyen a controlar la media y la covarianza en su conjunto. El color de una región del cerebro indica el número de tareas a las que la región contribuye a la transición. (Como se registran siete tareas en HCP, los números toman valores enteros de 0 a 7). Crédito: Shunsuke Kamiya, Universidad de Tokio
Pero es bien sabido que la dinámica neuronal es estocástica y que el ruido es omnipresente en todo el cerebro. «En este trabajo, abordamos el tema de la estocasticidad y primero propusimos un marco teórico novedoso que cuantifica el costo de control teniendo en cuenta las fluctuaciones estocásticas de la dinámica neuronal», dijo Shunsuke Kamiya, estudiante de doctorado en la Escuela de Graduados en Artes y Ciencias. en la Universidad de Tokio.
En su estudio, los investigadores establecieron la expresión analítica del costo de control estocástico, lo que les permitió calcular el costo en datos neuronales de alta dimensión. Mediante la expresión analítica, descubrieron que el costo de control óptimo se puede descomponer en los costos de controlar la media y la covarianza. «Esta descomposición nos permite investigar cómo varias áreas del cerebro contribuyen de manera diferente a controlar las transiciones de un estado cerebral a otro», dijo Kamiya.
Los investigadores también identificaron las regiones cerebrales significativas para el control óptimo de las tareas cognitivas en los datos de imágenes de todo el cerebro humano. Examinaron las regiones cerebrales significativas en el control óptimo de las transiciones del estado de reposo a siete estados de tareas cognitivas, utilizando datos de imágenes del cerebro humano completo de 352 adultos sanos. Descubrieron que, con estas diferentes transiciones, las áreas visuales inferiores comúnmente desempeñaban un papel importante en el control de las medias, mientras que la corteza cingulada posterior comúnmente desempeñaba un papel importante en el control de las covarianzas. La corteza cingulada posterior es la parte superior del lóbulo límbico, esa región del cerebro que juega un papel importante en la memoria y los comportamientos emocionales.
En este estudio, el equipo solo consideró el costo de control óptimo donde las transiciones de estado cerebral se controlan de manera óptima, con la minimización del costo de control estocástico. Sin embargo, en los sistemas neuronales reales, no es probable que las transiciones de estado se controlen de manera óptima. «Una dirección futura intrigante será comparar la dinámica controlada de manera óptima y la dinámica real utilizando datos neuronales durante las tareas», dijo Masafumi Oizumi, profesor asociado en la Escuela de Graduados en Artes y Ciencias de la Universidad de Tokio.
De cara a futuras investigaciones, Oizumi explica que el objetivo final de su laboratorio es comprender la conexión entre la dinámica del cerebro y los comportamientos, las cogniciones y la conciencia humanos. «Por ejemplo, sospechamos que la disminución de la capacidad de control en la dinámica del cerebro puede estar relacionada con la fatiga mental o la pérdida de la conciencia. Esperamos que la perspectiva teórica del control proporcione una nueva visión de este objetivo», dijo Oizumi.
Shunsuke Kamiya et al, Costos de control óptimo de las transiciones de estado cerebral en sistemas estocásticos lineales, El Diario de la Neurociencia (2022). DOI: 10.1523/JNEUROSCI.1053-22.2022
Citación: El equipo de investigación construye un marco para cuantificar los costos de control del cerebro (2023, 11 de enero) recuperado el 12 de enero de 2023 de https://medicalxpress.com/news/2023-01-team-framework-quantify-brain.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.
