Científicos de la Universidad Nacional del Litoral (UNL) y Conicet, de Santa Fe y de Bariloche, usaron esa herramienta para simular procesos que ocurrirían en personas con esa condición y combinar puntos de vista fisiológicos y perceptuales.
Mediante el empleo de un modelo computacional que imita el funcionamiento de la corteza cerebral a partir de estímulos visuales, investigadores de la UNL y Conicet identificaron una relación entre procesos fisiológicos y perceptuales que tendrían lugar en los trastornos del espectro autista (TEA).
“Entender mejor la relación entre la fisiología del cerebro y la percepción o el comportamiento es central para diseñar nuevas terapias, aunque todavía queda un largo camino por recorrer para llegar a esa instancia”, indicó Rodrigo Echeveste, doctorado en Ciencias Naturales en Alemania e investigador del Conicet y la UNL en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, “sinc(i)”, instituto de doble dependencia UNL-Conicet con sede en la Facultad de Ingeniería y Ciencias Hídricas de la UNL.
Hace unos años, Elizabeth Pellicano, de la Universidad Macquarie, en Australia, y David Burr, de la Universidad de Florencia, en Italia, propusieron que el pesaje o “balance” de la información sensorial del mundo exterior con la información previa, y la forma de representarse probabilidades tanto sobre el mundo exterior como sobre las propias expectativas, se produce de una forma menos conveniente en personas con autismo. Por ejemplo, la percepción sensorial se intensifica y las expectativas se atenúan.
Tal como describe la revista científica “Network Neuroscience”, Echeveste y colegas se propusieron tratar de entender por qué ese pesaje en personas con TEA es diferente.
“Para responder a esta pregunta analizamos observaciones acerca de la fisiología del autismo”, señala el investigador santafesino con un posdoctorado en el Laboratorio de Inteligencia Computacional y Biológica (CBL) de la Universidad de Cambridge, en Reino Unido, a la Agencia CyTA-Leloir.
Modelo computacional
En el flamante estudio se usó como banco de pruebas un modelo computacional que había sido desarrollado por Echeveste junto con investigadores de la Universidad de Cambridge durante su estadía en esa institución.
“Este modelo es una red neuronal que había sido entrenada utilizando técnicas de inteligencia artificial para procesar estímulos visuales, y que imita el comportamiento de nuestra corteza visual primaria. Cuando uno mide cómo se comportan estas neuronas artificiales mientras la red ‘mira’ algo, vemos una dinámica en las respuestas de las neuronas que son muy similares a las de nuestra corteza cerebral”, explicó Echeveste.
El óptimo funcionamiento de nuestro cerebro requiere de un balance muy delicado entre neuronas excitatorias que, cuando se activan, ayudan a encender a otras neuronas, y de otras inhibitorias que, cuando se encienden, tienden a hacer apagar a las demás, explica.
“Concretamente, nos preguntábamos si las diferencias perceptuales (entre personas con y sin autismo) en términos del pesaje de información podrían explicarse a partir de diferencias en los mecanismos de inhibición y, para ello, utilizamos un modelo computacional que simulase el funcionamiento neurológico y fisiológico”, puntualizó Echeveste.
Al debilitar la inhibición en la red neuronal artificial, comenzaban a pesar menos las expectativas previas y más la percepción de los estímulos. “Por lo tanto, al menos en nuestro modelo, estas dos visiones sobre el autismo constituirían dos caras de la misma moneda”, indicó el investigador.
En los últimos años se observa una explosión en la neurociencia del uso técnicas de punta provenientes del campo de la inteligencia artificial para desarrollar modelos computacionales que permitan entender mejor el funcionamiento del cerebro. “La mayoría de los modelos representan el normal funcionamiento del cerebro. Con este trabajo mostramos que este enfoque también es muy útil para entender el procesamiento sensorial en, por ejemplo, personas con autismo”, indicó Echeveste.
Y agregó: “En un ida y vuelta con la neurociencia experimental, estos modelos, cada vez más detallados y complejos, permiten testear hipótesis y generar predicciones que guíen el trabajo futuro, ayudando a enfocar esfuerzos experimentales, que suelen ser difíciles o costosos de realizar.”
Del trabajo también participaron Diego Milone y Enzo Ferrante, también investigadores del Conicet y la UNL en el sinc(i), e Inés Samengo, también del Conicet en el Instituto Balseiro y el Departamento de Física Médica del Centro Atómico Bariloche.
Fuente: Agencia CyTA-Leloir
