Ya es posible saber lo que ve un ratón leyendo su cerebro

Un novedoso algoritmo de aprendizaje automático puede revelar la estructura oculta en los datos registrados desde el cerebro, prediciendo información compleja, como por ejemplo aquello que se está observando. A partir de este enfoque, un experimento logró decodificar señales cerebrales en ratones y predecir lo que estaban viendo.

Investigadores de la Escuela Politécnica Federal de Lausana (EPFL), en Suiza, han dado un paso trascendente en la búsqueda por reconstruir lo que alguien ve basándose únicamente en señales cerebrales, un viejo anhelo de la ciencia que cada vez está más cerca de la realidad. En el nuevo estudio, publicado recientemente en la revista Nature, lograron descifrar la actividad neuronal oculta en el cerebro de roedores, prediciendo con exactitud aquello que ven los ratones en un momento determinado.

Leyendo estructuras ocultas

El trabajo de los científicos suizos se sustenta en un innovador algoritmo de aprendizaje automático, una variedad de Inteligencia Artificial (IA) que permite que un sistema aprenda y progrese de forma autónoma, a través de redes neuronales artificiales y sin requerir una programación previa determinada, gracias al ingreso y aprovechamiento de enormes cantidades de datos. En este caso, el sistema se ha denominado CEBRA y se orienta a aprender la estructura oculta en el código neuronal, concretamente en el cerebro de roedores. 

La forma en la que el cerebro procesa la información es similar a un iceberg: podemos apreciar solamente la superficie de los mecanismos neuronales, pero por debajo actúan complejos códigos y estructuras que permanecen ocultas. Precisamente, el nuevo algoritmo trabaja en la decodificación de esta información oculta, obteniendo de esta forma una vista ampliada de la actividad cerebral: en los experimentos realizados, logró identificar al detalle las percepciones visuales de los ratones.

Luego de aprender la estructura oculta o latente en el sistema visual de los roedores, CEBRA es capaz de predecir directamente fotogramas de películas a las que no tiene acceso directo y que los ratones están observando, únicamente a partir de señales cerebrales. Lo logra después de un período de entrenamiento inicial, en el cual trabaja mapeando las señales cerebrales en los roedores y las características de las películas.

Video: un equipo de investigación de la EPFL ha desarrollado un algoritmo de aprendizaje automático que predice información compleja oculta en el cerebro. Créditos: EPFL / YouTube.

Nuevos caminos de investigación

Los investigadores han demostrado que el sistema puede decodificar lo que ve un roedor mientras observa una película, pero en realidad CEBRA no se limita a las neuronas de la corteza visual, ni siquiera a los datos relativos a las señales cerebrales. Los especialistas sostienen que también se puede utilizar para predecir los movimientos de los brazos en primates o para reconstruir las posiciones de las roedores mientras corren libremente por un terreno, entre otras posibles aplicaciones.

“El objetivo final de este nuevo algoritmo de aprendizaje automático es descubrir la estructura oculta en sistemas complejos. Como el cerebro es la estructura más compleja en el Universo conocido, es el espacio de prueba ideal para el sistema. Al mismo tiempo, puede revelar cómo el cerebro procesa la información que recibe y podría ser una plataforma para descubrir nuevos principios neurocientíficos, mediante la combinación de datos entre animales e incluso entre especies”, indicó en una nota de prensa Mackenzie Mathis, líder del equipo de investigadores.

Referencia

Learnable latent embeddings for joint behavioural and neural analysis. Schneider, S., Lee, J.H. and Mathis, M.W. Nature (2023). DOI:https://www.nature.com/articles/s41586-023-06031-6