Cómo tu actividad cerebral es tan única como tus huellas dactilares

Cómo tu actividad cerebral es tan única como tus huellas dactilares
Este contenido ha sido traducido automáticamente con IA.

Cada uno de nosotros es único, con sus propias fortalezas, debilidades y peculiaridades. Aunque es una verdad de perogrullo que todos comprenden de forma intuitiva, ha sido difícil determinar si y cómo esta individualidad se refleja en la actividad cerebral.

Para investigar, mis colegas y yo analizamos imágenes cerebrales de voluntarios escaneados mediante resonancia magnética funcional, o fMRI. Esta técnica mide la actividad neuronal a través del flujo sanguíneo en el cerebro mientras las personas están despiertas y mentalmente activas. Calculamos un «perfil de conectividad funcional» para cada persona, basado en sus patrones individuales de actividad sincronizada entre distintas partes del cerebro.

De hecho, resulta que el ir y venir de la actividad cerebral es como una huella dactilar: cada persona tiene su propio patrón característico, según nuestro estudio publicado recientemente en la revista Nature Neuroscience. Utilizando únicamente sus perfiles de conectividad, pudimos identificar a individuos dentro de un grupo. Basándonos exclusivamente en estos perfiles, también pudimos predecir cómo le irían a una persona en un tipo de prueba de inteligencia.

Cambiar el bosque por los árboles

La fMRI es la mejor herramienta de que disponemos para estudiar lo que ocurre en un cerebro humano vivo y pensante, de forma segura y no invasiva. Sin embargo, los datos de fMRI son notoriamente ruidosos: muchos factores influyen en la señal en un momento dado, y solo algunos de ellos están relacionados con la actividad cerebral real que nos interesa.

Por eso, tradicionalmente, los estudios de fMRI promedian los datos de muchas personas distintas: la idea es que, al encontrar patrones comunes de actividad cerebral, podemos eliminar gran parte del ruido y obtener algo más cercano a la señal «verdadera». En esencia, mezclamos las señales de todos los individuos para obtener una versión representativa de toda la población.

151026-escáner cerebral huella dactilar Conv

Habitualmente, los investigadores combinan datos de numerosos escaneos de fMRI para identificar las áreas del cerebro que suelen estar activas durante ciertas tareas.
John Graner, CC BY

Pero no hace falta ser científico del cerebro para reconocer que cada persona es distinta; este promedio probablemente oculta patrones de actividad interesantes y propios de cada individuo. Y para que la fMRI sea prácticamente útil, por ejemplo en medicina, necesitaríamos obtener información significativa a partir del escaneo de una sola persona.

Nos propusimos demostrar que es posible analizar datos de fMRI de personas individuales, mostrando que estos patrones de actividad idiosincrásicos son lo bastante fiables como para identificar a individuos dentro de un grupo numeroso.

Análisis de escaneos individuales

Utilizamos datos del Proyecto Conectoma Humano (HCP), un importante esfuerzo de investigación para recopilar datos de neuroimagen cerebral junto con información conductual, demográfica y genética de un gran número de personas sanas. Hasta ahora se han publicado datos de 500 personas, y se prevé reunir 1200 en total. Todos los datos están disponibles públicamente, de modo que los investigadores de cualquier parte del mundo pueden descargarlos, analizarlos de distintas formas y extraer de ellos conocimientos interesantes.

Analizamos los datos de los primeros 126 participantes del HCP. Cada persona fue escaneada seis veces distintas. Durante dos de los escaneos, las personas simplemente descansaban, dejando vagar la mente. Durante los otros cuatro, realizaron algún tipo de tarea cognitiva: intentar retener elementos en la mente en una prueba de memoria de trabajo, escuchar una historia, resolver problemas de matemáticas, mirar rostros con emociones o mover distintas partes del cuerpo.

Para analizar los datos de fMRI de cada participante, dividimos primero todo el cerebro en 268 regiones separadas. Aunque todavía no se sabe con certeza cuántas regiones funcionales diferentes existen en el cerebro, investigaciones previas de nuestro equipo han demostrado que utilizar entre 200 y 300 regiones nos permite detectar efectos sutiles, manteniendo a la vez el proceso manejable en términos de tiempo y de potencia de cálculo necesarios para ejecutar los análisis.

Para cada par de regiones, calculamos la intensidad de la conexión funcional entre ellas. Para entender qué es una «conexión funcional», piense en dos músicos que tocan al mismo tiempo: en lugar de medir cuán fuerte toca cada músico, medimos cuán sincronizada está su interpretación. No se trata de los niveles generales de actividad en una única región cerebral, sino de cómo los pares de regiones tienden a aumentar y disminuir su actividad de forma conjunta. Calculamos esta medida de sincronía para cada par de regiones en todo el cerebro. Para cada persona, obtuvimos un perfil de conectividad funcional para cada una de las seis sesiones de escaneo.

Queríamos comprobar si los perfiles de conectividad podían funcionar como huellas dactilares. Así que tomamos un único perfil de una sesión de escaneo, por ejemplo la de memoria de trabajo, y lo comparamos con los 126 perfiles de otra sesión distinta, por ejemplo la de reposo. Basándonos en los perfiles numéricos, determinamos cuál era su pareja más similar. ¿Podríamos emparejar los escaneos de memoria de trabajo y de reposo de un mismo participante? Es decir, ¿el cerebro de una persona «se ve igual» independientemente de la tarea que esté realizando?

La mayor parte del tiempo, la identidad que habíamos predicho era efectivamente la correcta: logramos identificar a personas con una precisión de hasta el 99 %. La precisión varió entre el 64 % y el 99 %, según el par concreto de sesiones de escaneo. Si simplemente adivináramos al azar, esperaríamos acertar la identidad correcta menos del 1 % de las veces, por lo que este resultado es muy significativo.

Predicción de la inteligencia fluida

Ciertas conexiones eran las que más distinguían a los individuos; concretamente, las que unen el lóbulo prefrontal del cerebro (justo detrás de la frente) con el lóbulo parietal (más atrás, en la parte superior de la cabeza). Estas áreas son las que evolucionaron más recientemente, y los neurocientíficos saben desde hace tiempo que son cruciales para funciones sofisticadas como la atención, la memoria y el lenguaje.

Descubrimos que estas conexiones también podían predecir cómo le irían a una persona en una prueba de inteligencia fluida, o capacidad de razonamiento inmediato. La inteligencia fluida es la capacidad de detectar patrones y resolver problemas de razonamiento.

Aunque, en conjunto, las predicciones de inteligencia fluida fueron más acertadas que erróneas, seguía habiendo un margen de error considerable: el modelo sobrestimó las puntuaciones de algunas personas y subestimó las de otras. Por ello, desde luego, no recomendaríamos hacer un escaneo cerebral a alguien en lugar de un test de CI u otra evaluación tradicional.

Tus escaneos cerebrales son, por excelencia, tú

En la primera parte de nuestro estudio, comprobamos que las personas siempre se parecen más a sí mismas, independientemente de lo que estén haciendo. Dicho de otro modo, el mismo cerebro realizando dos tareas distintas siempre se parece más que dos cerebros distintos realizando la misma tarea. Y en la segunda parte del estudio, vimos que estos perfiles de conectividad se corresponden con atributos cognitivos de gran complejidad.

¿Por qué es importante? Después de todo, no necesitamos meter a alguien en un escáner de resonancia magnética para saber quién es; eso lo podemos saber simplemente observándolo. La importancia de este hallazgo es que estos perfiles de conectividad podrían proporcionarnos información sobre las personas que es más difícil de deducir solo con mirarlas.

Por ejemplo, podrían ayudar a predecir quién corre riesgo de desarrollar una enfermedad. Quizá en los patrones individuales de conexiones cerebrales fuertes y débiles haya algo que revele lo susceptible que es alguien a distintas enfermedades neurológicas o mentales, como la esquizofrenia, la depresión o la enfermedad de Alzheimer. Si recogemos imágenes de fMRI de personas mientras todavía están sanas y luego les hacemos un seguimiento a lo largo del tiempo para ver quién acaba enfermando, quizá podamos construir un modelo que relacione partes del perfil de conectividad con la salud futura. Después, podríamos aplicar este modelo al perfil de una persona nueva para predecir su probabilidad de enfermar. Esto podría ser una forma de identificar y tratar de forma temprana a las personas de alto riesgo, con la esperanza de que intervenir pronto mejore sus resultados.

En última instancia, esperamos que algún día estos perfiles puedan utilizarse en la medicina personalizada, una forma de adaptar intervenciones y terapias a las personas en función de su biología individual.

Pero aún quedan muchas preguntas abiertas. Por ejemplo, probamos la identificación entre escaneos separados por unos pocos días, pero ¿qué estabilidad tienen los perfiles de conectividad a lo largo de meses o años? ¿Pueden cambiar en función del envejecimiento, la enfermedad, el entrenamiento cognitivo u otro proceso? ¿Qué otros rasgos conductuales se reflejan en los patrones de conectividad cerebral? Aunque queda mucho trabajo por hacer, mis colegas y yo creemos que estos resultados sientan una base prometedora para futuras investigaciones.

Este artículo se publica en colaboración con The Conversation. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.

Para mantenerse al día de la Agenda suscríbase a nuestro boletín semanal.

Autora: Emily S Finn es candidata a doctora en Neurociencia en la Universidad de Yale.

Imagen: Una mujer pasa junto a una exposición de una sección cerebral. REUTERS/Brian Snyder.

Compartir:

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.