Este artículo se publica en colaboración con The Conversation.
Durante una aparición televisiva de 1959, a Jack Kerouac se le preguntó cuánto tiempo le había llevado escribir su novela En el camino. Su respuesta –tres semanas– sorprendió al entrevistador y dio origen a un mito duradero según el cual el libro se compuso en una maratón de mecanografía ininterrumpida.
Como el Kerouac de la leyenda, algunas personas poseen la increíble capacidad de concentrarse durante largos periodos. Otras luchan constantemente por mantener la mente en la tarea. Las personas diagnosticadas con trastorno por déficit de atención con hiperactividad (TDAH), por ejemplo, suelen estar inquietas y distraerse con facilidad. Incluso las personas sin TDAH pueden notar que su mente divaga al intentar concentrarse en la escuela o en el trabajo.
Aunque la capacidad de mantener la atención varía mucho de una persona a otra, caracterizar estas diferencias individuales ha sido difícil. A diferencia de la inteligencia, que tradicionalmente se ha medido (aunque no sin controversia) mediante pruebas de coeficiente intelectual de lápiz y papel, las capacidades atencionales no se capturan con el rendimiento en una sola prueba.
En un estudio publicado recientemente en Nature Neuroscience, mis colegas y yo nos propusimos identificar una nueva forma de medir la atención. Al igual que el CI, esta medida serviría como resumen general de una capacidad cognitiva compleja. Pero, a diferencia del CI, se basaría en el patrón único de conectividad cerebral de cada persona, es decir, en la actividad sincronizada observada entre distintas partes de su cerebro. Anteriormente demostramos que el patrón de conectividad cerebral de cada persona es único — como una huella dactilar — y que predice la inteligencia fluida, o la capacidad de resolver problemas en situaciones nuevas. ¿Los patrones únicos de conectividad cerebral también predicen la atención?
Fuente: Nature
Cómo está conectado su cerebro predice su concentración
Primero pedimos a 25 voluntarios que realizaran una tarea mientras un escáner de resonancia magnética medía su actividad cerebral. Sus instrucciones eran sencillas: mirar una secuencia de imágenes y pulsar un botón cuando vieran ciudades, pero no pulsarlo cuando vieran montañas. La mayoría de las imágenes eran de ciudades, con alguna montaña que aparecía de forma impredecible. Era difícil mantener la concentración en la tarea, que duraba más de 30 minutos. Algunas personas lo hicieron muy bien, pero otras cometieron errores frecuentes: o no pulsaron ante una ciudad, o pulsaron ante una montaña por error.
¿Podíamos relacionar la precisión de los participantes con sus patrones de conectividad cerebral mientras respondían a las imágenes de ciudades y montañas? Para analizar los datos cerebrales, dividimos primero el cerebro de cada persona en 268 regiones distintas, una cifra previamente demostrada para caracterizar bien la función cerebral.
A continuación, calculamos en qué medida cada región estaba «conectada funcionalmente» con todas las demás regiones del cerebro. La conectividad funcional es el grado en que la actividad de un par de regiones está sincronizada. Dicho de otro modo, la actividad de dos regiones con una fuerte conexión funcional tiende a aumentar y disminuir al mismo tiempo, mientras que la actividad de las regiones débilmente conectadas está desincronizada. Un estudio pionero publicado en 1995 demostró, por ejemplo, que existen fuertes conexiones funcionales entre las regiones de los hemisferios derecho e izquierdo del cerebro responsables de la acción motora.
Calcular las conexiones funcionales entre cada par de regiones nos dio perfiles de conectividad individuales para cada participante en el estudio. Entre estos miles de conexiones (¡el perfil de conectividad de cada persona contenía 35 778!), identificamos varios cientos relacionados con el rendimiento en nuestra tarea: algunas conexiones eran más fuertes en las personas que realizaron la tarea con mayor precisión, y otras lo eran en las que la realizaron con menor precisión.
Tras un cuidadoso análisis estadístico, descubrimos que podíamos predecir el rendimiento de cada sujeto en la tarea a partir únicamente de la intensidad de sus conexiones funcionales. Las predicciones no fueron perfectas, pero fueron significativamente mejores que una suposición al azar.
Lo que un cerebro en reposo puede predecir sobre la atención
Aunque fue emocionante comprobar que los patrones de conectividad cerebral podían utilizarse para predecir la atención, solo habíamos analizado datos recogidos durante la realización real de la tarea. Nuestra medición de la actividad cerebral era simplemente una forma más complicada y menos precisa de evaluar el rendimiento que las propias pulsaciones de botón. ¿Para qué incluir entonces los datos cerebrales?
Para ser útil, nuestra medida tenía que predecir la atención a partir de la actividad cerebral de alguien que no estaba realizando una prueba de atención.
Por ejemplo, ¿qué pasaría si una persona no pudiera realizar la prueba por algún motivo, si no supiéramos qué preguntas hacer o si no tuviéramos tiempo para evaluar exactamente lo que queríamos medir? En tales casos, sería valioso poder extraer información sobre las capacidades atencionales de una persona a partir de datos cerebrales medidos mientras no realizaba ninguna tarea.
Para comprobar si un cerebro en reposo contiene información sobre la atención, calculamos otro conjunto de perfiles de conectividad individuales para cada uno de nuestros participantes, usando datos recogidos mientras simplemente descansaban en el escáner. Con el mismo procedimiento que antes, volvimos a poder predecir el rendimiento en la tarea de atención. Nuestras predicciones no fueron tan precisas como las que habíamos hecho con datos cerebrales recogidos durante la realización de la tarea, pero seguían siendo significativamente mejores que una suposición al azar.
Con el perfil de conectividad en reposo de cualquier persona, incluso de alguien que nunca ha realizado una tarea de atención ni la realizará, podemos predecir cómo rendiría hipotéticamente en la tarea de ciudades y montañas.
Predicción del TDAH mediante conexiones funcionales
¿Nuestros resultados eran específicos del grupo de personas que habíamos evaluado y de la tarea de ciudades y montañas que utilizamos, o podían decirnos algo significativo sobre la atención sostenida en general?
Para comprobar esta cuestión, utilizamos datos de 113 niños y adolescentes proporcionados por la Universidad de Pekín como parte de The ADHD-200 Sample. Algunos de estos niños tenían un diagnóstico oficial de TDAH, con distintos grados de gravedad de los síntomas. Incluso algunos sin diagnóstico mostraban signos sutiles de problemas de atención. Para cada niño, tanto con como sin diagnóstico, los clínicos habían asignado una «puntuación de TDAH» en una escala de 18-72, que indicaba la gravedad de sus síntomas de déficit de atención. Las puntuaciones de los niños de nuestro conjunto de datos iban de 18 a 65.
Utilizando los perfiles de conectividad cerebral calculados mientras los niños descansaban en un escáner de resonancia magnética, descubrimos que las mismas conexiones funcionales que predijeron el rendimiento de nuestros adultos en New Haven predecían las puntuaciones de TDAH de los niños escaneados en Pekín. Nuestros modelos estadísticos predijeron que, si se les diera la tarea de ciudades y montañas, los niños con pocos síntomas de TDAH rendirían bien y los niños con más síntomas tendrían dificultades.
Así pues, las fluctuaciones espontáneas de la actividad cerebral mientras las personas simplemente descansan puedenpredecir sus síntomas de TDAH.
¿Una nueva «puntuación de atención»?
¿Significa esto que un científico puede ponerle en un escáner cerebral y descubrir lo bien que presta atención a las cosas? En cierto sentido, sí. Su perfil de conectividad contiene información única sobre usted, incluidas sus capacidades atencionales.
Es importante reconocer que rasgos como la atención y la inteligencia son multifacéticos, por lo que reducir el funcionamiento global de una persona a una sola medida corre el riesgo de simplificar en exceso. Pero las medidas que resumen un proceso complejo, como el CI para la inteligencia o el producto interno bruto para la economía, sí aportan información valiosa. Por ejemplo, una medida de este tipo puede ayudar a los investigadores a seguir los cambios en las capacidades a lo largo del tiempo y, algún día, podría ayudar a los clínicos a identificar a los niños con más probabilidades de beneficiarse del entrenamiento de la atención o del aprendizaje personalizado.
Una ventaja adicional de este enfoque es que, del mismo modo que pueden extraerse múltiples biomarcadores de una sola muestra de sangre, a partir de un único perfil de conectividad pueden hacerse múltiples predicciones. Distintas conexiones pueden decirnos cosas diferentes sobre una persona. Por ejemplo, descubrimos que las redes cerebrales que predicen los síntomas de TDAH no predicen el CI, pero nuestro grupo ha identificado otras redes que sí predicen la inteligencia.
Todavía queda un largo camino para que la conectividad cerebral sea para la atención lo que el CI es para la inteligencia. Pero estos métodos son prometedores para predecir una amplia variedad de rasgos y para aclarar la relación entre cerebro y conducta. Quizá en el futuro, una mejor comprensión de la relación entre la conectividad cerebral y la atención pueda servir para orientar el entrenamiento cognitivo, tal vez ayudando a transformar a todos nosotros en el Kerouac de la leyenda.
La publicación no implica el respaldo de las opiniones por parte del Foro Económico Mundial.
Para estar al día de la Agenda suscríbase a nuestro boletín semanal.
Autora: Monica Rosenberg es candidata a doctora en Psicología en la Universidad de Yale.
Imagen: Un operador bursátil reacciona ante la evolución del precio de las acciones en el parqué. REUTERS/Kai Pfaffenbach.
