Cuando aprendemos una habilidad compleja, como montar en bicicleta o tocar un instrumento musical, llegamos a un punto en el que la acción parece casi automática. Podemos repetir el movimiento una y otra vez con consistencia, lo que sugiere que algo fundamental en nuestro cerebro relacionado con esa habilidad se ha vuelto estable y confiable a lo largo del tiempo. Durante mucho tiempo, los neurocientíficos se han preguntado qué es exactamente lo que se mantiene constante en la actividad cerebral para permitir esta repetición precisa y duradera de movimientos.
Tradicionalmente, gran parte de la investigación en esta área se había centrado en el papel de las neuronas individuales. La idea era intentar descifrar qué hacía cada neurona por separado y cómo su actividad se correlacionaba con aspectos específicos del movimiento. Sin embargo, un enfoque diferente ha emergido, uno que considera que el cerebro no opera como una colección de unidades aisladas, sino como un sistema donde la información fluye a través de intrincadas "conversaciones" o interacciones entre vastas redes neuronales. Un equipo internacional de investigadores, con una destacada participación del Consejo Superior de Investigaciones Científicas (CSIC) en España, ha adoptado esta perspectiva para estudiar la base neuronal de los movimientos aprendidos.
Un Nuevo Enfoque: Las Conversaciones Neuronales
El estudio, cuyas conclusiones han sido publicadas en la prestigiosa revista Nature Neuroscience, partió de la hipótesis de que la clave de la estabilidad en los movimientos aprendidos reside no en la actividad individual de neuronas aisladas, sino en la forma en que grupos de neuronas interactúan y se coordinan. En otras palabras, el cerebro podría estar controlando el movimiento de forma distribuida, basándose en patrones de actividad conjunta o "conversaciones" que ocurren simultáneamente entre millones de neuronas.
Para investigar esta idea, los científicos se centraron en el estudio del sistema sensoriomotor. Este sistema es fundamental para nuestra interacción con el entorno a través del movimiento. Implica una compleja red de estructuras y procesos que trabajan juntos para planificar la acción que queremos ejecutar, llevarla a cabo físicamente y, crucialmente, monitorizar el estado de nuestras extremidades (como la posición del brazo o la tensión muscular) para poder ajustar el movimiento en tiempo real si es necesario. Es un circuito de retroalimentación constante entre la sensación y la acción.
La Investigación en Macacos: Observando la Estabilidad a Largo Plazo
Los investigadores llevaron a cabo experimentos con macacos, un modelo animal relevante para el estudio del cerebro humano debido a sus similitudes neurológicas. Estudiaron cómo estos animales realizaban una misma tarea de movimiento de forma repetida. Lo innovador de este estudio fue la duración del registro: en algunos casos, la actividad de cientos de neuronas en distintas áreas de la corteza cerebral fue registrada durante meses, e incluso durante años, mientras los macacos realizaban la misma acción.
Este enfoque a largo plazo fue clave. Como señala Juan A. Gallego, científico del CSIC en el Centro de Automática y Robótica (centro mixto del CSIC y la Universidad Politécnica de Madrid), "Algunos grupos de investigación habían intentado averiguar qué se mantiene estable en el cerebro cuando repetimos una acción, centrándose en la actividad individual de cada neurona y a lo largo de unos pocos días. Nosotros, en cambio, hemos analizado la actividad conjunta de las neuronas durante años".
Los resultados fueron reveladores. Los científicos lograron identificar patrones distribuidos de actividad neuronal, es decir, "conversaciones" entre muchas neuronas, que se mantenían notablemente estables a lo largo de los años. Esta estabilidad no se observaba al analizar la actividad de cada neurona por separado. "Nuestros resultados no se pueden explicar por una relación estable entre la actividad de cada neurona y el movimiento que realizan los sujetos", afirma Gallego.
Esto sugiere que, aunque la actividad individual de neuronas específicas puede variar con el tiempo, la forma en que estas neuronas se comunican y coordinan en conjunto para formar patrones de actividad distribuida es lo que proporciona la estabilidad necesaria para ejecutar movimientos aprendidos de manera consistente a lo largo del tiempo. Es como si la orquesta (el conjunto de neuronas) siempre tocara la misma melodía (el patrón de actividad estable) para un movimiento dado, incluso si los músicos individuales (neuronas específicas) cambian ligeramente su forma de tocar con el tiempo.
Implicaciones Directas en las Neuroprótesis
El hallazgo de estos patrones de actividad distribuida estables tiene una aplicación directa e inmediata en un campo de gran relevancia clínica: el diseño de neuroprótesis. Estos dispositivos representan una esperanza significativa para pacientes que han perdido la capacidad de movimiento debido a lesiones medulares, accidentes cerebrovasculares (ictus) u otras condiciones neurológicas que resultan en parálisis.
Las neuroprótesis funcionan implantando chips en el cerebro del paciente para registrar la actividad de cientos de neuronas. Esta actividad neural es luego "descodificada" por algoritmos para interpretar la intención de movimiento del sujeto. Basándose en esta intención, el dispositivo puede asistir al paciente de diversas maneras, como moviendo un cursor en una pantalla de ordenador, controlando un brazo robótico o, en enfoques más avanzados, reanimando los músculos paralizados del paciente mediante estimulación eléctrica funcional.
Sin embargo, los prototipos actuales de neuroprótesis, aunque han logrado resultados impresionantes, se enfrentan a un desafío técnico importante. Como dependen de la actividad de neuronas individuales registradas por los chips implantados, se topan con el problema de que las neuronas específicas cuya actividad se registra pueden cambiar ligeramente de un día para otro. Esto puede deberse a micro-movimientos del chip, cambios en el tejido circundante o la plasticidad neuronal misma. Este cambio en las "neuronas registradas" hace que la señal de control que la neuroprótesis recibe varíe con el tiempo, lo que resulta en una experiencia de control inestable y frustrante para el usuario.
Como explica el científico del CSIC, "Las neuroprótesis actuales consiguen resultados impresionantes, pero tienen la limitación de que cada día registran la actividad de neuronas diferentes. Estos cambios hacen que el paciente sienta que está usando una herramienta diferente, sería como si nos cambiaran de repente nuestra mano por la de otra persona".
Aquí es donde el hallazgo de los patrones de actividad distribuida estables se vuelve crucial. Si la estabilidad del movimiento aprendido reside en la "conversación" entre neuronas (el patrón distribuido) y no en la actividad de neuronas individuales, entonces la clave para mejorar las neuroprótesis está en descodificar estos patrones estables, no la actividad cambiante de neuronas específicas. Los resultados de este estudio proporcionan una "solución sencilla al problema", según Gallego. Al centrarse en los patrones estables que se mantienen a lo largo del tiempo, los algoritmos de descodificación de las neuroprótesis pueden compensar los cambios en las neuronas individuales que se registran cada día.
Esto significa que, independientemente de cuáles neuronas específicas esté registrando el chip en un momento dado, si se puede identificar el patrón de actividad distribuida que representa la intención de movimiento, la señal de control para la neuroprótesis será consistente. "Así se simplifica su control y el paciente siente que está usando la misma herramienta cada día", concluye Gallego.
Preguntas Frecuentes
¿Qué es el sistema sensoriomotor?
Es el conjunto de estructuras y procesos cerebrales y nerviosos que nos permiten interactuar con nuestro entorno a través del movimiento. Incluye la planificación de una acción, su ejecución física y la monitorización constante de la posición y estado de nuestro cuerpo para hacer ajustes si es necesario.
¿Por qué este estudio es diferente de investigaciones previas?
Mientras que estudios anteriores se centraban en la actividad de neuronas individuales y observaban periodos de tiempo cortos (días), esta investigación analizó la actividad conjunta de cientos de neuronas (sus "conversaciones") durante periodos mucho más largos (meses o años). Este enfoque reveló patrones de actividad distribuida que son estables a largo plazo, algo que no se veía al mirar neuronas individualmente.
¿Cómo ayuda este hallazgo al desarrollo de neuroprótesis?
El hallazgo de patrones de actividad neuronal estables a largo plazo proporciona una base más fiable para descodificar la intención de movimiento. Permite a las neuroprótesis compensar los cambios en las neuronas específicas que registran día a día, lo que resulta en un control más consistente y estable para el usuario, mejorando la experiencia y funcionalidad del dispositivo.
Conclusión
La comprensión de cómo el cerebro logra la asombrosa estabilidad en los movimientos aprendidos ha dado un paso gigante con este estudio. Al cambiar el foco de la neurona individual a las conversaciones neuronales y los patrones distribuidos de actividad, los investigadores han descubierto la clave de esta consistencia a largo plazo. Más allá de avanzar en nuestro conocimiento fundamental de la neurociencia, este hallazgo tiene un impacto tangible y esperanzador en el campo de las neuroprótesis. La posibilidad de desarrollar dispositivos que proporcionen un control estable y fiable podría transformar significativamente la vida de las personas con parálisis, acercándonos un paso más a la restauración funcional del movimiento.
Si quieres conocer otros artículos parecidos a Conversaciones Neuronales y Movimiento Estable puedes visitar la categoría Neurociencia.