Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarte el uso de la web mediante el análisis de tus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúas navegando, consideramos que aceptas nuestra Política de cookies .

6 de Septiembre de 2019
neurociencia

Un modelo matemático revela los secretos de la visión

Dos matemáticos y un neurocientífico crean el primer modelo anatómicamente preciso que explica cómo puede producirse la visión.

La retina está conectada a la corteza visual (en la parte posterior del cerebro) por medio de un número relativamente pequeño de células nerviosas, que forman el núcleo geniculado lateral. Esta es la única vía que tiene la información visual para viajar desde el mundo exterior al cerebro. [iStock/janulla]

La visión humana encierra un gran misterio: ante los ojos de nuestra mente aparecen vívidas imágenes del mundo, pero el sistema visual del cerebro recibe muy poca información del exterior. Gran parte de lo que «vemos» lo evocamos en nuestra cabeza.

«Muchas de las cosas que creemos ver realmente nos las estamos inventando», incide Lai-Sang Young, matemática de la Universidad de Nueva York. «En realidad no las vemos.»

Pero al cerebro se le debe dar bastante bien inventar el mundo visual, dado que habitualmente no vamos chocándonos con las puertas. Desgraciadamente, los estudios anatómicos no revelan por sí solos cómo crea el cerebro estas imágenes, del mismo modo que examinar el motor de un automóvil no nos permitiría descifrar las leyes de la termodinámica.

Una nueva investigación sugiere que la clave está en las matemáticas. Durante los últimos años, Young ha participado en una colaboración poco habitual con dos de sus colegas de la Universidad de Nueva York: Robert Shapley, un neurocientífico, y Logan Chariker, un matemático. Están creando un modelo matemático que unifica años de experimentos biológicos y explica la manera en que el cerebro genera elaboradas reproducciones visuales del mundo a partir de una información visual escasa.

«El trabajo de un investigador teórico, desde mi punto de vista, es tomar estos hechos y reunirlos en un marco coherente», apunta Young. «Los experimentadores no pueden decirnos qué es lo que hace que algo funcione.»

Young y sus colaboradores han construido su modelo incorporando los elementos básicos de la visión uno a uno. Han explicado cómo interaccionan las neuronas de la corteza visual para detectar los bordes de los objetos y los cambios de contraste, y ahora tratan de entender de qué modo percibe el cerebro la dirección en que se mueven los objetos.

Se trata de un trabajo pionero. Los intentos previos de modelizar la visión humana realizaron suposiciones poco realistas sobre la estructura de la corteza visual. El trabajo de Young, Shapley y Chariker acepta la exigente y poco intuitiva biología de la corteza visual tal y como es, y trata de explicar cómo puede producirse, a pesar de todo, el fenómeno de la visión.

«Creo que su modelo supone una mejora, ya que se basa en la anatomía real del cerebro. Quieren un modelo que sea correcto o plausible desde el punto de vista biológico», explica Alessandra Angelucci, neurocientífica de la Universidad de Utah.

Capas y más capas

Hay algunos aspectos de la visión que sabemos a ciencia cierta. El ojo actúa como una lente. Recibe luz del mundo exterior y proyecta una réplica a escala de nuestro campo visual sobre la retina, que se encuentra en la parte trasera del ojo. La retina está conectada a la corteza visual, la parte del cerebro situada en la zona posterior de la cabeza.

Sin embargo, hay muy pocas conexiones entre la retina y la corteza visual. Para un área visual unas 4 veces menor que la luna llena, solo hay alrededor de 10 células nerviosas que conectan la retina con la corteza. Estas células forman el núcleo geniculado lateral (NGL), la única vía que transmite la información visual del mundo exterior al cerebro.

Las células del NGL no solo son escasas, sino que tampoco pueden hacer demasiadas cosas. Envían un impulso a la corteza visual cuando detectan un cambio de oscuro a claro, o viceversa, en su minúscula sección del campo visual. Y eso es todo. Nuestro mundo iluminado bombardea la retina con datos, pero el cerebro solo puede apoyarse en la exigua señal de una pequeña colección de células del NGL. Ver el mundo basándonos en tan poca información es como tratar de reconstruir Moby Dick a partir de las notas escritas en una servilleta.

«Uno podría pensar que el cerebro realiza una fotografía de lo que vemos en nuestro campo visual», dice Young. «Pero no es el cerebro el que hace la foto, sino la retina, y de la retina a la corteza visual pasa muy poca información.»

Es entonces cuando la corteza visual se pone manos a la obra. Mientras la corteza y la retina están conectadas por un número relativamente pequeño de neuronas, la propia corteza posee una gran densidad de ellas. Por cada 10 neuronas del NGL que retornan de la retina, hay 4000 neuronas en la «capa de entrada» de la corteza visual, y muchas más en el resto. Esta discrepancia sugiere que el cerebro procesa mucho los escasos datos visuales que recibe. «La corteza visual posee una mente propia», asegura Shapley.

Para investigadores como Young, Shapley y Chariker, el reto es descifrar lo que sucede en esa mente.

Bucles visuales

La anatomía neuronal de la visión da que pensar. Al igual que una persona menuda que levante un enorme peso, pide a gritos una explicación: ¿cómo logra hacer tanto con tan poco?

Young, Shapley y Chariker no son los primeros que intentan responder esa pregunta con un modelo matemático. Sin embargo, todos los esfuerzos anteriores suponían que entre la retina y la corteza viajaba más información, una suposición con la que sería más fácil explicar la respuesta de la corteza visual a los estímulos. «A la hora de desarrollar modelos computacionales nadie se había tomado en serio lo que decía la biología», comenta Shapley.

Los matemáticos cuentan con una larga y exitosa trayectoria en la modelización de fenómenos variables, desde el movimiento de bolas de billar hasta la evolución del espaciotiempo. Estos son ejemplos de «sistemas dinámicos»: sistemas que evolucionan con el tiempo de acuerdo con unas reglas fijas. Las interacciones entre las neuronas que se activan en el cerebro también son un ejemplo de un sistema dinámico, aunque uno especialmente sutil y difícil de definir mediante una lista de reglas.

Las células del NGL envían a la corteza un tren de impulsos eléctricos con una magnitud de una décima de voltio y una duración de un milisegundo, lo que desencadena una cascada de interacciones neuronales. Según Young, las reglas que gobiernan esas interacciones son «infinitamente más complejas» que las que nos encontramos en otros sistemas físicos más familiares.

Cada neurona recibe al mismo tiempo las señales de otros cientos de neuronas. Algunas de estas señales empujan a la neurona a activarse. Otras la refrenan. A medida que una neurona recibe impulsos eléctricos de estas neuronas excitadoras e inhibidoras, el voltaje a través de su membrana fluctúa. La neurona solo se activa cuando ese voltaje (su «potencial de membrana») supera un cierto valor umbral, pero es casi imposible predecir cuándo sucederá eso.

«Si observamos el potencial de membrana de una única neurona, vemos que fluctúa enormemente», indica Young. «No hay forma de saber exactamente cuándo se va a activar.»

La situación es aún más complicada. Cada una de esos cientos de neuronas conectadas a una única neurona está a su vez recibiendo señales de centenares de otras neuronas. La corteza visual es una espiral de bucles y más bucles de retroalimentación. «El problema es que hay un montón de componentes. Eso es lo que lo hace difícil», razona Shapley.

Los anteriores modelos de la corteza visual ignoraban este aspecto. Daban por sentado que la información fluye en un único sentido: desde la parte frontal del ojo hasta la retina y de ahí al interior de la corteza, hasta que ¡zas! aparece la visión, como un artilugio que sale de una cinta transportadora. Estos modelos de «prealimentación» eran más fáciles de implementar, pero no tenían en cuenta las evidentes implicaciones de la anatomía de la corteza, que sugería que los bucles de «retroalimentación» debían jugar un papel importante.

«Lidiar con los bucles de retroalimentación es realmente difícil, porque la información vuelve una y otra vez y te cambia, no deja de volver y afectarte», señala Young. «Es algo que no aborda casi ningún modelo y que en el cerebro ocurre por doquier.»

En su artículo inicial de 2016, Young, Shapley y Chariker comenzaron a tomarse en serio estos bucles de retroalimentación. Los bucles de su modelo introducían algo parecido al efecto mariposa: los pequeños cambios en la señal del NGL se amplificaban a medida que atravesaban un bucle de retroalimentación tras otro, en un proceso conocido como «excitación recurrente» que propiciaba grandes cambios en la representación visual finalmente producida por el modelo.

Young, Shapley y Chariker demostraron que su modelo con abundante retroalimentación era capaz de reproducir la orientación de los bordes de los objetos (desde vertical hasta horizontal, pasando por todas las posibilidades intermedias) únicamente a partir de ligeros cambios en la débil señal de entrada del NGL. «[Mostraron] que es posible generar todas las orientaciones del mundo visual usando tan solo unas pocas neuronas conectadas a otras neuronas», valora Angelucci.

Sin embargo, la visión es mucho más que detectar bordes, y el artículo de 2016 solo fue el comienzo. El siguiente reto consistió en incorporar a su modelo nuevos elementos de la visión sin perder el que ya habían descifrado. 

«Si un modelo hace algo bien, debería poder hacer más cosas a la vez», afirma Young. «Nuestro cerebro siempre es el mismo, pero podemos actuar de manera diferente en circunstancias distintas.»

Enjambres de visión

En los experimentos de laboratorio, los investigadores exponen a primates a estímulos visuales sencillos: patrones en blanco y negro que varían en cuanto al contraste o la dirección en la que entran en el campo visual. Los investigadores estudian los impulsos nerviosos producidos en respuesta a esos estímulos mediante electrodos conectados a la corteza visual de los primates. Un buen modelo debería reproducir los mismos tipos de impulsos al recibir los mismos estímulos.

«Sabemos cómo reacciona [un primate] si le mostramos una determinada foto», señala Young. «A partir de esa información, intentamos aplicar ingeniería inversa para comprender lo que sucede en el interior.»

En 2018, los tres investigadores publicaron un segundo artículo en el que demostraban que el mismo modelo que es capaz de detectar los bordes también puede reproducir un patrón general de la actividad eléctrica de la corteza conocido como «ritmo gamma». (Es similar a lo que vemos cuando un enjambre de luciérnagas brilla de acuerdo con un patrón colectivo.)

Su tercer artículo, actualmente en proceso de revisión, explica cómo percibe los cambios de contraste la corteza visual. Su explicación se basa en un mecanismo por el que las neuronas excitadoras refuerzan mutuamente su actividad, un efecto parecido al fervor creciente que se vive en una fiesta. Es el tipo de aumento necesario para que la corteza visual cree imágenes completas a partir de escasos datos de entrada.

Actualmente, Young, Shapley y Chariker tratan de añadir sensibilidad direccional a su modelo, lo que serviría para explicar cómo reconstruye la corteza visual la dirección en que se mueven los objetos a través de nuestro campo visual. Después de eso, comenzarán a intentar entender el modo en que la corteza visual reconoce patrones temporales en los estímulos visuales. Con ello esperan descifrar, por ejemplo, por qué podemos percibir los destellos de un semáforo que parpadea, mientras que en una película no vemos la acción fotograma a fotograma.

En ese momento tendrán un modelo sencillo de la actividad de una de las seis capas de la corteza visual, aquella donde el cerebro esboza los aspectos básicos de la impresión visual. Su trabajo no aborda las cinco capas restantes, donde se lleva a cabo un procesamiento visual más complejo. Tampoco dice nada sobre el modo en que la corteza visual distingue los colores, lo cual ocurre a través de una vía neuronal completamente diferente y más difícil.

«Creo que aún tienen un largo camino por delante, aunque eso no quiere decir que no estén haciendo un buen trabajo», asevera Angelucci. «Es complicado y se necesita tiempo.»

Si bien su modelo está lejos de revelar completamente el misterio de la visión, constituye un paso en la dirección correcta: es el primer modelo que intenta descifrar la visión de una manera plausible desde el punto de vista biológico.

«Durante largo tiempo, la gente pasó de puntillas sobre este problema», concluye Jonathan Victor, neurocientífico de la Universidad Cornell. «Demostrar que es posible emplear un modelo que se ajusta a la biología constituye un verdadero triunfo.»

Kevin Hartnett / Quanta Magazine

Artículo traducido por Investigación y Ciencia con permiso de QuantaMagazine.org, una publicación independiente promovida por la Fundación Simons para potenciar la comprensión de la ciencia.

Referencias: «Orientation selectivity from very sparse LGN inputs in a comprehensive model of macaque V1 cortex», Logan Chariker, Robert Shapley y Lai-Sang Young en Journal of Neuroscience, vol. 36, n.º 49, págs. 12368-12384, 7 de diciembre de 2016; «Rhythm and synchrony in a cortical network model», Logan Chariker, Robert Shapley y Lai-Sang Young en Journal of Neuroscience, vol. 38, n.º 40, págs. 8621-8634, 3 de octubre de 2018.

Artículos relacionados

También te puede interesar

Los boletines de Investigación y Ciencia

Elige qué contenidos quieres recibir.