El modelo matemático revela los secretos de la visión.

Los matemáticos y neurocientíficos crearon el primer modelo anatómicamente preciso que explica cómo funciona la visión.

El gran misterio de la visión humana es este: percibimos una rica imagen del mundo que nos rodea, a pesar de que el sistema visual de nuestro cerebro recibe muy poca información al respecto. La mayor parte de lo que "vemos" es en realidad lo que imaginamos en nuestras cabezas.

"Mucho de lo que crees que ves en realidad está surgiendo", dijo Lai-Sang Young , matemático de la Universidad de Nueva York. "Realmente no los ves".

Sin embargo, el cerebro, aparentemente, se las arregla bien con la tarea de inventar el mundo visual, ya que generalmente no encontramos puertas. Desafortunadamente, estudiar anatomía por sí solo no nos muestra exactamente cómo el cerebro crea estas imágenes: nada más que una mirada más cercana al motor del automóvil le permitirá revelar las leyes de la termodinámica.

Un nuevo estudio sugiere que la clave para la comprensión radica en las matemáticas. En los últimos años, Young ha trabajado en asociaciones inesperadas con sus colegas universitarios Robert Shapley , neurocientífico, y Logan Chariker, matemático. Crearon un modelo matemático unificado que combina los resultados de muchos años de experimentos biológicos y explica cómo el cerebro produce reproducciones visuales complejas del mundo basadas en información visual escasa.

"La tarea del teórico, según lo veo, es que tomamos varios hechos y los presentamos en una imagen consistente", dijo Young. "Los experimentadores no te dirán cómo funciona algo".

Young y sus colegas construyeron un modelo, que incluye un elemento básico de visión a la vez. Explicaron cómo interactúan las neuronas de la corteza visual, reconociendo objetos y cambios en contraste, y ahora están trabajando para explicar cómo el cerebro percibe la dirección en la que se mueven los objetos.

Su trabajo es único. Los intentos anteriores de modelar la visión humana fueron ilusiones, que describen la arquitectura de la corteza visual. El trabajo de Young, Shapley y Chariker reconoce la biología compleja y no intuitiva de la corteza visual, y trata de explicar cómo todavía surge el fenómeno de la visión.

“Creo que su modelo mejora los resultados que realmente se basan en la verdadera anatomía del cerebro. Necesitan un modelo biológicamente correcto o aceptable ", dijo Alessandra Angelucci , neurocientífica de la Universidad de Utah.

Capa sobre capa

Estamos seguros de ciertos problemas relacionados con la visión.

El ojo funciona como una lente. Recibe luz del mundo exterior y proyecta una copia a pequeña escala del campo de visión observado en la retina ubicada en la parte posterior del ojo. La retina se conecta a la corteza visual, una parte del cerebro ubicada en la parte posterior de la cabeza.

Sin embargo, la conexión entre la retina y la corteza visual es muy débil. Alrededor de 10 células nerviosas que conectan la retina y la corteza visual caen en cada parte del campo de visión con un tamaño de aproximadamente un cuarto de la luna llena en el cielo. Forman el cuerpo acodado lateral, LKT, la única forma en que la información visual pasa del mundo exterior al cerebro.

Las células LKT no son solo pequeñas, casi no son capaces de nada. Las células LKT envían un impulso a la corteza visual, detectando un cambio de la oscuridad a la luz, o viceversa, en su pequeña parte del campo visual. Y eso es todo. El mundo retroiluminado bombardea la retina con datos, pero el cerebro solo tiene algunas señales miserables para trabajar desde una pequeña colección de células LKT. Tratar de ver el mundo sobre la base de tan poca información es similar a tratar de recrear a Moby Dick sobre la base de garabatos en una servilleta.

"Se puede imaginar que el cerebro está tomando una foto de lo que está observando a la vista", dijo Young. "Sin embargo, el cerebro no toma fotografías, la retina las hace y la información transmitida desde la retina a la corteza visual es escasa".

Y luego la corteza visual comienza a funcionar. Aunque relativamente pocas neuronas conectan la corteza y la retina, la propia corteza es un grupo denso de células nerviosas. Por cada 10 neuronas LCT que provienen de la retina, hay 4.000 neuronas solo en la primera "capa de entrada" de la corteza visual, y aún más en la siguiente. Esta discrepancia sugiere que el cerebro está procesando activamente la pequeña cantidad de datos visuales que recibe.

"La corteza visual tiene su propia mente", dijo Shapley.

Para investigadores como Young, Shapley y Chariker, el desafío es descifrar lo que está sucediendo en esta mente.

Bucles para los ojos

La anatomía nerviosa de la visión es provocativa. Parece un hombrecito levantando un gran peso y requiere una explicación: ¿cómo logra hacer tanto usando tan poco?

Young, Shapley y Chariker no son los primeros científicos en tratar de encontrar la respuesta a esta pregunta utilizando un modelo matemático. Pero todos los anteriores sugirieron que se transmite más información entre la retina y la corteza, tal suposición facilitaría un intento de explicar la reacción de la corteza visual a la estimulación.

"La gente no tomó en serio lo que siguió de la biología en el marco de un modelo computacional", dijo Shapley.

Los matemáticos tienen una larga historia de éxito en el modelado de fenómenos variables, desde mover bolas de billar hasta la evolución del espacio-tiempo. Estos son ejemplos de "sistemas dinámicos" que evolucionan con el tiempo de acuerdo con reglas fijas. Las interacciones de las neuronas que se activan en el cerebro también son un ejemplo de un sistema dinámico, aunque bastante delgado, uno en el que no es fácil imponer ciertas reglas.

Las células LKT envían a la corteza una secuencia de pulsos eléctricos con un voltaje de 1/10 voltios y una duración de 1 ms, lo que desencadena una cascada de interacciones neuronales. Young dijo que las reglas que gobiernan estas interacciones son "infinitamente más complejas" que las reglas que gobiernan los sistemas físicos más familiares.


Lai Sang Young y Robert Shapley

Las neuronas individuales reciben señales simultáneamente de cientos de otras neuronas. Algunas de estas señales fomentan la activación neuronal. Otros son abrumadores. Al recibir impulsos eléctricos de estas neuronas excitantes y supresoras, se observa una fluctuación de voltaje en la membrana de la neurona en cuestión. Y se activa solo cuando este voltaje ("potencial de membrana") excede un cierto umbral. Y es casi imposible predecir cuándo ocurrirá esto.

"Si observa el potencial de membrana de una neurona, saltará hacia arriba y hacia abajo", dijo Young. "Es completamente imposible predecir exactamente cuándo se activa".

Además, la situación real es aún más complicada. ¿Recuerdas estos cientos de neuronas conectadas a una de las nuestras? Cada uno de ellos recibe señales de cientos de otras neuronas. La corteza visual es una mezcla de comentarios interactivos conectados a los comentarios.

“El problema con todo esto es que tenemos demasiadas partes móviles. Esto complica las cosas ”, dijo Shapley.

En los primeros modelos de la corteza visual, esta característica se ignoraba. Se asumió que la información va en una dirección, desde el frente del ojo hasta la retina, luego hacia la corteza, hasta que finalmente, ¡voila! - en el otro extremo no aparecerá una imagen, como un dispositivo que aparece en una cinta transportadora. Estos modelos de "propagación directa" fueron más fáciles de crear, pero ignoraron los efectos de la anatomía de la corteza, lo que sugiere que los circuitos de retroalimentación juegan un papel importante en lo que está sucediendo.

"Es muy difícil trabajar con bucles de retroalimentación porque la información regresa y cambia de estado todo el tiempo, regresa e influye en usted", dijo Young. "Casi ningún modelo trata con esto, pero esto sucede en todo el cerebro".

En su trabajo original de 2016, Young, Shapley y Chariker decidieron tratar de tomar en serio estos circuitos de retroalimentación. Los bucles de retroalimentación de su modelo condujeron a la aparición de algo así como un efecto mariposa: pequeños cambios en la señal LCT se amplificaron cuando la señal pasó a través de un bucle tras otro, durante el llamado La "excitación recurrente", que condujo a grandes cambios en la representación visual, que el modelo finalmente formó.

Young, Shapley y Chariker mostraron que su modelo, rico en retroalimentación, podía reproducir la orientación de las caras de los objetos (horizontal, vertical y todas las demás) en función de pequeños cambios en las señales entrantes débiles del LCT.

"Demostraron que se pueden crear todas las orientaciones en el mundo visual utilizando solo un pequeño número de neuronas conectadas a otras neuronas", dijo Angelucci.

Pero la visión es mucho más que la simple detección de rostros, y el trabajo de 2016 fue solo el comienzo. La siguiente dificultad fue incluir elementos de visión adicionales en el modelo sin perder el único con el que ya habían tratado.

"Si un modelo hace algo bien, debería poder hacer varias cosas diferentes", dijo Young. "Su cerebro continúa sin cambios, pero es capaz de diferentes cosas en diferentes condiciones".

Enjambre de visiones

En experimentos de laboratorio, los investigadores presentaron a los primates los estímulos visuales más simples: patrones en blanco y negro en los que cambiaba el contraste o la dirección en la que aparecían en el campo de visión. Usando electrodos conectados a la corteza visual de los primates, los investigadores rastrearon los impulsos nerviosos que se originaban en respuesta a los estímulos. Un buen modelo debería reproducir tales impulsos en respuesta a estímulos similares.

"Sabemos que si le mostramos esta imagen al primate, él reaccionará de esa manera", dijo Young. "En base a esta información, estamos tratando de analizar lo que sucede dentro de él".

En 2018, tres investigadores publicaron un segundo trabajo en el que demostraron que el mismo modelo que es capaz de reconocer caras también puede reproducir la imagen general de la actividad de los impulsos corticales, conocida como el ritmo gamma (parece un enjambre de luciérnagas iluminando secuencialmente sus linternas).

Ahora los especialistas están estudiando su tercer trabajo, que explica cómo la corteza visual percibe cambios en contraste. La explicación menciona el mecanismo por el cual las neuronas excitantes mejoran la actividad de las demás, algo así como el crecimiento de la emoción de la multitud en el baile. Este tipo de proceso es necesario para que la corteza visual pueda crear imágenes completas basadas en datos de entrada escasos.

Hasta ahora, Young, Shapley y Chariker están trabajando para agregar sensibilidad direccional al modelo, lo que explicará cómo la corteza visual recrea la dirección del movimiento de los objetos a lo largo del campo de visión. Después de eso, comenzarán a explicar cómo la corteza visual reconoce secuencias de tiempo en estímulos visuales. Por ejemplo, quieren entender por qué percibimos destellos de un semáforo intermitente, pero al mismo tiempo no vemos cuadros individuales cuando vemos una película.

Después de eso, tendrán en sus manos un modelo simple de actividad que se produce solo en una de las seis capas de la corteza visual, en una capa en la que el cerebro describe a grandes rasgos los contornos básicos de la impresión visual. Su trabajo no se aplica a las otras cinco capas, donde tiene lugar un procesamiento visual más complejo. Tampoco dice nada acerca de cómo la corteza visual reconoce los colores, lo que ocurre a lo largo de una ruta neural más compleja y completamente diferente.

"Creo que todavía tienen mucho que hacer, pero no niego que hicieron lo mejor", dijo Angelucci. "Este es un trabajo difícil y lleva tiempo".

Aunque sus modelos aún están lejos de revelar todos los secretos de la visión, este es un paso en la dirección correcta: este es el primer modelo que intenta descifrar la visión de una manera biológicamente plausible.

"La gente ha estado retratando actividades en esta área durante mucho tiempo", dijo Jonathan Victor , neurocientífico de la Universidad de Cornell. "El hecho de que estos científicos hayan podido demostrar esto con el ejemplo de su modelo correspondiente a la biología es un verdadero triunfo".