Cómo aprende realmente el cerebro: un estudio pionero reveló mecanismos ocultos

La revista Science publicó un estudio que desafía la visión tradicional sobre cómo aprendemos. Dirigido por los neurobiólogos William “Jake” Wright, Nathan Hedrick y Takaki Komiyama de la Universidad de California en San Diego, el trabajo reveló que el cerebro no sigue una única regla para modificar sus sinapsis -las conexiones entre neuronas- durante el aprendizaje.

En cambio, cada neurona puede aplicar múltiples reglas al mismo tiempo, lo que sugiere una complejidad funcional mucho mayor de la que se asumía.

“Cuando se habla de plasticidad sináptica, generalmente se considera uniforme en el cerebro”, explicó Wright, investigador postdoctoral de la Facultad de Ciencias Biológicas y primer autor del estudio, en un comunicado levantado por EurekAlert!.

“Nuestra investigación proporciona una comprensión más clara de cómo se modifican las sinapsis durante el aprendizaje, con posibles implicaciones importantes para la salud, ya que muchas enfermedades cerebrales implican algún tipo de disfunción sináptica”, sentenció.

Visualizando el cambio sináptico

El estudio utilizó una tecnología de imágenes cerebrales de vanguardia conocida como fluorescencia de dos fotones in vivo, que permite observar sinapsis individuales en cerebros vivos.

Los investigadores aplicaron esta técnica a ratones entrenados para realizar una tarea motora simple: presionar una palanca para obtener una recompensa. Esto permitió mapear en tiempo real cómo se reorganizaban sus redes neuronales durante el proceso de aprendizaje.

La observación se centró en la corteza motora primaria, y reveló que los cambios sinápticos eran especialmente pronunciados en las neuronas piramidales, una clase de células nerviosas que se distinguen por su forma triangular y su estructura dendrítica compleja.

Estas células poseen dos tipos principales de dendritas: apicales, que se extienden desde el vértice de la célula, y basales, que se ramifican desde la base.

“Estos resultados sugieren que las sinapsis apicales en estas neuronas piramidales se organizan en grupos funcionales relacionados con la tarea, mientras que esta tendencia es mucho más débil en las sinapsis basales”, señalaron los expertos, según indicó en su artículo Popular Science.

Este hallazgo apunta a que diferentes regiones de una misma neurona pueden responder de forma distinta a los estímulos del aprendizaje, lo que introduce una nueva dimensión en la comprensión de la plasticidad cerebral.

Reglas múltiples y decisiones locales

La idea de que el cerebro aplica reglas uniformes de adaptación durante el aprendizaje queda descartada con estos resultados. Por el contrario, cada región de una neurona parece estar especializada para cumplir funciones específicas, y responde de forma independiente a la experiencia.

“La plasticidad sináptica no puede ocurrir al azar. Para que aprendamos... las sinapsis correctas deben experimentar los cambios adecuados (es decir, fortalecerse o debilitarse)”, declaró Wright de acuerdo con el artículo de Popular Science.

Esta afirmación subrayó que debe existir un criterio biológico definido que determine qué conexiones neuronales tienen que modificarse para adquirir una nueva habilidad o recordar una información.

Uno de los conceptos que cobra nueva relevancia tras este estudio es el llamado problema de asignación de créditos: cómo decide el cerebro qué sinapsis deben cambiar para que se produzca un comportamiento exitoso, cuando cada sinapsis solo tiene acceso a una parte del sistema.

“Este descubrimiento cambia fundamentalmente la forma en que entendemos cómo el cerebro resuelve el problema de asignación de créditos, con el concepto de que las neuronas individuales realizan cálculos distintos en paralelo en diferentes compartimentos subcelulares”, afirmó Takaki Komiyama, profesor de Neurobiología y Neurociencias, también coautor del estudio, de acuerdo con el medio de ciencia Medical Xpress.

Aplicaciones futuras en IA y trastornos cerebrales

El descubrimiento también plantea posibilidades concretas en campos como la inteligencia artificial. Actualmente, la mayoría de los modelos de redes neuronales funcionan bajo reglas unificadas.

La idea de que una sola unidad -como una neurona- pueda operar bajo múltiples reglas simultáneamente abre nuevas líneas de diseño en sistemas de aprendizaje automático.

En el plano médico, el estudio puede tener implicancias para abordar trastornos como el autismo, la enfermedad de Alzheimer, la adicción o el trastorno de estrés postraumático. Todos ellos están asociados con algún tipo de disfunción sináptica, y una comprensión más fina de las reglas neuronales podría ayudar a diseñar terapias más precisas.