Cómo el cerebro logra que los movimientos difíciles se vuelvan automáticos

El cerebro humano, al aprender una nueva habilidad motora, no solo almacena información, sino que transforma el caos inicial de su actividad neuronal en circuitos cada vez más precisos y eficientes. Así lo revela un estudio realizado por investigadores de la Universidad de Stanford, publicado en Cell Reports (2025), que detalla cómo la práctica convierte movimientos torpes y conscientes en acciones automáticas.

Según Muy Interesante, este hallazgo explica la formación de hábitos motores y abre nuevas perspectivas para el tratamiento de enfermedades como el párkinson y para la rehabilitación tras lesiones neurológicas.

Un cerebro que aprende afinando sus circuitos

El equipo liderado por Jun Ding se propuso observar cómo el cerebro refina sus redes neuronales durante el aprendizaje motor. Para ello, entrenaron a ratones en una tarea sencilla: correr en una rueda mientras registraban la actividad de sus neuronas en el estriado, una región cerebral clave para el control del movimiento.

Al inicio del experimento, la mayoría de las neuronas se activaban de forma desordenada, sin distinguir entre el inicio o el final de la acción. Tras varios días de entrenamiento, el panorama cambió: menos neuronas participaban, pero lo hacían de manera mucho más precisa, formando grupos que se encendían justo al comenzar o terminar el movimiento.

Muy Interesante destaca que este proceso no implica la creación de nuevas neuronas, sino la selección y consolidación de las que ya existen, afinando su función para lograr mayor eficiencia.

El estudio profundizó en el papel de dos tipos principales de neuronas del estriado: las de la vía directa (dSPNs) y las de la vía indirecta (iSPNs). Las primeras, asociadas con la iniciación de la acción, pasaron de una activación difusa a formar circuitos especializados para el inicio y el final del movimiento. Por su parte, las iSPNs, que al principio respondían de manera menos específica, evolucionaron hasta adoptar roles definidos, lo que sugiere que contribuyen a suprimir movimientos no deseados y a mejorar la coordinación.

Como subraya Muy Interesante, “el aprendizaje, entonces, no es sumar más neuronas, sino refinar las que mejor cumplen la función”.

Optimización neuronal durante el entrenamiento

Uno de los resultados más llamativos del trabajo fue la constatación de que, a medida que los ratones aprendían la tarea, el número total de neuronas activas disminuía, pero la información transmitida se mantenía.

Los investigadores entrenaron modelos matemáticos para predecir la velocidad de los animales a partir de la actividad neuronal y comprobaron que, aunque había menos neuronas activas al final del aprendizaje, las predicciones seguían siendo igual de precisas.

Esto demuestra que el cerebro logra hacer más con menos esfuerzo, optimizando sus recursos y reduciendo errores. Muy Interesante resume este fenómeno con la frase: “La plasticidad neuronal es la clave que permite convertir intentos fallidos en movimientos precisos”.

Las implicaciones de estos hallazgos van más allá del laboratorio. En el caso del párkinson, la investigación sugiere que el problema podría no ser solo la incapacidad de activar recuerdos motores, sino la desestabilización de las redes neuronales que los sostienen.

Si esta hipótesis se confirma, los tratamientos actuales, basados en la reactivación de neuronas mediante fármacos como la L-Dopa, podrían resultar insuficientes. Muy Interesante señala que sería necesario ayudar al cerebro a reorganizar y estabilizar sus circuitos motores, combinando medicamentos con terapias físicas específicas para lograr una mayor eficacia.

Implicaciones para el tratamiento y la rehabilitación

Además, el conocimiento sobre cómo el cerebro reorganiza sus redes neuronales durante el aprendizaje motor ofrece nuevas pistas para el diseño de programas de rehabilitación tras lesiones neurológicas o accidentes cerebrovasculares. Comprender este proceso permite desarrollar entrenamientos más efectivos para recuperar movimientos perdidos, adaptando las terapias a la lógica de la plasticidad cerebral.

El trabajo de Jun Ding y su equipo, según Muy Interesante, pone de relieve que el aprendizaje motor no consiste en almacenar datos fijos, sino en la capacidad del cerebro para reconfigurar sus circuitos de manera continua. Este principio se aplica tanto a tareas simples como a habilidades complejas, y sugiere que la posibilidad de aprender y reaprender permanece activa a lo largo de toda la vida.

El reto para la ciencia es trasladar este conocimiento a la práctica clínica, con el objetivo de estabilizar o reactivar los circuitos neuronales implicados en el control motor. Si se logra, se abrirán nuevas vías para el tratamiento del párkinson y se ampliará la comprensión sobre los mecanismos del aprendizaje y la recuperación de habilidades en cualquier etapa de la vida.