Observar el cerebro en acción es uno de los grandes desafíos de la neurociencia. Comprender qué neuronas se activan cuando un animal se mueve, aprende o responde al entorno exige analizar miles de imágenes microscópicas y seguir células diminutas que cambian de posición constantemente.
En este contexto, investigadores del Massachusetts Institute of Technology (MIT) presentaron herramientas de inteligencia artificial capaces de rastrear y etiquetar neuronas en animales vivos en movimiento, un avance que podría acelerar notablemente el estudio del cerebro.
El trabajo, desarrollado en el Instituto Picower para el Aprendizaje y la Memoria y publicado en eLife, fue liderado por Steven Flavell. Según el equipo, estas herramientas permiten analizar la actividad neuronal de forma automatizada, reduciendo un proceso que antes podía extenderse durante meses.
Ver el cerebro en movimiento, un reto histórico
Tradicionalmente, la investigación cerebral se realizaba con animales inmóviles o en tejidos fijos, lo que limitaba la comprensión de cómo las neuronas operan durante el comportamiento real.
Seguir células mientras un organismo se desplaza implica resolver un problema complejo: el cerebro se deforma levemente, las neuronas cambian de ubicación en las imágenes y distinguir cada una requiere una precisión extrema.
Flavell explicó que comprender cómo los circuitos cerebrales generan la conducta depende justamente de esa observación dinámica. Poder identificar y rastrear neuronas en tiempo real permite acercarse a preguntas centrales sobre aprendizaje, memoria y comportamiento.
El equipo desarrolló tres herramientas con funciones complementarias. BrainAlignNet permite seguir la posición de cada neurona a lo largo de videos extensos, identificando su ubicación en cada fotograma con un 99,6% de precisión y a una velocidad muy superior a la de los métodos tradicionales.
AutoCellLabeler reconoce el tipo de célula en imágenes microscópicas basándose en datos de entrenamiento humano y alcanza cerca del 98% de precisión en el etiquetado.
Por su parte, CellDiscoveryNet agrupa y rastrea tipos celulares fluorescentes entre distintos animales sin requerir entrenamiento previo, con resultados comparables a los de especialistas.
En conjunto, estos sistemas automatizan una tarea que antes demandaba horas de trabajo manual y un entrenamiento técnico considerable.
Pruebas en organismos modelo
Las herramientas fueron evaluadas en dos organismos clásicos de la neurociencia: el gusano (Caenorhabditis elegans) y la medusa (Clytia hemisphaerica).
En estos modelos, la anotación manual de la actividad neuronal podía requerir hasta cinco horas por muestra de video, incluso con herramientas avanzadas. Además, el proceso exigía meses de formación para los investigadores.
Weissbourd señaló que uno de los mayores desafíos era interpretar la actividad cerebral mientras los animales se deformaban y cambiaban de posición. La inteligencia artificial permitió registrar los videos y extraer la información neuronal de forma automática, superando ese obstáculo.
Además de ahorrar tiempo, la automatización reduce la subjetividad humana en la identificación de células. Esto mejora la consistencia de los datos y permite analizar volúmenes de información mucho mayores.
Antes de estas herramientas, externalizar la anotación neuronal podía implicar costos elevados y largos plazos de procesamiento. La inteligencia artificial elimina ese cuello de botella y libera a los investigadores para enfocarse en interpretar resultados y diseñar nuevos experimentos.
El futuro de la neurociencia automatizada
El MIT prevé que estas herramientas se apliquen en sistemas biológicos más complejos y en tejidos humanos. También podrían integrarse con microscopios avanzados capaces de registrar la actividad cerebral en animales que se desplazan libremente.
El creciente volumen de datos en neurociencia exige soluciones automatizadas cada vez más precisas. En ese contexto, estos sistemas representan un paso hacia una investigación cerebral más dinámica, rápida y detallada.
Al permitir observar la actividad neuronal en condiciones más naturales, la inteligencia artificial no solo acelera el trabajo científico, sino que también acerca a la comprensión de cómo el cerebro genera pensamientos, emociones y conductas.