Observando la toma de decisiones en el cerebro
Resumen: Un sistema recientemente desarrollado permitió a los investigadores visualizar, en tiempo real, cómo el cerebro se embarca en el proceso de toma de decisiones.
Fuente: Stanford
En el transcurso de la decisión de seguir leyendo este artículo, es posible que cambie de opinión varias veces. Si bien su elección final será obvia para un observador (continuará desplazándose y leyendo, o hará clic en otro artículo), cualquier deliberación interna que haya tenido en el camino probablemente será inescrutable para todos menos para usted.
Esa vacilación clandestina es el foco de la investigación, publicada el 20 de enero en Nature, por investigadores de la Universidad de Stanford que estudian cómo las deliberaciones cognitivas se reflejan en la actividad neuronal.
Estos científicos e ingenieros desarrollaron un sistema que leyó y decodificó la actividad de las células cerebrales de los monos mientras se les pedía a los animales que identificaran si una animación de puntos en movimiento se desplazaba ligeramente hacia la izquierda o hacia la derecha. El sistema reveló con éxito el proceso continuo de toma de decisiones de los monos en tiempo real, con el reflujo y el flujo de la indecisión en el camino.
“Solo estaba mirando el rastro de actividad decodificado en la pantalla, sin saber en qué dirección se movían los puntos o qué estaba haciendo el mono, y podía decirle a Sania [Fong], la gerente del laboratorio, 'Va a elegir bien'. segundos antes de que el mono iniciara el movimiento para informar sobre la misma elección ”, recordó Diogo Peixoto, ex becario postdoctoral en neurobiología y coautor principal del artículo. “Lo haría bien del 80 al 90 por ciento de las veces, y eso realmente cimentó que esto estaba funcionando”.
En experimentos posteriores, los investigadores incluso pudieron influir en las decisiones finales de los monos mediante manipulaciones subliminales del movimiento de puntos.
"Básicamente, gran parte de nuestra cognición se debe a la actividad neuronal en curso que no se refleja abiertamente en el comportamiento, por lo que lo emocionante de esta investigación es que hemos demostrado que ahora podemos identificar e interpretar algunos de estos estados neuronales internos encubiertos". dijo el autor principal del estudio, William Newsome, profesor provincial de la familia Harman en el Departamento de Neurobiología de la Facultad de Medicina de la Universidad de Stanford.
"Estamos abriendo una ventana a un mundo de cognición que ha sido opaco para la ciencia hasta ahora", agregó Newsome, quien también es el Director Vincent VC Woo del Instituto de Neurociencias Wu Tsai.
Una decisión a la vez
Los estudios de neurociencia sobre la toma de decisiones generalmente han involucrado la estimación de la actividad promedio de poblaciones de células cerebrales en cientos de ensayos. Pero este proceso pasa por alto las complejidades de una sola decisión y el hecho de que cada instancia de toma de decisiones es ligeramente diferente: la miríada de factores que influyen en la decisión de leer este artículo hoy diferirán de los que le afectarían si tomase su decisión mañana.
“La cognición es realmente compleja y, cuando se promedia en un montón de pruebas, se pierden detalles importantes sobre cómo llegamos a nuestras percepciones y cómo tomamos nuestras decisiones”, dijo Jessica Verhein, MD / PhD estudiante en neurociencia y coautora principal del papel.
Para estos experimentos, se equipó a los monos con un implante neural del tamaño de una uña meñique que informaba de la actividad de 100 a 200 neuronas individuales cada 10 milisegundos mientras se mostraban puntos digitales que desfilaban en una pantalla. Los investigadores colocaron este implante en la corteza premotora dorsal y la corteza motora primaria porque, en investigaciones anteriores, encontraron que las señales neuronales de estas áreas del cerebro transmiten las decisiones de los animales y su confianza en esas decisiones.
Cada video de puntos en movimiento era único y duró menos de dos segundos, y los monos informaron sus decisiones sobre si los puntos se movían hacia la derecha o hacia la izquierda solo cuando se les solicitaba: una respuesta correcta dada en el momento correcto ganaba una recompensa de jugo. Los monos señalaron claramente su elección, presionando un botón derecho o izquierdo en la pantalla.
Dentro del cerebro de los monos, sin embargo, el proceso de decisión era menos obvio. Las neuronas se comunican a través de ráfagas rápidas de señales eléctricas ruidosas, que ocurren junto con una ráfaga de otras actividades en el cerebro. Pero Peixoto fue capaz de predecir las elecciones de los monos fácilmente, en parte porque las mediciones de actividad que vio se alimentaron primero a través de una tubería de procesamiento y decodificación de señales basada en años de trabajo del laboratorio de Krishna Shenoy, profesor de Hong Seh y Vivian WM Lim en la Escuela de Ingeniería y profesor, por cortesía, de neurobiología y bioingeniería, e investigador del Instituto Médico Howard Hughes.
El equipo de Shenoy había estado usando su técnica de decodificación neuronal en tiempo real para otros propósitos. “Siempre tratamos de ayudar a las personas con parálisis leyendo sus intenciones. Por ejemplo, pueden pensar en cómo quieren mover los brazos y luego se pasa esa intención a través del decodificador para mover el cursor de una computadora en la pantalla para escribir mensajes ”, dijo Shenoy, coautor del artículo. "Por lo tanto, estamos midiendo constantemente la actividad neuronal, decodificándola milisegundo a milisegundo y luego actuando rápidamente sobre esta información en consecuencia".
En este estudio en particular, en lugar de predecir el movimiento inmediato del brazo, los investigadores querían predecir la intención sobre una próxima elección según lo informado por un movimiento del brazo, lo que requería un nuevo algoritmo. Inspirándose en el trabajo de Roozbeh Kiani, un ex becario postdoctoral en el laboratorio de Newsome, Peixoto y sus colegas perfeccionaron un algoritmo que toma las señales ruidosas de grupos de neuronas en la corteza premotora dorsal y la corteza motora primaria y las reinterpreta como una "decisión variable." Esta variable describe la actividad que ocurre en el cerebro antes de la decisión de moverse.
"Con este algoritmo, podemos decodificar la decisión final del camino del mono antes de que mueva su dedo, y mucho menos su brazo", dijo Peixoto.
Tres experimentos
Los investigadores especularon que los valores más positivos de la variable de decisión indicaban una mayor confianza del mono en que los puntos se movían hacia la derecha, mientras que los valores más negativos indicaban una confianza en que los puntos se movían hacia la izquierda. Para probar esta hipótesis, llevaron a cabo dos experimentos: uno en el que paraban la prueba tan pronto como la variable de decisión alcanzara un cierto umbral y otro en el que la detenían cuando la variable parecía indicar una brusca inversión de la decisión del mono.
Durante los primeros experimentos, los investigadores detuvieron las pruebas en cinco niveles elegidos al azar y, en los niveles más altos de la variable de decisión positiva o negativa, la variable predijo la decisión final del mono con aproximadamente un 98 por ciento de precisión. Las predicciones en el segundo experimento, en el que el mono probablemente había cambiado de opinión, eran casi tan precisas.
Antes del tercer experimento, los investigadores comprobaron cuántos puntos podían agregar durante la prueba antes de que el mono se distrajera con el cambio en el estímulo. Luego, en el experimento, los investigadores agregaron puntos por debajo del umbral notable para ver si influiría en la decisión del mono de manera subliminal. Y, aunque los nuevos puntos eran muy sutiles, a veces sesgaban las elecciones del mono hacia cualquier dirección en la que se movieran. La influencia de los nuevos puntos fue más fuerte si se agregaron al principio de la prueba y en cualquier punto donde la variable de decisión del mono fuera baja, lo que indica un nivel débil de certeza.
“Este último experimento, dirigido por Jessie [Verhein], realmente nos permitió descartar algunos de los modelos comunes de toma de decisiones”, dijo Newsome. Según uno de esos modelos, las personas y los animales toman decisiones basadas en la suma acumulada de pruebas durante un juicio. Pero si esto fuera cierto, entonces el sesgo que introdujeron los investigadores con los nuevos puntos debería haber tenido el mismo efecto sin importar cuándo se introdujo. En cambio, los resultados parecían respaldar un modelo alternativo, que establece que si un sujeto tiene suficiente confianza en la toma de decisiones en su mente, o ha pasado demasiado tiempo deliberando, está menos inclinado a considerar nueva evidencia.
Nuevas preguntas, nuevas oportunidades
El laboratorio de Shenoy ya está repitiendo estos experimentos con participantes humanos con disfunciones neurales que usan estos mismos implantes neurales. Debido a las diferencias entre los cerebros de primates humanos y no humanos, los resultados podrían ser sorprendentes.
Las aplicaciones potenciales de este sistema más allá del estudio de la toma de decisiones incluyen investigaciones de atención visual, memoria de trabajo o emoción. Los investigadores creen que su avance tecnológico clave, monitorear e interpretar estados cognitivos encubiertos a través de grabaciones neuronales en tiempo real, debería resultar valioso para la neurociencia cognitiva en general, y están emocionados de ver cómo otros investigadores desarrollan su trabajo.
“La esperanza es que esta investigación capte el interés de algunos estudiantes universitarios o nuevos graduados y se involucren en estas preguntas y lleven la pelota hacia adelante durante los próximos 40 años”, dijo Shenoy.
Los coautores de Stanford incluyen a los ex becarios postdoctorales Roozbeh Kiani (ahora en la Universidad de Nueva York), Jonathan C. Kao (ahora en la Universidad de California, Los Ángeles) y Chand Chandrasekaran (ahora en la Universidad de Boston); Paul Nuyujukian, profesor asistente de bioingeniería y neurocirugía; la anterior gerente de laboratorio Sania Fong y el investigador Julian Brown (ahora en UCSF); y Stephen I. Ryu, profesor adjunto de ingeniería eléctrica (también director de neurocirugía de la Palo Alto Medical Foundation). Newsome, Nuyujukian y Shenoy también son miembros de Stanford Bio-X y del Instituto de Neurociencias Wu Tsai.
Financiamiento: Esta investigación fue financiada por la Fundación Champalimaud, Portugal; Instituto Médico Howard Hughes; Institutos Nacionales de Salud a través del Programa de Capacitación para Científicos Médicos de Stanford; Colaboración de la Fundación Simons sobre el cerebro global; Beca Pew en Ciencias Biomédicas; Institutos Nacionales de Salud (incluido el Premio Pionero del Director); Premio McKnight Scholars; Fundación Nacional de Ciencia; Instituto Nacional de Sordera y Otros Trastornos de la Comunicación; Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares; Agencia de Proyectos de Investigación Avanzada de Defensa - Oficina de Tecnologías Biológicas (Premio NeuroFAST); y Oficina de Investigaciones Navales.
Acerca de esta noticia de investigación en neurociencia
Fuente: Stanford
Contacto: Taylor Kubota - Stanford
Imagen: La imagen corresponde a Gil Costa
Original Research: Closed access.
“Decoding and perturbing decision states in real time” by Diogo Peixoto, Jessica R. Verhein, Roozbeh Kiani, Jonathan C. Kao, Paul Nuyujukian, Chandramouli Chandrasekaran, Julian Brown, Sania Fong, Stephen I. Ryu, Krishna V. Shenoy & William T. Newsome. Nature
Resumen
Decodificación y perturbación de estados de decisión en tiempo real
En entornos dinámicos, los sujetos a menudo integran múltiples muestras de una señal y las combinan para llegar a un juicio categórico 1 . El proceso de deliberación se puede describir mediante una variable de decisión variable en el tiempo (DV), decodificada a partir de la actividad de la población neuronal, que predice la próxima decisión de un sujeto 2. Sin embargo, dentro de los ensayos individuales, hay grandes fluctuaciones de momento a momento en la VD, cuya importancia conductual no está clara. Aquí, usando el control de retroalimentación neuronal en tiempo real de la duración del estímulo, mostramos que las fluctuaciones de DV dentro del ensayo, decodificadas de la corteza motora, están estrechamente relacionadas con el estado de decisión en los macacos, prediciendo elecciones de comportamiento sustancialmente mejor que la DV de condición promedio o la estímulo visual solo. Además, los cambios sólidos en el signo DV tienen las regularidades estadísticas esperadas de los estudios de comportamiento de los cambios de opinión 3 . Al sondear el proceso de decisión en ensayos individuales con pulsos de estímulo débiles, encontramos evidencia de límites de decisión absorbentes que varían en el tiempo, lo que nos permite distinguir entre modelos específicos de toma de decisiones.
Traducido de Neuroscience News
Comentarios
Publicar un comentario