MADRID, 18 (EUROPA PRESS)
Cuando los ratones aprenden a hacer una nueva tarea, sus actividades cerebrales cambian con el tiempo a medida que pasan de ser 'novatos' a 'expertos'. Los cambios se reflejan en el cableado de los circuitos celulares y en la actividad de las neuronas. Según un estudio en ratones publicado en la revista 'Neuron', sus redes neuronales se vuelven más refinadas, precisas y específicas conforme aprenden una determinada tarea.
El equipo comenzó capacitando a ratones en tareas de toma de decisiones perceptivas. Los animales recibieron estímulos multisensoriales en forma de una secuencia de clics y destellos que se presentaron juntos. Su trabajo consistía en decir a los investigadores si esto ocurría a un ritmo alto o bajo, lamiendo una de las tres trompas de agua que había delante de ellos. Cuando los ratones tomaron la decisión correcta, recibieron una recompensa.
"La mayoría de los estudios de toma de decisiones se centraron en el período en el que los animales son realmente expertos. Pero pudimos ver cómo llegan al estado midiendo las neuronas de su cerebro a través del aprendizaje. Encontramos que en todos los animales, su aprendizaje ocurre gradualmente a lo largo de unas cuatro semanas. Y encontramos que lo que apoya el aprendizaje es que la actividad cambia en un montón de neuronas", explica la autora principal del estudio, Anne Churchland.
Según sus hallazgos, las neuronas se volvieron más selectivas al responder a una actividad asociada con una tarea en particular. También comenzaron a reaccionar más rápido y más inmediatamente. Cuando los animales están empezando a aprender, las neuronas no responden hasta el momento en que toman la decisión. Pero a medida que el animal gana experiencia, las neuronas responden con mucha más antelación.
"Podemos leer la mente del animal de alguna manera, podemos predecir lo que el animal va a hacer antes de que lo haga. Cuando eres un principiante en algo, tus neuronas están involucradas en muchas opciones diferentes. Pero cuando eres un experto, te enfocas en lo que vas a hacer exactamente y podemos retomar esa actividad", detalla.
Los investigadores decodificaron la actividad neural entrenando una pequeña red artificial llamada 'Máquina de Vectores de Soporte Lineal' que usa algortimos basados en 'machine learning'. Esta red recopila datos de rendimiento de múltiples ensayos y los combina con la actividad de todas las neuronas para adivinar qué va a hacer el animal. A medida que el animal mejora en la tarea, sus redes neuronales se vuelven más refinadas, precisas y específicas. Los investigadores son capaces de reflejar eso en la red artificial, que puede entonces predecir la decisión del animal con una precisión de alrededor del 90 por ciento.
Los modelos de aprendizaje también ofrecen otra forma de ver tipos específicos de neuronas en el cerebro involucradas en la cognición, como las neuronas excitadoras y las inhibidoras, que desencadenan cambios positivos y negativos, respectivamente. En este estudio, el equipo encontró que las neuronas inhibidoras son parte de subredes muy selectivas en el cerebro, y son fuertemente selectivas para la elección que el animal va a hacer.