Control de la actividad neuronal de los primates mediante ilustraciones de redes neuronales artificiales

Mostrando imágenes de monos generadas por una red neuronal artificial, los investigadores pudieron predecir, e incluso controlar, la actividad de neuronas específicas dentro de los sistemas visuales de sus cerebros, según un nuevo estudio.

Los resultados demuestran cómo las redes neuronales artificiales actuales podrían ser utilizadas algún día para evocar visualmente estados cerebrales deseados y respuestas neuronales no invasivas en los cerebros de organismos vivos. Las redes neuronales artificiales (RNA) son actualmente los modelos computacionales más precisos de la visión de los primates.

Esto se aplica especialmente a la corriente visual ventral, los procesos neuronales en fracciones de segundo que se producen entre lo que el ojo observa y lo que el cerebro percibe. Si bien investigaciones anteriores han sugerido que las respuestas neuronales evocadas visualmente predichas por las RNA son similares a las observadas en cerebros vivos, la precisión de los modelos que "entienden" la corriente ventral no es muy conocida.

Para determinar su validez funcional, Pouya Bashivan y sus colegas utilizaron una RNA para controlar la actividad de las neuronas en el cerebro de macacos. Usando uno de los modelos más importantes de ARN de corriente ventral, Bashivan et al. sintetizaron una serie de imágenes que se asemejan a patrones abstractos de negro y gris, que según el modelo predecían la activación de poblaciones específicas de neuronas dentro de un cerebro de primate al ser vistos o activaban selectivamente una población, mientras el resto permanecía sin cambios.

Las imágenes sintetizadas mediante ARN fueron mostradas a macacos Rhesus, equipados con conjuntos de microelectrodos implantados, que se utilizaron para monitorizar las respuestas neurales visualmente evocadas en el mono. Los resultados muestran la considerable capacidad de las ARN para predecir selectivamente y controlar de manera independiente poblaciones de neuronas utilizando imágenes abstractas sintetizadas. Según los autores, los resultados sugieren que unos modelos de ARN más precisos podrían conducir a un control todavía más preciso de la actividad neuronal. (Fuente: AAAS)