Integración funcional (neurobiología)
integración funcional es el estudio de cómo las regiones del cerebro trabajan juntas para procesar información y generar respuestas. Aunque la integración funcional con frecuencia se basa en el conocimiento anatómico de las conexiones entre áreas del cerebro, el énfasis está en cómo grandes grupos de neuronas, que se cuentan por miles o millones, se activan juntas bajo diversos estímulos. Los grandes conjuntos de datos necesarios para obtener una imagen tan completa de la función cerebral han motivado el desarrollo de varios métodos novedosos y generales para el análisis estadístico de la interdependencia, como el modelado causal dinámico y el mapeo paramétrico lineal estadístico. Estos conjuntos de datos normalmente se recopilan en seres humanos mediante métodos no invasivos como EEG/MEG, fMRI o PET. Los resultados pueden tener valor clínico al ayudar a identificar las regiones responsables de los trastornos psiquiátricos, así como a evaluar cómo las diferentes actividades o estilos de vida afectan el funcionamiento del cerebro.
Técnicas de imagen
La elección de la modalidad de imagen de un estudio depende de la resolución espacial y temporal deseada. La fMRI y la PET ofrecen una resolución espacial relativamente alta, con dimensiones de vóxel del orden de unos pocos milímetros, pero su tasa de muestreo relativamente baja dificulta la observación de interacciones rápidas y transitorias entre regiones distantes del cerebro. MEG supera estas limitaciones temporales, pero a costa de detectar únicamente señales de grupos de neuronas mucho más grandes.
FMRI
La resonancia magnética funcional (fMRI) es una forma de MRI que se usa con mayor frecuencia para aprovechar una diferencia en el magnetismo entre la oxihemoglobina y la desoxihemoglobina para evaluar el flujo sanguíneo a diferentes partes del cerebro. Las frecuencias de muestreo típicas para imágenes de resonancia magnética funcional son décimas de segundo.
MEG
La magnetoencefalografía (MEG) es una modalidad de imágenes que utiliza magnetómetros muy sensibles para medir los campos magnéticos resultantes de las corrientes iónicas que fluyen a través de las neuronas del cerebro. Las máquinas MEG de alta calidad permiten velocidades de muestreo inferiores a milisegundos.
MASCOTA
PET trabaja introduciendo una molécula biológicamente activa radioetiquetada. La elección de la molécula dicta lo que se visualiza: mediante el uso de un análogo de glucosa, por ejemplo, se puede obtener una imagen cuya distribución de intensidad indica actividad metabólica. Los escáneres PET ofrecen tasas de muestreo en los 10 segundos.
Imagen multimodal
Las imágenes multimodales frecuentemente consisten en el acoplamiento de una técnica de medición electrofisiológica, como EEG o MEG, con una hemodinámica como fMRI o PET. Si bien la intención es utilizar las fortalezas y limitaciones de cada uno para complementar al otro, los enfoques actuales adolecen de limitaciones experimentales. Algunos trabajos anteriores se han centrado en intentar utilizar la alta resolución espacial de la resonancia magnética funcional para determinar el origen (espacial) de las señales EEG/MEG, de modo que en trabajos futuros esta información espacial pueda extraerse de una señal EEG/MEG unimodal. Si bien algunos estudios han tenido éxito en correlacionar los orígenes de las señales entre modalidades con un margen de error de unos pocos milímetros, los resultados no han sido uniformemente positivos. Otra limitación actual es la configuración experimental real: tomar mediciones usando ambas modalidades a la vez produce señales inferiores, pero la alternativa de medir cada modalidad por separado se ve confundida por la variabilidad de un ensayo a otro.
Modos de análisis
En la integración funcional, se distingue entre conectividad funcional y conectividad efectiva. Se dice que dos regiones del cerebro están funcionalmente conectadas si existe una alta correlación entre los momentos en que las dos se activan, aunque esto no implica causalidad. La conectividad efectiva, por otro lado, es una descripción de la relación causal entre varias regiones del cerebro.
Si bien la evaluación estadística de la conectividad funcional de múltiples regiones del cerebro no es trivial, determinar la causalidad de qué regiones del cerebro influyen en cuál activar es mucho más espinoso y requiere soluciones a problemas de optimización mal planteados.
Modelado causal dinámico
El modelado causal dinámico (DCM) es un método bayesiano para deducir la estructura de un sistema neuronal basándose en la señal hemodinámica (fMRI) o electrofisiológica (EEG/MEG) observada. El primer paso es hacer una predicción sobre las relaciones entre las regiones cerebrales de interés y formular un sistema de ecuaciones diferenciales ordinarias que describan la relación causal entre ellas, aunque muchos parámetros (y relaciones) serán inicialmente desconocidos. Utilizando resultados anteriores sobre cómo se sabe que la actividad neuronal se traduce en señales de fMRI o EEG, se puede tomar la señal medida y determinar la probabilidad de que los parámetros del modelo tengan valores particulares. El modelo dilucidado se puede utilizar luego para predecir relaciones entre las regiones cerebrales consideradas en diferentes condiciones. Un factor clave a considerar durante el diseño de experimentos de neuroimagen que involucran DCM es la relación entre el momento de las tareas o estímulos presentados al sujeto y la capacidad de DCM para determinar las relaciones subyacentes entre regiones del cerebro, que está parcialmente determinada por la resolución temporal de la modalidad de imagen en uso.
Mapeo estadístico paramétrico
El mapeo paramétrico estadístico (SPM) es un método para determinar si la activación de una región cerebral particular cambia entre condiciones experimentales, estímulos o con el tiempo. La idea esencial es simple y consta de dos pasos principales: primero, se realiza una prueba estadística univariada en cada vóxel individual entre cada condición experimental. En segundo lugar, se analiza la agrupación de los vóxeles que muestran diferencias estadísticamente significativas y se determina qué regiones del cerebro exhiben diferentes niveles de activación en diferentes condiciones experimentales.
Existe una gran flexibilidad en la elección de la prueba estadística (y, por lo tanto, en las preguntas para las que se puede diseñar un experimento) y las opciones comunes incluyen la prueba t de Student o la regresión lineal. Sin embargo, una consideración importante con SPM es que la gran cantidad de comparaciones requiere controlar la tasa de falsos positivos con un umbral de significancia más estricto. Esto se puede hacer modificando la prueba estadística inicial para disminuir el valor α y hacer más difícil que un vóxel en particular muestre una diferencia significativa (por ejemplo, corrección de Bonferroni), o modificando el análisis de agrupamiento en el segundo paso solo considerar que la activación de una región del cerebro es significativa si contiene una cierta cantidad de vóxeles que exhiben una diferencia estadística (ver teoría de campos aleatorios).
Morfometría basada en voxel
La morfometría basada en vóxeles (VBM) es un método que permite medir las diferencias en la composición del tejido cerebral entre sujetos. Para hacerlo, primero se deben registrar todas las imágenes en un sistema de coordenadas estándar, asignándolas a una imagen de referencia. Esto se hace mediante el uso de una transformación afín que minimiza la diferencia de intensidad de la suma de cuadrados entre la imagen experimental y la referencia. Una vez hecho esto, la proporción de materia gris o blanca en un vóxel se puede determinar por intensidad. Esto permite comparar la composición del tejido de las regiones cerebrales correspondientes entre diferentes sujetos.
Aplicaciones
La capacidad de visualizar la actividad de todo el cerebro se utiliza con frecuencia para comparar la función cerebral durante diversos tipos de tareas o pruebas de habilidad, así como para comparar la estructura y función del cerebro entre diferentes grupos de personas.
Cambios en la activación cerebral en estado de reposo
Muchos estudios anteriores de resonancia magnética funcional han observado que la activación espontánea de regiones cerebrales funcionalmente conectadas se produce durante el estado de reposo, incluso en ausencia de cualquier tipo de estimulación o actividad. A los sujetos humanos a los que se les presenta una tarea de aprendizaje visual exhiben cambios en la conectividad funcional en estado de reposo durante hasta 24 horas y los estudios de conectividad funcional dinámica incluso han mostrado cambios en la conectividad funcional durante una sola exploración. Al realizar exploraciones por resonancia magnética funcional de los sujetos antes y después de la tarea de aprendizaje, así como al día siguiente, se demostró que la actividad había provocado un cambio en el estado de reposo en la actividad del hipocampo. El modelado causal dinámico reveló que el hipocampo también exhibió un nuevo nivel de conectividad efectiva con el cuerpo estriado, aunque no hubo cambios relacionados con el aprendizaje en ninguna área visual. La combinación de fMRI con DCM en sujetos que realizan una tarea de aprendizaje permite delinear qué sistemas cerebrales están involucrados en diversos tipos de aprendizaje, ya sea implícito o explícito, y documentar durante mucho tiempo que estas tareas conducen a cambios en la activación cerebral en estado de reposo.
Estimación del coeficiente intelectual
Las mediciones morfométricas basadas en vóxeles de la localización de la materia gris en el cerebro se pueden utilizar para predecir los componentes del coeficiente intelectual. Se evaluó el coeficiente intelectual de un grupo de 35 adolescentes y se les realizó una resonancia magnética funcional en el transcurso de 3,5 años, y se predijo su coeficiente intelectual según el nivel de localización de la materia gris. Este estudio estuvo bien realizado, pero los estudios de este tipo frecuentemente adolecen de una "doble inmersión" donde se utiliza un único conjunto de datos para identificar las regiones cerebrales de interés y para desarrollar un modelo predictivo, lo que conduce a un sobreentrenamiento del modelo y a una ausencia de poder predictivo real.
Los autores del estudio evitaron la doble inmersión utilizando un método de "dejar uno fuera". Metodología, que implica construir un modelo predictivo para cada uno de los n miembros de una muestra basado en datos de los otros n-1 miembros. Esto garantiza que el modelo sea independiente del sujeto cuyo coeficiente intelectual se predice y dio como resultado un modelo capaz de explicar el 53% del cambio en el coeficiente intelectual verbal en función de la densidad de materia gris en la corteza motora izquierda. El estudio también observó el fenómeno previamente informado de que la clasificación de sujetos jóvenes según el coeficiente intelectual no permanece constante a medida que envejecen, lo que confunde cualquier medición de la eficacia de los programas educativos.
Estos estudios pueden tener una validación cruzada al intentar localizar y evaluar a pacientes con lesiones u otros daños en la región cerebral identificada, y examinar si presentan déficits funcionales en relación con la población. Esta metodología se vería obstaculizada por la falta de un "antes" medición de referencia, sin embargo.
Bucle fonológico
El bucle fonológico es un componente de la memoria de trabajo que almacena un pequeño conjunto de palabras que pueden mantenerse indefinidamente si no se distraen. El concepto fue propuesto por los psicólogos Alan Baddeley y Graham Hitch para explicar cómo se pueden internalizar las frases u oraciones y utilizarlas para dirigir la acción. Mediante el uso de mapeo paramétrico estadístico para evaluar las diferencias en el flujo sanguíneo cerebral entre participantes que realizan dos tareas diferentes, Paulescu et al. Pudieron identificar el almacenamiento del bucle fonológico como en las circunvoluciones supramarginales. Los sujetos humanos primero se dividieron en un grupo de control y otro experimental. Al grupo de control se le presentaron letras en un idioma que no entendían y diagramas visuales no lingüísticos. Al grupo experimental se le asignaron dos actividades: la primera actividad era recordar una cadena de letras y tenía como objetivo activar todos los elementos del bucle fonológico. La segunda actividad pidió a los participantes que evaluaran si determinadas frases rimaban y tenía como objetivo activar solo ciertos subsistemas involucrados en la vocalización, pero específicamente no el almacenamiento fonológico.
Al comparar la primera tarea experimental con la segunda, así como con el grupo de control, los autores del estudio observaron que la región del cerebro activada más significativamente por la tarea que requería almacenamiento fonológico era la circunvolución supramarginal. Este resultado fue respaldado por observaciones previas de la literatura sobre déficits funcionales en pacientes con daño en esta área.
Aunque este estudio pudo localizar anatómicamente una función específica y los métodos de integración funcional e imágenes son de gran valor para determinar las regiones del cerebro involucradas en ciertas tareas de procesamiento de información, los circuitos neuronales de bajo nivel que dan lugar a estas Los fenómenos siguen siendo un misterio.
Trastornos psiquiátricos
Aunque los estudios de FMRI de personas con esquizofrenia y trastorno bipolar han aportado cierta visión de los cambios en la conectividad efectiva causados por estas enfermedades, todavía no se ha logrado una comprensión completa de la remodelación funcional que se produce.
Montague et al. notan que la "eficacia casi irrazonable de la medicación psicotrópica" tiene un progreso algo estilizado en este campo, y abogan por un "fenotipado computacional" a gran escala de pacientes psiquiátricos. Estudios de neuroimagen de gran número de estos pacientes podrían producir marcadores de activación cerebral para enfermedades psiquiátricas específicas, y también ayudar en el desarrollo de tratamientos terapéuticos y modelos animales. Aunque una verdadera base de la función cerebral en pacientes psiquiátricos es casi imposible de obtener, los valores de referencia todavía se pueden medir comparando imágenes obtenidas de pacientes antes y después del tratamiento.