Descubren neuronas que procesan el lenguaje en diferentes escalas de tiempo
En las áreas de procesamiento del lenguaje de nuestro encéfalo, algunas poblaciones de células responden a una palabra, mientras que otras responden a secuencias de ellas.
Por Anne Trafton / MIT News
"Realmente parece que estas poblaciones neuronales integran información a través de diferentes escalas de tiempo a lo largo de la oración", dice Tamar Regev. Imagen generada con DALL-E
Gracias a la resonancia magnética funcional (RMf), los neurocientíficos han identificado varias regiones del encéfalo responsables del procesamiento del lenguaje. Sin embargo, descubrir las funciones específicas de las neuronas de esas regiones ha resultado difícil, porque la fMRI, que mide los cambios en el flujo sanguíneo, no tiene la resolución suficiente para revelar lo que hacen las pequeñas poblaciones de neuronas.
Ahora, mediante una técnica más precisa, que consiste en registrar la actividad eléctrica directamente del cerebro, los neurocientíficos del MIT han identificado distintos grupos de neuronas que parecen procesar distintas cantidades de contexto lingüístico. Estas ventanas temporales van desde una sola palabra hasta unas seis.
Según los investigadores, las ventanas temporales pueden reflejar funciones diferentes para cada población neuronal. Las poblaciones con ventanas más cortas pueden analizar el significado de palabras individuales, mientras que las que tienen ventanas más largas pueden interpretar significados más complejos creados cuando las palabras se encadenan.
Poblaciones neuronales intercaladas espacialmente
"Esta es la primera vez que vemos una clara heterogeneidad dentro de la red lingüística —dice Evelina Fedorenko, profesora de Neurociencia en el MIT. Y añade—: A lo largo de docenas de experimentos de resonancia magnética funcional, todas estas áreas del cerebro parecen hacer lo mismo, pero es una red grande y distribuida, por lo que tiene que haber alguna estructura allí».
En palabras de esta neurocientífica, «esta es la primera demostración clara de que hay una estructura, pero las diferentes poblaciones neuronales están intercaladas espacialmente, por lo que no podemos ver estas distinciones con la resonancia magnética funcional".
Fedorenko, quien también es miembro del Instituto McGovern para la Investigación del Cerebro del MIT, es la autora principal del estudio, que aparece en la revista Nature Human Behavior. La investigadora postdoctoral del MIT Tamar Regev y el estudiante graduado de la Universidad de Harvard Colton Casto son también los autores principales del artículo.
La resonancia magnética funcional, que ha ayudado a los científicos a aprender mucho sobre las funciones de las distintas partes del cerebro, funciona midiendo los cambios en el flujo sanguíneo cerebral. Estas mediciones actúan como un indicador indirecto de la actividad neuronal durante una tarea concreta.
Electrodos implantados en el cerebro
Sin embargo, cada vóxel o trozo tridimensional de una imagen de RMNf representa entre cientos de miles y millones de neuronas y resume la actividad de unos dos segundos, por lo que no puede revelar con detalle lo que hacen esas neuronas.
Una forma de obtener información más detallada sobre la función neuronal es registrar la actividad eléctrica mediante electrodos implantados en el cerebro. Estos datos son difíciles de obtener, porque este procedimiento se realiza solo en pacientes que ya se están sometiendo a una cirugía por una afección neurológica, como la epilepsia grave.
Los neurocientíficos del MIT han descubierto que las poblaciones neuronales de las áreas de procesamiento del lenguaje podrían dividirse en tres grupos. Estos representan ventanas temporales de una, cuatro o seis palabras. Imagen generada con Copilot
«Se pueden tardar varios años en obtener datos suficientes para una tarea, ya que estos pacientes son relativamente raros, y, en un paciente determinado, los electrodos se implantan en ubicaciones idiosincrásicas en función de las necesidades clínicas, por lo que se tarda un tiempo en reunir un conjunto de datos con cobertura suficiente de alguna parte objetivo del córtex —advierte Fedorenko. Y añade—: Pero estos datos, por supuesto, son el mejor tipo de información que podemos obtener de los cerebros humanos: sabes exactamente dónde estás espacialmente y tienes información temporal muy detallada».
Cuatro tipos diferentes de estímulos lingüísticos
En un estudio de 2016, Fedorenko informó del uso de este enfoque para estudiar las regiones de procesamiento del lenguaje de seis personas. Se registró la actividad eléctrica mientras los participantes leían cuatro tipos diferentes de estímulos lingüísticos: frases completas, listas de palabras, listas de no-palabras y frases jabberwocky, es decir, frases con estructura gramatical pero compuestas de palabras sin sentido.
Esos datos mostraron que en algunas poblaciones neuronales en regiones de procesamiento del lenguaje, la actividad se acumulaba gradualmente durante un período de varias palabras, cuando los participantes leían oraciones. Sin embargo, esto no sucedía cuando leían listas de palabras, listas de no-palabras y frases jabberwocky.
En el nuevo estudio, Regev y Casto volvieron a esos datos y analizaron los perfiles de respuesta temporal con mayor detalle. En su conjunto de datos original, tenían registros de la actividad eléctrica de 177 electrodos que respondían al lenguaje en los seis pacientes.
Ventanas temporales de una, cuatro o seis palabras
Las estimaciones conservadoras sugieren que cada electrodo representa un promedio de actividad de aproximadamente 200.000 neuronas. También obtuvieron nuevos datos de un segundo grupo de dieciséis pacientes, que incluía grabaciones de otros 362 electrodos que respondían al lenguaje.
Cuando los investigadores analizaron estos datos, encontraron que en algunas de las poblaciones neuronales la actividad fluctuaba hacia arriba y hacia abajo con cada palabra. En otros, sin embargo, la actividad se acumulaba a lo largo de varias palabras antes de volver a caer, y otros mostraban una acumulación constante de actividad neuronal en tramos más largos de palabras.
Al comparar sus datos con las predicciones hechas por un modelo computacional diseñado específicamente para procesar estímulos con diferentes ventanas temporales, los neurocientíficos del MIT encontraron que las poblaciones neuronales de las áreas de procesamiento del lenguaje podrían dividirse en tres grupos. Estos clústeres representan ventanas temporales de una, cuatro o seis palabras.
«Realmente parece que estas poblaciones neuronales integran información a través de diferentes escalas de tiempo a lo largo de la oración», dice Regev.
Procesamiento de palabras y significado
Según los investigadores, estas diferencias en el tamaño de la ventana temporal habrían sido imposibles de observar con la resonancia magnética funcional.
«Con la resolución de la RMf, no vemos mucha heterogeneidad dentro de las regiones que responden al lenguaje —explica Casto. Y añade—: Si se localizan en cada participante los vóxeles del cerebro que más responden al lenguaje, se observa que sus respuestas a frases, listas de palabras, frases jabberwocky y listas sin palabras son muy similares».
Los investigadores también pudieron determinar las localizaciones anatómicas donde se encontraban estos grupos. Las poblaciones neuronales con la ventana temporal más corta se hallaban predominantemente en el lóbulo temporal posterior, aunque algunas también se localizaban en los lóbulos temporal anterior o frontal.
«Ya sabemos que en la red lingüística [del cerebro] hay sensibilidad a cómo las palabras van juntas y a los significados de las palabras individuales », afirma Regev.
Las poblaciones neuronales de los otros dos grupos, con ventanas temporales más largas, estaban repartidas de forma más uniforme por los lóbulos temporal y frontal.
El laboratorio de Fedorenko ahora planea estudiar si estas escalas de tiempo corresponden a diferentes funciones. Una posibilidad es que las poblaciones de escalas de tiempo más cortas puedan estar procesando los significados de una sola palabra, mientras que aquellas con escalas de tiempo más largas interpretan los significados representados por varias palabras.
«Ya sabemos que en la red lingüística hay sensibilidad a cómo las palabras van juntas y a los significados de las palabras individuales —dice Regev. Y concluye—: Así que eso podría corresponder a lo que estamos encontrando, donde la escala de tiempo más larga es sensible a cosas como la sintaxis o las relaciones entre palabras, y tal vez la escala de tiempo más corta es más sensible a las características de palabras individuales o partes de ellas". ▪️
Publicado con la autorización de MIT News -Adaptación: Enrique Coperías / RexMolón Producciones
Fuente: Regev, T.I., Casto, C., Hosseini, E.A. et al. Neural populations in the language network differ in the size of their temporal receptive windows. Nature Human Behavior (2024). DOI: https://doi.org/10.1038/s41562-024-01944-2
