Simulando el cerebro: ventana digital a enfermedades de neurona motora

Simulando el Cerebro: Una Ventana Digital a las Enfermedades de la Neurona Motora

¿Qué ocurre en el cerebro cuando una enfermedad de la neurona motora como la esclerosis lateral amiotrófica (ELA) o los accidentes cerebrovasculares afectan nuestra capacidad de movimiento? Un equipo de investigadoras de la UNAM ha desarrollado una herramienta digital innovadora para responder a esta pregunta: un modelo de inteligencia artificial que simula el cerebro de una persona con discapacidad motora.

Construyendo un "cerebro" en la computadora

Para entender el daño, primero hay que comprender el sistema sano. Las investigadoras Karla K. Sánchez Torres y Suemi Rodríguez Romo crearon una red neuronal artificial inspirada en la estructura del cerebro. Su modelo incluye dos elementos clave que lo hacen más realista:

1. Neuronas con "tiempo de viaje": En el cerebro real, las señales tardan en viajar de una neurona a otra. Este tiempo depende del estado del axón (el cable neuronal) y de su capa de mielina. El modelo calcula este tiempo para cada neurona, algo fundamental para una simulación realista.
2. Células "ama de llaves": Las células gliales, que durante mucho tiempo se consideraron simple "pegamento", son esenciales: alimentan neuronas, limpian desechos y evitan que las señales se mezclen. En enfermedades neurodegenerativas, estas células se vuelven hiperactivas (gliosis). El modelo simula este proceso: cuando una neurona está tan dañada que no puede transmitir información procesada, es reemplazada por una "célula glial virtual" que solo transmite información sin procesarla.

Un paseo con obstáculos

Las investigadoras simularon una tarea cotidiana: caminar evitando obstáculos como piedras, cercas, un perro o sonidos fuertes. Cada obstáculo activa los sensores del modelo, imitando nuestra vista y oído.

Entrenaron dos versiones: una "saludable" y otra con "daño neuronal" (alterando propiedades como la mielina para imitar la ELA). El aprendizaje se realiza por "ensayo y error" (aprendizaje por refuerzo): cuando el modelo responde correctamente al obstáculo, recibe una "recompensa" y refuerza las conexiones que llevaron a esa decisión.

La clave está en el manejo de la información.

Lo más fascinante es que el modelo permite observar cómo fluye la información en su interior. Usando el concepto de Transferencia de Entropía, que mide la influencia entre neuronas, descubrieron patrones claros que distinguen al cerebro sano del dañado.

Lo más revelador ocurrió en las capas intermedias de la red (equivalentes a las regiones profundas de nuestro sistema nervioso). En el modelo sano, estas capas mostraban una rica red de comunicaciones. En el dañado, aparecían muchos más "silencios" porque las neuronas dañadas habían sido reemplazadas por células gliales virtuales que no generan señales, actuando como "nodos mudos".

¿Qué hemos aprendido?

Este modelo es un gran paso porque:

• Es más realista al incluir células gliales y tiempos de viaje de la señal.
• Permite observar cómo el daño celular afecta la comunicación a gran escala.
• Los patrones de silencio neuronal podrían convertirse en indicadores (biomarcadores) para identificar y estudiar estas enfermedades.

Aunque el modelo es una representación simplificada, abre un camino prometedor para probar fármacos de manera virtual, entender la progresión de enfermedades o diseñar mejores terapias. Como señalan las investigadoras, a veces, para entender los secretos de la naturaleza, hay que construir una versión propia y observarla con atención.