Los investigadores rastrean neuronas individuales mientras responden a las palabras
“El lenguaje es un campo enorme y somos nuevos en él. Sabemos mucho sobre cómo diferentes áreas del cerebro están involucradas en las tareas lingüísticas, pero los detalles no están muy claros”, dice Mohsen Jamali, investigador de neurociencia computacional de la Facultad de Medicina de Harvard que dirigió un estudio reciente sobre el mecanismo de comprensión del lenguaje humano. .
“Lo único de nuestro trabajo fue que analizábamos neuronas individuales. Hay muchos estudios como éste en animales (estudios de electrofisiología), pero son muy limitados en humanos. Tuvimos una oportunidad única de acceder a las neuronas humanas”, añade Jamali.
Sondeando el cerebro
El experimento de Jamali implicó reproducir conjuntos de palabras grabadas a pacientes que, por razones clínicas, tenían implantes que monitoreaban la actividad de las neuronas ubicadas en la corteza prefrontal izquierda, el área que es en gran medida responsable del procesamiento del lenguaje. “Teníamos datos de dos tipos de electrodos: los antiguos microarrays de tungsteno que pueden capturar la actividad de algunas neuronas; y las sondas Neuropixel, que son el último avance en electrofisiología”, dice Jamali. Los neuropíxeles se insertaron por primera vez en pacientes humanos en 2022 y pudieron registrar la actividad de más de cien neuronas.
“Entonces estábamos en el quirófano y le pedimos al paciente que participara. Teníamos una mezcla de frases y palabras, incluidos sonidos ininteligibles que no eran palabras reales pero que sonaban como palabras. También teníamos una historia corta sobre Elvis”, explica Jamali. Dijo que el objetivo era descubrir si había alguna estructura en la respuesta neuronal al lenguaje. Se utilizaron palabras ininteligibles como control para ver si las neuronas respondían a ellas de manera diferente.
“Los electrodos que utilizamos en el estudio registraron el voltaje (era una señal continua a una frecuencia de muestreo de 30 kHz) y la parte crítica fue disociar cuántas neuronas teníamos en cada canal de grabación. Utilizamos análisis estadístico para separar las neuronas individuales en la señal”, dice Jamali. Luego, su equipo sincronizó las señales de actividad neuronal con las grabaciones reproducidas a los pacientes en un milisegundo y comenzó a analizar los datos recopilados.
Poner palabras en los cajones
«Primero, traducimos las palabras de nuestros conjuntos a vectores», dice Jamali. En concreto, su equipo utilizó Word2Vec, una técnica utilizada en informática para encontrar relaciones entre palabras contenidas en un gran corpus de texto. Lo que Word2Vec puede hacer es decirle si ciertas palabras tienen algo en común (si son sinónimos, por ejemplo). “Cada palabra estaba representada por un vector en un espacio de 300 dimensiones. Entonces, simplemente mirábamos la distancia entre estos vectores y, si la distancia era cercana, concluíamos que las palabras pertenecían a la misma categoría”, explica Jamali.
Luego, el equipo utilizó estos vectores para identificar palabras que se agrupaban, lo que sugería que tenían algo en común (algo que luego confirmaron al examinar qué palabras estaban juntas en un grupo). Luego determinaron si neuronas específicas respondían de manera diferente a diferentes grupos de palabras. Resulta que sí.
“Terminamos con nueve grupos. Observamos qué palabras estaban en estos grupos y las etiquetamos”, dice Jamali. Resultó que cada grupo correspondía a un dominio semántico organizado. Las neuronas especializadas respondieron a palabras que se referían a animales, mientras que otros grupos respondieron a palabras que se referían a sentimientos, actividades, nombres, clima, etc. “La mayoría de las neuronas que registramos tenían un dominio preferido. Algunos tenían más, como dos o tres”, explicó Jamali.
La mecánica de la comprensión.
El equipo también probó si las neuronas se activaban con el mero sonido de una palabra o con su significado. «Además de las palabras sin sentido, otro control que utilizamos en el estudio fueron las palabras homófonas», dice Jamali. La idea era comprobar si las neuronas respondían de forma diferente a la palabra “sol” y a la palabra “hijo”, por ejemplo.
Resulta que la respuesta cambió según el contexto. Cuando la frase dejó claro que la palabra se refería a una estrella, el sonido activó neuronas desencadenadas por fenómenos meteorológicos. Cuando quedó claro que el mismo sonido se refería a una persona, activó las neuronas responsables de los familiares. «También presentamos las mismas palabras al azar sin ningún contexto y descubrimos que esto no provocó una respuesta tan fuerte como cuando el contexto estaba disponible», dice Jamali.
Pero el procesamiento del lenguaje en nuestro cerebro necesitará implicar algo más que diferentes categorías semánticas procesadas por diferentes grupos de neuronas.
“Hay muchas preguntas sin respuesta en el procesamiento lingüístico. Uno de ellos es cuánto importa una estructura, la sintaxis. ¿Está representado por una red distribuida o podemos encontrar un subconjunto de neuronas que codifiquen la estructura en lugar del significado? -Preguntó Jamali. Otra cosa que su equipo quiere estudiar es cómo se ve el procesamiento neuronal durante la producción del habla, además de la comprensión. «Cómo se relacionan estos dos procesos en términos de áreas del cerebro y la forma en que se procesa la información», añade Jamali.
Lo último (y según Jamali lo más desafiante) es utilizar las sondas Neuropixel para ver cómo se procesa la información en diferentes capas del cerebro. «La sonda Neuropixel viaja profundamente dentro de la corteza, y podemos observar las neuronas a lo largo del electrodo y decir algo como: 'Está bien, la información de esta capa, que es responsable de la semántica, va a esta capa, que es responsable de otra cosa'. .' Queremos saber cuánta información procesa cada capa. Esto debe ser un desafío, pero sería interesante ver cómo diferentes áreas del cerebro se involucran al mismo tiempo cuando se les presentan estímulos lingüísticos”, concluye Jamali.
Naturaleza, 2024. DOI: 10.1038/s41586-024-07643-2
