CIENCIAS AGRARIAS, DE LA INGENIERÍA Y DE MATERIALES

Inteligencia artificial para avanzar en el estudio del autismo

Especialistas del CONICET utilizaron una herramienta computacional que puede simular procesos que ocurrirían en las personas con trastornos del espectro autista.


Con el fin de contribuir con el diseño de nuevas terapias, científicos y científicas argentinos utilizaron una herramienta computacional para simular el funcionamiento de la corteza cerebral y poder comprender mejor la relación entre procesos fisiológicos y perceptuales que tendrían lugar en personas con trastornos del espectro autista (TEA).

El trabajo fue desarrollado por Rodrigo Echeveste, Diego Milone y Enzo Ferrante, investigadores del CONICET en el Instituto de Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional (sinc(i), CONICET-UNL), y contó también con la participación de la Inés Samengo, investigadora del CONICET y directora del Departamento de Física Médica del Centro Atómico Bariloche.  El desarrollo fue publicado en la revista Network Neuroscience.

La publicación da cuenta de que el equipo de investigación logró modificar un modelo computacional capaz de imitar el funcionamiento de la corteza cerebral a partir de estímulos visuales, para abordar la relación entre los procesos fisiológicos y perceptuales que ocurren en trastornos del espectro autista (TEA). El modelo original había sido desarrollado por Echeveste en un trabajo previo realizado durante su estancia postdoctoral en la Universidad de Cambridge en el Reino Unido, y publicado en la revista Nature Neuroscience en 2020.

Fruto de estudios anteriores, se considera que el pesaje o balance entre la información sensorial del mundo exterior y las propias expectativas se produce, en las personas con autismo, de una manera menos conveniente que en las personas sin autismo, dado que para los primeros, la percepción sensorial se intensifica y las expectativas se atenúan. El grupo de expertos se propuso tratar de comprender por qué ese pesaje en personas con TEA es diferente, para lo cual analizaron observaciones acerca de la fisiología del autismo. Al respecto, Rodrigo Echeveste señala: “Entender mejor la relación entre la fisiología del cerebro y la percepción o el comportamiento es central para  avanzar en el diseño de nuevas terapias”.

 

Conocimientos y computación

En el estudio se usó como banco de pruebas una red neuronal entrenada a partir de técnicas de inteligencia artificial para procesar estímulos visuales, imitando el comportamiento de la corteza visual primaria humana. “Cuando uno mide cómo se comportan estas neuronas artificiales mientras la red ‘mira’ algo, vemos una dinámica en las respuestas de las neuronas que son muy similares a las de nuestra corteza cerebral”, explica el investigador.

El óptimo funcionamiento del cerebro humano requiere de un balance muy delicado entre neuronas excitatorias -que al activarse ayudan a encender a otras-, y neuronas inhibitorias que al encenderse tienden a hacer apagar a las demás.

“Concretamente, nos preguntábamos si las diferencias perceptuales -entre personas con y sin autismo-, en términos del pesaje de información, podrían explicarse a partir de diferencias en los mecanismos de inhibición y, para ello, utilizamos un modelo computacional que simulase el funcionamiento neurológico y fisiológico  humano”, puntualiza Echeveste.

“Al debilitar la inhibición en la red neuronal artificial comenzaban a pesar menos las expectativas previas y más la percepción de los estímulos. Por lo tanto, al menos en nuestro modelo, la visión fisiológica sobre déficits de inhibición y la visión perceptual sobre el uso de expectativas previas en autismo constituirían dos caras de la misma moneda”, indica el investigador.

En el desarrollo de la neurociencia de los últimos años, se observa una explosión en el uso de técnicas de avanzada propias de la inteligencia artificial, justamente con la finalidad de desarrollar modelos computacionales útiles para entender mejor el funcionamiento del cerebro. “La mayoría de los modelos representan el funcionamiento neurotípico del cerebro.  Con este trabajo mostramos que este enfoque también es muy útil para entender el procesamiento sensorial de personas con autismo”.

 

Cooperación y futuro

Este trabajo desarrollado en el campo de la neurociencia computacional orientada a autismo, contó con apoyo de la Agencia Santafesina de Ciencia, Tecnología e Innovación, y el mismo, a futuro, presenta un amplio campo de perspectivas y desafíos. Tal como señala el Echeveste: “Nuestro trabajo conecta dos piecitas de un rompecabezas mucho más grande como es el autismo, del que todavía hay mucho que desconocemos”. En ese terreno tan vasto, el joven investigador sostiene que “los modelos computacionales, en un ida y vuelta con la pata experimental, pueden ser muy útiles como bancos de prueba para distintas hipótesis y para guiar futuros experimentos”.

Las múltiples dimensiones y requerimientos de este trabajo en equipo también se nutren de vínculos de colaboración, como los que se vienen desarrollando desde hace años con Marcela Menassé, especialista en psicoterapia de niños con trastorno del espectro autista, encargada de coordinar el grupo “TEA Bariloche”, que a su vez colabora con escuelas, centros de salud y asociaciones de padres de diversos lugares como Rosario, Bahía Blanca y Paraná.

Echeveste, quien además tiene vínculos de cooperación e intercambio con instituciones y grupos del Reino Unido, Alemania y los Estados Unidos, considera que a futuro “sería interesante poder escalar estos modelos para poder capturar fenómenos más complejos del comportamiento, lo cual requerirá de nuevos desarrollos técnicos en las herramientas de machine learning que se usan para entrenar estas redes”, temas en los que se está trabajando actualmente en el sinc(i).

Por Lautaro Massa – CCT Santa Fe

Referencia bibliográfica:

Echeveste, R., Ferrante, E., Milone, D. H., & Samengo, I. (2022). Bridging physiological and perceptual views of autism by means of sampling-based Bayesian inference. Network Neuroscience, 1-27. https://doi.org/10.1162/netn_a_00219

Echeveste, R., Aitchison, L., Hennequin, G. et al. Cortical-like dynamics in recurrent circuits optimized for sampling-based probabilistic inference. Nat Neurosci 23, 1138–1149 (2020). https://doi.org/10.1038/s41593-020-0671-1