Lo que ocurre es que la Física lleva una ventaja considerable en su desarrollo, y por ello cuenta con un bagaje de métodos y técnicas de investigación tanto experimentales como teóricas muy poderosas. Esto se manifiesta, por ejemplo, en el éxito obtenido por esta disciplina en la explicación de una amplia variedad de fenómenos, desde aquéllos referidos al mundo sub-atómico hasta el universo.

¿Significa ésto que los conocimientos adquiridos a través de la Física pueden aplicarse sin más a otras disciplinas?.

Podría creerse que si una técnica ha servido para resolver muy bien algún problema de la Física esa misma técnica podría aplicarse en modo inmediato a problemas de otras disciplinas, siempre que exista alguna semejanza formal entre ellos. Este es un enfoque muy simplista sobre cómo utilizar en otros campos la experiencia obtenida en la Física. Hay un cierto camino que es necesario recorrer para que el traspaso de información entre diferentes campos resulte útil. Ante todo es necesario conocer con cierta profundidad la otra disciplina, sus problemas, motivaciones y técnicas, y también sus posibilidades y sus limitaciones en la actualidad. Sólo entonces podremos saber si aquéllo que hemos aprendido los físicos puede usarse positivamente para agregar conocimiento a la otra disciplina.

¿Cómo se llega a esta meta?. Se trata en realidad de la formación de nuevos campos de investigación, de nuevas disciplinas que hoy llamamos pluridisciplinares porque requieren de la colaboración de varias disciplinas tradicionales. El modo como los físicos con formación "clásica" intentamos acercarnos a las otras ciencias es interactuando con sus investigadores. Sin embargo, el resultado de este acercamiento es sólo el inicio del proceso de fusión de los diferentes campos. Para que la nueva disciplina se desarrolle es necesaria la formación de nuevos científicos, proporcionándoles los conocimientos adecuados de los diferentes campos.

De este modo, por ejemplo, podemos hablar de un neurocientífico que conoce tanto la biología y las funciones de los diferentes elementos del cerebro como técnicas computacionales, ya sean matemáticas o numéricas, que permitan modelizar a este sistema biológico.

Desde esta perspectiva, lo que tal vez distingue actualmente la formación que se puede adquirir como físico de aquélla que se obtiene con otras disciplinas científicas es la capacidad para comprender y resolver problemas, uniendo la comprensión del fenómeno bajo estudio con la abstracción necesaria para llegar a una modelización y explicación del mismo.

En el caso concreto de volcar la experiencia de la Física en el estudio de la Neurociencia, no se trata entonces de aplicar tal o cual modelo de uso común en la Física sino de, una vez definidos los problemas a resolver para lograr una comprensión del funcionamiento del cerebro, ser capaces de diseñar los métodos y técnicas adecuados para afrontar su solución.

Un problema que nos ha interesado, y que puede servir para ilustrar lo anterior, se refiere a comprender qué relación existe entre las vías sensoriales (por ejemplo la visión) y los estímulos (por ejemplo las escenas visuales que nos llegan a través de la retina, y que podemos representar en una fotografía). Las neuronas que realizan el procesamiento de los estímulos visuales tienen propiedades fascinantes. En la corteza cerebral hay células que se activan cuando "ven" el borde de un objeto, pero lo perciben sólo si está ubicado en un sitio preciso de la imágen y si tiene una orientación dada. ¿Cómo han adquirido esta propiedad?. El primer paso a dar para obtener una explicación es darse cuenta de que el mundo visual tiene una cierta estructura: está formado por objetos, cuyos límites están en general bien definidos. Una vez notado ésto, podemos formular una hipótesis de trabajo según la cual el sistema visual, al ser estimulado por imágenes durante el largo proceso de la evolución, ha aprendrendido la estructura propia del mundo visual. Este aprendizaje se refleja en que las neuronas que forman el sistema visual han adquirido propiedades y, conectándose entre sí, han formado circuitos que contienen todo lo aprendido sobre cómo está organizado el mundo externo.

Formulada la hipótesis, debemos verificarla. El trabajo necesario para ello presenta varias facetas. Ante todo debemos estudiar las propiedades de los estímulos: ¿en qué consiste la estructura que poseen las imágenes? ¿cómo se la describe? ¿qué es lo relevante en ellas?. Una vez entendido ésto, debemos comprender qué reglas sigue el sistema visual para aprender esa estructura y reorganizarse de acuerdo con ella. Una vez comprendidas las dos cuestiones anteriores, debemos aplicarlas para obtener predicciones sobre el sistema visual a partir de imágenes. Por último, se deben contrastar las predicciones con lo que ha sido observado experimentalmente sobre el sistema visual.

Hemos estudiado estos problemas durante algún tiempo, y nos encontramos en esta última etapa.

El cerebro nos presenta una cantidad enorme de problemas aún por comprender. La memoria es uno de ellos. En varios sitios del cerebro se observa que las neuronas se mantienen activas aún cuando el estímulo ha sido retirado. Esta actividad podría representar información que el estímulo ha extraído y que está siendo mantenida para ser utilizada inmediatamente. Si giramos la cabeza posiblemente necesitemos recordar qué o quién ha quedado detrás para poder continuar con nuestra tarea; ese recuerdo se mantiene en la actividad neuronal. Esto plantea un problema: ¿Cómo es posible que exista actividad representando un estímulo en ausencia de éste?. Una explicación posible es que este tipo de memoria es el resultado de la cooperación entre un número grande de neuronas. Cada neurona activa se mantiene así porque hay otras que también lo están. Como resultado de la interacción entre las células ha "emergido" una propiedad de la población de neuronas que cada una de ellas por sí misma no podría tenerla.

Es posible que ésta sea la explicación correcta. Del punto de vista de la modelización del fenómeno hay varias cuestiones a resolver. Por ejemplo, ¿con qué grado de complejidad es necesario describir a las neuronas y a sus conexiones?. ¿Cómo afectan cada una de sus propiedades a la actividad de la red? ¿qué otras áreas "leen" la información que está siendo mantenida activa y con qué propósito? Este es un campo de investigación de gran interés en la actualidad y hemos trabajado sobre algunas de esas preguntas.

En el aspecto experimental de estas cuestiones, nuestro laboratorio trabaja en los mecanismos básicos de la transferencia de información, en las reglas de computación que utilizan los sistemas neuronales y en la memoria. Aunque muchos de estos experimentos los realizamos en invertebrados, permiten responder algunas de las cuestiones básicas para comprender el procesamiento cerebral.

La Física contribuye a la Neurociencia de muchísimas maneras, desde sus ramas más básicas (la electricidad, el magnetismo, la óptica y la física molecular) hasta las técnicas matemáticas y numéricas más abstractas. Nosotros usamos mucho una rama de la Física, llamada Física Estadística, que se ocupa de describir sistemas en los que hay muchos cuerpos, tantos que es posible tratarlos estadísticamente. También, dado que el cerebro coge información de un sitio (por ejemplo, de los estímulos sensoriales), y la procesa y transmite hacia otros sitios (por ejemplo, hacia los músculos), una disciplina llamada Teoría de la Información resulta muy útil para estudiar el funcionamiento del cerebro. Hay varios problemas en los que hemos podido utilizar herramientas propias de la Física Estadística en la Neurociencia Teórica. Uno de ellos es que a un cierto nivel la corteza cerebral presenta un cierto "desorden", en particular las conexiones entre las neuronas no parecen seguir un patrón muy regular, y también la eficiencia con la que una neurona afecta a otra varía de una célula a otra en un modo aleatorio. Hace ya algunos años que muchos físicos se han preguntado qué propiedades de una red de neuronas se pueden derivar de que éstas están conectadas de un modo aleatorio, y la experiencia que poseían sobre estudios de sistemas desordenados (por ejemplo ciertos materiales magnéticos) ha permitido responder a preguntas tales como cuánta información es posible almacenar en estas redes de neuronas. Los físico no "inventaron" las redes neuronales con desorden, pero antes de sus trabajos sólo se disponía de técnicas numéricas un tanto rudimentarias, con las que es difícil interpretar los resultados.

Hay una cuestión muy básica de la Neurociencia: la neurona tiene una membrana que es un aislante pero que presenta en muchos sitios canales por los que pueden pasar cargas eléctricas. Si se estimula a la neurona se produce un intercambio de cargas entre el interior de la neurona y el medio extracelular y el potencial de la membrana comienza a variar. Esto ocurre todo el rato. De pronto, ocurre que se produce un aumento grande y localizado del potencial que comienza a viajar por el axón de la neurona hacia los sitios en que ésta se comunica con otras células. De esa manera comienza la transmisión de información sobre el estímulo de una neurona a otra. Aquí surgen preguntas fundamentales: ¿el tiempo preciso en que ocurre este fenómeno nos dice algo sobre el estímulo?, ¿cuántos de estos eventos se producen por unidad de tiempo?, ¿cómo codifica éste número al estímulo?. La respuesta dependerá de cómo ha sido el estímulo, de las propiedades de los canales por los que pasan las cargas eléctricas y de cómo se produce el contacto entre las neuronas. La Física Estadística nos provee de técnicas poderosas con las que estudiar estas cuestiones.

También nos interesa comprender cómo ha influido el mundo sensorial, a lo largo de la evolución, en la formación de las correspondientes vías sensoriales en el cerebro. Por ejemplo, nos hemos preguntado qué relación hay entre imágenes naturales y el sistema visual. Para intentar responder a esta pregunta hemos encontrado útiles ciertos modelos matemáticos que explican propiedades de los fluidos turbulentos. Esto puede parecer sorprendente ya que ciertamente las imágenes y los fluidos son, físicamente, objetos muy distintos. Nosotros hemos encontrado una analogía formal: si se inyecta energía en un fluido ésta se disipa en el fluido en torbellinos de muchos tamaños. Del mismo modo, al observar una fotografía se ven en ella variaciones en la cantidad de luz, debidas a que los objetos que muestra la foto están iluminados de manera diversa. Estos cambios de luz se verán también, y con más detalle, si se mira la imágen con una lente. Ha sido fascinante notar que el modo cómo se relacionan la imágenes observadas con lentes de diferentes aumentos es semejante al modo como se disipa la energía en torbellinos de diferentes tamaños.

Puede decirse que el campo está en sus comienzos, en comparación con otras ciencias, tanto en el estudio experimental como en el teórico. Sin embargo desde hace poco más que una década está experimentando un avance considerable. Cuestiones que no hace mucho tiempo parecían inabordables están siendo actualmente objeto de estudio. Un reto inmediato, por su relevancia en toda la neurociencia, es llegar a comprender cómo representa el cerebro la información y cómo la procesa. Seguramente utiliza más de una estrategia para ello, y descubrirlas se hace más difícil a medida que nos movemos desde los sitios donde se produce la recepción de los estímulos hacia el procesamiento que realiza la corteza cerebral. Pero aún lo que ocurre en las primeras etapas del procesamiento sensorial está lejos de ser comprendido, tanto al nivel de los mecanismos celulares como al nivel más alto en el que se produce el reconocimiento del estímulo.

Consideremos por ejemplo la situación "sencilla" en la que un estímulo externo (una imágen, un sonido, la superficie de un objeto...) activa nuestros receptores. Se produce inmediatamente una cadena de actividad en las neuronas que procesan esa estimulación, si pudiésemos introducirnos en el cerebro y ver qué ocurre notaríamos que sólo una pequeña parte de las células se activan, que cuando lo hacen su respuesta cambia con el tiempo, y que algunas de éstas neuronas a veces parecen coordinarse y reponder juntas. Por supuesto que no somos conscientes de este proceso, todo lo que notamos es que casi inmediatamente reconocemos al estímulo: podemos describir la imágen, o reconocemos al sonido o la textura del objeto. ¿Cómo hacer para comprender lo que está ocurriendo? Nos gustaría ante todo poder descifrar el significado de la actividad neuronal, saber qué está haciendo el sistema y comprender por qué lo hace de ese modo. Esto por sí mismo constituye un campo de investigación enorme. También nos gustaría entender cómo se llega a la etapa final de este proceso: el reconocimiento del estímulo. Y también cómo están relacionados estos dos aspectos del problema. El reconocimiento de una imágen es muy rápido, requiere del orden de 100 milisegundos: ¿cómo hacemos para reconocer que en una imágen aparece la figura de un animal, por ejemplo, en tan breve tiempo?. La respuesta a esta pregunta no se conoce, pero existen propuestas que hacen uso de nociones tomadas de la Estadística: tan pronto se produce la estimulación el cerebro no sólo se preocupa de representar al estímulo internamente usando la actividad neuronal, sino que también efectúa una hipótesis sobre los objetos que aparecen en la imágen. Luego es necesario comprobar si esta hipótesis es correcta, para lo que el mismo cerebro debe comparar su hipótesis con la representación interna que ha construido. Cuando la hipótesis se verifique se habrá reconocido al objeto. ¿Es esto correcto o este procesamiento es demasiado lento?. Posiblemente aún se requieren mucho trabajo antes de tener una respuesta a esta cuestión.

Por supuesto. La observación directa de la actividad neuronal en el cerebro humano sólo puede hacerse con técnicas no invasivas, tales como fMRI (que describiré luego en más detalle). Pero estos métodos no permiten aún observar el cerebro con suficiente detalle. También existen otras maneras de aprender cosas sobre el cerebro, por ejemplo por medio de experimentos de psicofísica, en los que el hombre realiza alguna tarea simple mientras el investigador observa cómo la hace, registrando las observaciones del individuo o midiendo el tiempo que se demora en hacerla. Hay ejemplos sorprendentes de lo que es posible hacer de esta manera: los colores que observamos son el resultado de tres tipos de pigmentos que están en la retina; en 1802, mucho antes de saberse de su existencia, Thomas Young propuso la teoría del tricromatismo, que explicaba nuestra visión del color en términos de tres variables. Los ilusiones visuales, en las que nuestro cerebro "nos engaña" sobre cómo es realmente la escena visual haciéndonos interpretarla de un modo incorrecto, también nos ayudan a conocer cómo funciona el cerebro.

En los últimos años la Neurociencia ha tenido un avance enorme en relación con su desarrollo anterior a la década del los ochenta. Esto ha ocurrido tanto en el terreno experimental como en el teórico. Hasta fines de esa década en los laboratorios sólo se registraba la actividad de una única neurona por experimento. Esto se debía tanto a limitaciones técnicas como conceptuales. Sin embargo, los sistemas neuronales seguramente se sirven de la actividad coordinada de un gran número de neuronas para procesar información. En un llamativo estudio reciente, en un laboratorio registraron la actividad simultánea de un grupo de células de una rata mientras el animal exploraba un laberinto. Las neuronas observadas tienen la facultad de activarse cuando la rata pasa por un sitio bastante preciso de la trayectoria, de modo que en el registro se vió la secuencia en la cual las células se activan a medida que el animal se mueve. Sorprendentemente (o tal vez no tanto...), cuando registraron la actividad de esas células mientras la rata dormía vieron que repetían la misma secuencia: el animal soñaba que visitaba el mismo laberinto que antes había recorrido despierto!.

La posibilidad de registrar la actividad de varias neuronas (por ejemplo una centena) simultáneamente tiene una relevancia enorme en aplicaciones a la medicina y la robótica. Cuando un mono extiende su brazo para coger alimento, hay neuronas en su cerebro que dan a los músculos la orden de moverse para realizar este movimiento. En un laboratorio se ha conseguido que, al mismo tiempo que el animal ejecuta esta acción, la actividad de unas 100 neuronas es registrada con micro-electrodos implantados cerca de ellas y es transmitida a un ordenador el que a su vez hace mover el brazo de un robot. Todo ocurre de tal modo que el robot reproduce el movimiento del brazo en tiempo real!.

Hay otras técnicas que están ayudando a comprender mejor el cerebro y su funcionamiento, y en las que los conocimientos propios de la Física juegan un papel importante. Por ejemplo el uso del magnetismo para observar la actividad cerebral. La técnica de Imágen de Resonancia Magnética funcional (fMRI) permite observar la actividad de las neuronas a través de una señal de origen magnético que produce el oxígeno de la sangre al ser metabolizado por la neurona activa. A diferencia de los micro-electrodos, ésta técnica no daña los tejidos y puede utilizarse en el hombre.

No.

Las técnicas experimentales están teniendo una rápida evolución. En estudios de las bases neuronales del comportamiento, es usual enseñar al animal a realizar una cierta tarea, y para ello se lo recompensa cuando la hace bien. En el caso de la rata que explora el laberinto, se dejan pequeños trozos de alimento a lo largo del camino, lo que incentiva al animal. Pero muy recientemente se ha hecho un experimento en el cual tanto las instrucciones como el premio son "virtuales". Normalmente la rata reconoce el camino por medio de sus bigotes, y cuando uno de estos bigotes toca la superficie se activa una neurona en cierto sitio de la corteza cerebral. Lo que han hecho en este laboratorio es implantar micro-electrodos directamente en esas neuronas y así con pequeños pulsos eléctricos dados por control remoto instruyen al animal a realizar giros a la derecha o a la izquierda. Cuando lo hace bien se lo premia, pero en este experimento la recompensa también se da al animal a través de un implante en la región del cerebro adecuada. No es difícil especular sobre aplicaciones de estos resultados en las que se guía al animal de modo que éste llegue a sitios de otro modo inaccesibles o, más ampliamente, en el desarrollo de "robots" que combinen las habilidades del animal con implantes semejantes a los de este experimento.