Decodificar el cerebro: Leer la mente y grabar los sueños 

Decodificar el cerebro, leer la mente y grabar los sueños, son algunos de los tópicos más recurrentes en la ciencia ficción. Siempre nos hemos imaginado el hecho de leer la mente, en términos de poder escuchar los pensamientos, pero… ¿Y si fuera posible ver, en un monitor, imágenes sobre lo que hay en la mente de otra persona o poder observar las grabaciones de nuestros propios sueños? Esto es, precisamente, lo que se ha propuesto el profesor Jack L. Gallant y su equipo de la Universidad de Berkeley, California. Como resultado, han desarrollado una técnica de análisis de información de resonancia magnética funcional (functional magnetic resonance imaging, FMRI, en inglés) que les permite estimar, con bastante certeza, imágenes a partir de la actividad cerebral de los participantes. Veamos más sobre los procesos de decodificación cerebral.

Decodificar el cerebro

La decodificación cerebral es una técnica mediante la que se genera una base de datos con los patrones de activación neurales en respuesta a estímulos visuales.

Posteriormente, gracias a “machine learning” (programa informático) es capaz de comparar las bases de datos existentes con la información que está registrando. Generando así, estimaciones de lo que ve el participante a través de una simulación.

Se consigue por medio de la exposición del sujeto a una serie de estímulos visuales.

Es decir, a partir de la actividad neural se genera información para ser almacenada y clasificada en bases de datos.

Esta contiene la activación específica de las áreas visuales a cada estímulo presentado.

Así, la activación derivada de la observación de una imagen es asociada a ese estímulo en particular.

Y, posteriormente, a partir de la actividad plasmada en las cortezas visuales, se logra hacer una reconstrucción estimada de la imagen que está viendo el participante.

En otras palabras, esta técnica consiste en relacionar directamente los patrones de activación neural con una serie de imágenes procesadas por el individuo. Por tanto, tal información proviene de los centros de procesamiento visual del cerebro.

Finalmente, una vez generada la base de datos, un programa informático recoge la activación actual del participante y estima lo que está viendo.

Decodificar el cerebro para leer la mente

Kamitani y Tong (2005) utilizaron la técnica para predecir, con bastante acierto, cuál de los ocho estímulos presentados estaba viendo el participante.

En este experimento, los voluntarios se sometieron a un escáner FMRI mientras veían una serie de imágenes.

La actividad cerebral resultante era recopilada y catalogada. A partir de esta, un software provisto de una serie de algoritmos estadísticos, comparaba la actividad y era capaz de identificar cuál de los ocho estímulos estaba viendo el sujeto, solo a partir de su actividad neuronal.

Por otro lado, Kay et al. (2008) propusieron un nuevo método de análisis de la actividad obtenida mediante FMRI.

Con este método no haría falta la pre-codificación de los estímulos que posteriormente serían decodificados.

Así, fueron capaces de identificar una de entre 120 imágenes presentadas a primera vista.

No obstante, este método no permite la reconstrucción de las imágenes partiendo de la actividad neural. Es un método de identificación.

Por otro lado, Nishimoto et al. (2011), desarrollaron una técnica de análisis que les permitió decodificar la actividad cerebral y reconstruir dicha actividad en imágenes. Pero no solo en imágenes discretas, sino que también pudieron reconstruir vídeos a partir de la actividad de la corteza occipito-temporal. 

En este experimento, una serie de sujetos fue sometido a un escaner FMRI. Como en los casos anteriores, se les presentaba una serie de fragmentos de vídeo, utilizados para codificar la información neural derivada de ellos. Su técnica consistió en la predicción de las señales dependientes del oxígeno en sangre.

Nishimito y su equipo fueron capaces de reconstruir los fragmentos de vídeo a partir de la información obtenida de la actividad cerebral.

Decodificar el cerebro para grabar los sueños

Hasta ahora, hemos visto cómo en los últimos lustros, la decodificación cerebral ha ido avanzando.

Ciertamente, utilizando algoritmos de machine learning es posible reconstruir imágenes partiendo solo de la actividad neural.

El siguiente paso será decodificar el cerebro para reconstruir imágenes a partir de la actividad cerebral de personas mientras están en fase de sueño REM (Rapid Eye Movement, en inglés). Es decir, para grabar los sueños.

Y es que, durante esta fase del sueño tiene lugar una explosión de activación en las áreas de procesamiento visual del cerebro.

Horikawa y Kamitani (2017) utilizaron las bases de datos sobre la actividad neural, recopiladas en otros experimentos, para reconstruir imágenes a partir de la actividad de las zonas visuales de los participantes mientras dormían. Consiguieron reconstruir una serie de imágenes de la actividad cerebral recogida durante el sueño de los participantes.

Conclusión

En resumen, las técnicas de observación funcional del cerebro, como el FMRI, no cuentan con la resolución temporal suficiente como para decodificar la información visual que recibe una persona en tiempo real. De manera que, se hace necesario el post-procesamiento de la información obtenida de la actividad cerebral.

Los avances en decodificación cerebral son cada vez más promisorios. Solo nuestra imaginación es capaz de limitar las posibles aplicaciones de esta tecnología.

Por ejemplo, desde el ámbito judicial donde se podría establecer si una persona reconoce imágenes incriminatorias, hasta la recuperación de memorias o la reconstrucción de los sueños.

¿Decodificar el cerebro, leer la mente y grabar los sueños? Sin duda, el nuevo desafío de las neurociencias.

Referencias bibliográficas

• Horikawa, T. y Kamitani, Y. (2017). Hierarchical neural representation of dreamed objects revealed by brain decoding with deep neural network features. Frontiers in computational neuroscience, 11, 4. https://doi: 10.3389/fncom.2017.00004
• Kamitani, Y. y Tong, F. (2005). Decoding the visual and subjective contents of the human brain. Nature neuroscience, 8(5), 679-685. https://doi.org/10.1038/nn1444
• Kay, K. N., Naselaris, T., Prenger, R. J. y Gallant, J. L. (2008). Identifying natural images from human brain activity. Nature, 452(7185), 352-355. https://doi.org/10.1038/nature06713
• Nishimoto, S., Vu, A. T., Naselaris, T., Benjamini, Y., Yu, B. y Gallant, J. L. (2011). Reconstructing visual experiences from brain activity evoked by natural movies. Current Biology, 21(19), 1641-1646. https://doi.org/10.1016/j.cub.2011.08.031