Knowing Neurons
¿Sabías que…?Arte neurocientíficoArtículos popularesFundamentos del cerebroGrandes IdeasTrastornos neurológicos y psiquiátricos

La vida es una fuga: por qué la complejidad es importante en la fisiología y la neurociencia

Artículo original: The Fugue of Life: Why Complexity Matters in Physiology and Neuroscience,  Joel Frohlich

Traducido por Fernanda Lomeli

~~~

A la gente le gusta la simplicidad. Cada década, los logotipos corporativos se vuelven progresivamente más sencillos, las canciones pop utilizan melodías cada vez más simples y el arte visual acoge composiciones cada vez más austeras: Monet le da paso a Picasso y Picasso a Rothko. Este espíritu, resumido como “la simplicidad es la máxima sofisticación”, moldea nuestra percepción de la fisiología de una manera interesante. El latido de un corazón a menudo se percibe como el ritmo bello y sencillo de la naturaleza. Al escuchar a través del estetoscopio de un médico, uno espera que cualquier desviación de este ritmo perfecto sea un presagio de enfermedad.
Nadie se sorprende al saber que la arritmia cardíaca puede provocar un paro cardíaco. Pero también es cierto lo contrario: un latido cardíaco que es demasiado simple y demasiado rítmico puede ser una señal de advertencia de insuficiencia cardíaca congestiva. El ritmo perfecto e idealizado que esperamos escuchar a través del estetoscopio es a menudo el «canto del cisne» del corazón. Además, muchos tipos de latidos cardíacos se categorizan como arritmias por ser demasiado rápidos o demasiado lentos, no necesariamente por ser demasiado complejos o aperiódicos.

Above is an image of the Mandelbrot set, a geometric pattern discovered by Benoit Mandelbrot that is useful for visualizing the concept of scale invariance.
La imagen representa el conjunto de Mandelbrot, un patrón geométrico descubierto por Benoit Mandelbrot que es útil para visualizar el concepto de invariancia de escala.

Quizás pensemos que el corazón es una anomalía. Pero pasando de la cardiología a la neurología, las convulsiones epilépticas se manifiestan en el cerebro como transiciones de la actividad eléctrica desde un estado que parece altamente caótico a uno altamente regular y organizado. Continuando con la psiquiatría, los investigadores que utilizan las matemáticas para cuantificar la complejidad de los patrones del habla han encontrado que las personas con autismo tienen patrones de habla altamente regulares en comparación con los grupos de control sanos.

Durante una convulsión epiléptica, las señales del electroencefalograma sufren una pérdida de complejidad. En la imagen de arriba, las señales de un electroencefalograma simulado se sincronizan fuertemente con unas formas de onda simplificadas después del inicio de la convulsión a la mitad de la grabación.

Todos sabemos que la vida es compleja. Sin embargo, la íntima relación entre la complejidad y la salud es sorprendente y contradictoria. Incluso en sistemas complejos, esperamos algún tipo de orden que parece patológico. Un artículo anterior de Knowing Neurons, que describía cómo el cerebro carece de un nivel privilegiado de organización, también introdujo el concepto de la criticidad autoorganizada. Esta es análoga a una pila de arena que sigue creciendo hasta que está tan empinada que se producen avalanchas de todos los tamaños. Los tamaños de las avalanchas siguen una distribución proporcionada por la ley de potencias, y que no se pueden predecir mediante el estudio de granos individuales de arena.

¿Cómo explica la criticidad autoorganizada la necesidad de la complejidad en los sistemas fisiológicos sanos? La respuesta se dará en un momento. Pero primero, dado que el mensaje crítico del artículo anterior de Knowing Neurons era fácil de pasar por alto, se justifica un diálogo rápido con nuestros lectores:

Thomas Pfeffer (usuario de Twitter @thmspfffr:) dice: “¡Buen resumen! Sin embargo, la invariancia de escala no lo es todo, ya que *hay* escalas típicas en el espectro (por ejemplo, el alfa)”.

¡Gracias, Thomas! El ritmo alfa sí se desvía de la distribución de la ley de potencias del espectro del electroencefalograma. Sin embargo, a pesar de haber sido descubierto en 1929, el mecanismo del ritmo alfa sigue siendo desconocido casi un siglo después. Esto se debe probablemente a que el estudio de neuronas individuales nos dice poco sobre cómo interactúan para generar ritmos alfa. No hay una sola escala que pueda ser estudiada para decirnos todo sobre el cerebro.

William Blamey en WordPress dice: “Las distribuciones de la ley de potencias tienen una expectativa, cuando acotadas. Todos los ejemplos dados están delimitados por la constante de plank como mínimo, y por otros límites mucho más grandes, como el tamaño del cráneo. Así que hay un promedio”.

William está técnicamente en lo correcto, pero su comentario no capta el punto. Los modelos matemáticos son aproximaciones. Mientras que la recta de números reales se extiende hacia el infinito en ambas direcciones (valores negativos y positivos), el mundo físico tiene límites. Sin embargo, las escalas que son relevantes para estudiar la actividad cerebral se extienden desde los nanómetros hasta los centímetros, y todo dentro de este rango también debe observarse para lograr una comprensión completa del cerebro.

Albert James Teddy en WordPress dice: “Las distribuciones de la ley de potencias se observarían in silico en todas partes, incluso si las neuronas se modelan como un procesador binario de entrada / salida con una probabilidad distribuida normalmente de disparar al recibir una entrada”.

Multiplicar dos distribuciones aleatorias uniformes a menudo da una distribución logarítmica-normal, es decir, una distribución que es normal después de la transformación logarítmica del eje x. Esto podría ocurrir en una simulación cerebral porque las neuronas llevan a cabo operaciones multiplicativas. Las distribuciones logarítmicas-normales son fáciles de confundir con las distribuciones de la ley de potencias, pero no son lo mismo. Una verdadera distribución de la ley de potencias es indicativa de un comportamiento invariante de escala que es poco probable que se simule sin tener en cuenta las interacciones no lineales o la conectividad invariante de escala entre las neuronas.

En este momento, el punto principal del artículo anterior de Knowing Neurons debería quedar claro. Pero, ¿por qué la complejidad es saludable? ¿Y cómo surge? Volvamos a la criticidad autoorganizada. En el ejemplo de amontonar arena en la playa, agregamos más arena a una pila existente de arena hasta que la pendiente está tan empinada que no puede soportar más arena. Las avalanchas que varían en tamaño desde unos pocos granos hasta una gran parte de la pila son el resultado de un proceso lento (la agregación de arena) que genera energía y un proceso rápido (la fuerza de la gravedad superando la fuerza de la fricción) que disipa la energía. Esta inestabilidad se conoce formalmente como criticidad, y es autoorganizada porque el proceso lento acerca la pila de arena a este estado y la mantiene allí. Otros estados críticos, como el límite entre las fases gaseosa y líquida de una sustancia química, no están autoorganizados porque la sustancia continúa más allá del punto crítico sin ser retenida allí por nuevos cambios de temperatura y presión.

Entonces, ¿por qué la complejidad es saludable? Es probable que los sistemas fisiológicos estén al borde de la criticidad para permitir la máxima flexibilidad. Por esta razón, una pérdida de la criticidad (y por lo tanto de un comportamiento complejo) es patológica. Como consecuencia, el comportamiento complejo observado en la actividad eléctrica del cerebro o el corazón puede servir como un biomarcador útil de riesgo o pronóstico de enfermedad. Esto no significa que tener un latido de corazón loco y errático sea saludable. Una definición útil de complejidad es un equilibrio entre tendencias opuestas como el orden y el desorden o la estabilidad y la inestabilidad. Utilizando herramientas matemáticas que cuantifican la complejidad, los investigadores ya han identificado posibles biomarcadores de trastornos psiquiátricos como el autismo y la esquizofrenia, en señales electroencefalográficas registradas de forma no invasiva desde el cuero cabelludo.

Visualization_of_wiki_structure_using_prefuse_visualization_package
Atribución: Chris Davis en en.wikipedia

Si bien la criticidad autoorganizada es una hipótesis sólida para explicar el papel del comportamiento invariante de escala en la fisiología, otra posible fuente de dicho comportamiento es la arquitectura de las redes cerebrales. Imaginemos las regiones anatómicas del cerebro como páginas en Facebook, con “amigos” conectados por tractos de materia blanca. El número de conexiones que tiene cada región sigue una distribución de la ley de potencias: El 20% de las regiones del cerebro representan el 80% de las conexiones. Al igual que las redes sociales, las regiones cerebrales también forman “camarillas” densamente interconectadas, mini-redes integradas dentro de la red más grande. Estas camarillas a menudo forman parte de camarillas aún más grandes, una condición conocida como modularidad. La misma modularidad ocurre en las redes sociales: nuestros amigos más cercanos pueden ser parte de una colección más grande y suelta de amigos, que a su vez forman parte de una comunidad aún más grande, como una ciudad o universidad.

Tal vez como consecuencia del hecho de que las redes cerebrales y las redes sociales siguen una arquitectura invariante de escala similar, ¡el número de visitas a la página del artículo de invariancia de escala de Knowing Neurons mencionado anteriormente sigue una distribución de la ley de potencias! A medida que el artículo es compartido cada día por los lectores en Twitter y Facebook, el número de visitas diarias refleja el número de amigos o seguidores de esos lectores. La mayoría de los lectores tienen un número decente pero discreto de seguidores, sin embargo, algunos tienen un número muy grande de seguidores, lo que resulta en una enorme cantidad de visitas de página. Curiosamente, la distribución de las visitas de página también puede ser explicada por la criticidad autoorganizada. Los lectores comparten el artículo para aliviar la “tensión”, un proceso que produce más tensión en otros lectores, manteniendo el sistema en un estado perpetuo de criticidad. Los días en los que la página recibe una enorme cantidad de visitas representan “avalanchas” en el sistema crítico. En la realidad, una combinación de ciencia de redes y de criticidad autoorganizada probablemente pueden explicar el comportamiento invariante de escala tanto en el cerebro como en las redes sociales.

Las distribuciones de la ley de potencias (izquierda) son indicadoras de la invariancia de escala en sistemas complejos. Curiosamente, la distribución de las visitas de página diarias (derecha) para el artículo de Knowing Neurons llamado Scale Invariance: A Cauationary Tale Against Reductionism sigue una distribución de la ley de potencias. La larga cola de la distribución se estrecha y continúa más allá de lo que se muestra aquí, incluyendo un día en el que la página recibió 1432 visitas. Tales grandes eventos representan “avalanchas” y reiteran la invariancia de escala de la distribución.

Scale Invariance
Las distribuciones de la ley de potencias (izquierda) son indicadoras de la invariancia de escala en sistemas complejos. Curiosamente, la distribución de las visitas de página diarias (derecha) para el artículo de Knowing Neurons llamado “Scale Invariance: A Cauationary Tale Against Reductionism” sigue una distribución de la ley de potencias. La larga cola de la distribución se estrecha y continúa más allá de lo que se muestra aquí, incluyendo un día en el que la página recibió 1432 visitas. Tales grandes eventos representan “avalanchas” y reiteran la invariancia de escala de la distribución.

La ciencia de la complejidad en sí misma es compleja y concierne las preguntas más grandes de la física, biología, sociología, economía y otros campos. Si bien no está claro exactamente qué mecanismos dan paso al comportamiento complejo en la fisiología, dicho comportamiento es importante para comprender qué se daña para ocasionar los trastornos cerebrales y cómo podemos identificar biomarcadores para tales trastornos. En una próxima publicación de Knowing Neurons, exploraremos cómo las interacciones entre componentes sencillos dan lugar a la complejidad en los autómatas celulares. Es posible que el debate sobre la complejidad no se resuelva por muchos años, ni tampoco está cerrado a los no especialistas. Danos tu opinión en los comentarios a continuación. ¿Por qué es necesaria la complejidad y qué modelo explica mejor la complejidad del cerebro?

~~~

Escrito por Joel Frohlich
Ilustrado por Jooyeun Lee y imágenes de Wikimedia Commons
Traducido por Fernanda Lomeli

~~~
¡Conviértete en un patrocinador!

Referencias

Poon, Chi-Sang, and Christopher K. Merrill. “Decrease of cardiac chaos in congestive heart failure.” Nature 389.6650 (1997): 492-495.

Ho, Yi-Lwun, et al. “The prognostic value of non-linear analysis of heart rate variability in patients with congestive heart failure—a pilot study of multiscale entropy.” PloS one 6.4 (2011): e18699-e18699.

Fusaroli, Riccardo, et al. “Voice Patterns in Adult English Speakers with Autism Spectrum Disorder.” IMFAR 2015. 2015.

Bak, Per. How nature works: the science of self-organized criticality. Springer Science & Business Media, 2013.

Bosl, William, et al. “EEG complexity as a biomarker for autism spectrum disorder risk.” Medicina BMC 9.1 (2011): 18.

Ghanbari, Yasser, et al. “Joint analysis of band-specific functional connectivity and signal complexity in autism.” Journal of autism and developmental disorders 45.2 (2013): 444-460.

Li, Yingjie, et al. “Abnormal EEG complexity in patients with schizophrenia and depression.” Clinical Neurophysiology 119.6 (2008): 1232-1241.

Takahashi, Tetsuya, et al. “Antipsychotics reverse abnormal EEG complexity in drug-naive schizophrenia: a multiscale entropy analysis.” Neuroimage 51.1 (2010): 173-182.

Author

  • Joel Frohlich

    Joel Frohlich es un postdoctorado que estudia la consciencia en el laboratorio de Martin Monti en UCLA. Está interesado en utilizar la actividad cerebral registrada con la electroencefalografía para inferir cuándo una persona está consciente. Joel obtuvo su doctorado de UCLA en el 2018 estudiando marcadores electroencefalográficos de trastornos del neurodesarrollo en el laboratorio de Shafali Jeste. También puede visitar el blog de Joel: Conciencia, autoorganización y neurociencia en Psychology Today. Para

Joel Frohlich

Joel Frohlich es un postdoctorado que estudia la consciencia en el laboratorio de Martin Monti en UCLA. Está interesado en utilizar la actividad cerebral registrada con la electroencefalografía para inferir cuándo una persona está consciente. Joel obtuvo su doctorado de UCLA en el 2018 estudiando marcadores electroencefalográficos de trastornos del neurodesarrollo en el laboratorio de Shafali Jeste. También puede visitar el blog de Joel: Conciencia, autoorganización y neurociencia en Psychology Today. Para