Estudio de Universidad de Bar-Ilan muestra que dendritas son cruciales en el aprendizaje cerebral, con aplicaciones para tratar TEA y TDAH.
Hallazgo israelí sobre dendritas y aprendizaje cerebral
Un equipo de la Universidad de Bar-Ilan, liderado por el profesor Ido Kanter, publicó en Scientific Reports un estudio que identifica a las dendritas como componentes esenciales en el aprendizaje cerebral. Los resultados desafían la teoría dominante de que el aprendizaje ocurre únicamente en las sinapsis, los espacios entre neuronas donde se transmiten impulsos nerviosos. Los experimentos, realizados con cultivos neuronales y modelos teóricos, muestran que las dendritas, extensiones de las células nerviosas, procesan información a una velocidad mayor que las sinapsis, lo que sugiere un mecanismo de aprendizaje más eficiente.
El estudio detalla que las dendritas permiten un aprendizaje adaptativo sin necesidad de pasos prolongados, a diferencia del modelo sináptico tradicional. Esta capacidad se debe a su proximidad a la neurona, lo que reduce la distancia para procesar señales entrantes. Los investigadores observaron que las dendritas manejan entradas asíncronas, como las que ocurren en situaciones cotidianas, por ejemplo, al conducir un vehículo y procesar señales visuales en tiempo real. Este descubrimiento tiene implicaciones para el desarrollo de tratamientos para trastornos neurológicos como el TEA y el TDAH.
Los experimentos de Kanter y su equipo, realizados durante varios años, incluyeron estudios en animales que confirmaron que las dendritas consumen menos energía que las sinapsis. Este hallazgo explica por qué el cerebro, aunque más lento que los ordenadores modernos, supera a la inteligencia artificial en ciertas tareas complejas. La investigación sugiere que los tratamientos para enfermedades degenerativas, como el Alzheimer y el Parkinson, podrían beneficiarse al enfocarse en la función dendrítica en lugar de las sinapsis.
Más noticias
El equipo de Bar-Ilan también encontró que las sinapsis débiles, previamente consideradas insignificantes, influyen en la dinámica cerebral al inducir oscilaciones en los parámetros de aprendizaje. Este proceso evita que los parámetros alcancen extremos fijos, lo que mejora la flexibilidad del cerebro para adaptarse a nuevas tareas. Los resultados abren la puerta a nuevas estrategias terapéuticas que podrían mejorar el manejo de trastornos neurodivergentes.
Datos clave sobre la teoría del aprendizaje dendrítico
- Publicación: Estudio publicado en Scientific Reports en 2018, revisado por pares.
- Investigador principal: Ido Kanter, profesor del Departamento de Física, Universidad de Bar-Ilan.
- Hallazgo: Dendritas procesan información más rápido y con menos energía que sinapsis.
- Aplicaciones: Potencial para tratamientos de TEA, TDAH, Alzheimer y Parkinson.
- Metodología: Experimentos con cultivos neuronales y modelos teóricos.
Implicaciones para trastornos neurológicos y tecnología
La investigación de la Universidad de Bar-Ilan propone que los tratamientos para el TEA y el TDAH podrían diseñarse para modular la actividad dendrítica, mejorando la capacidad de aprendizaje y la regulación conductual. Los niños con TDAH, por ejemplo, muestran déficits en funciones ejecutivas que podrían estar relacionados con un procesamiento dendrítico ineficiente. En el caso del TEA, las alteraciones en la conectividad neuronal podrían beneficiarse de terapias que optimicen la función de las dendritas.
En el ámbito tecnológico, los hallazgos inspiran el desarrollo de algoritmos de inteligencia artificial más eficientes. Los sistemas actuales de aprendizaje automático dependen de entradas síncronas, pero el modelo dendrítico sugiere que los algoritmos podrían procesar entradas asíncronas, imitando la flexibilidad del cerebro humano. Kanter señaló: “El aprendizaje de las dendritas es mucho más eficiente que el funcionamiento de las sinapsis, lo que ayuda a explicar por qué los cerebros son mucho más lentos que los ordenadores, pero en realidad pueden hacer mucho más en algunos aspectos”.
El estudio también destaca la relevancia de las sinapsis débiles en la dinámica cerebral. Estas conexiones, que constituyen la mayoría en el cerebro, permiten una mayor adaptabilidad en el aprendizaje, un aspecto que podría replicarse en modelos de inteligencia artificial para mejorar su capacidad de generalización. Los investigadores planean explorar cómo implementar estos mecanismos en sistemas computacionales avanzados.
La comunidad científica ha recibido el estudio con interés, aunque algunos expertos piden más investigaciones para validar los resultados en humanos. Los experimentos actuales se basan en modelos animales y cultivos neuronales, lo que limita su aplicabilidad directa. Sin embargo, la revisión por pares en Scientific Reports respalda la solidez de los hallazgos, y el equipo de Kanter trabaja en estudios adicionales para confirmar las implicaciones clínicas.
Contexto de la investigación y antecedentes
La teoría del aprendizaje dendrítico desafía el modelo propuesto por Donald Hebb hace casi 70 años, que afirmaba que el aprendizaje ocurre exclusivamente en las sinapsis. Este modelo, conocido como la regla de Hebb, sugería que las conexiones sinápticas se fortalecen con la actividad neuronal repetida. Aunque efectivo, el modelo no explicaba la eficiencia del cerebro en tareas complejas con recursos limitados, como el procesamiento de información en tiempo real.
Kanter explicó: “¿Tiene sentido medir la calidad del aire que respiramos a través de muchos sensores satelitales pequeños y distantes o es mejor hacerlo mediante el uso de uno o varios sensores cerca nuestro? De manera similar, es más eficiente para la neurona estimar sus señales entrantes, hacerlo lo más cerca posible”. Esta analogía resalta la ventaja de las dendritas, que procesan información en proximidad a la neurona, reduciendo el consumo energético.
La investigación se enmarca en un esfuerzo global por comprender los mecanismos del aprendizaje cerebral. En los últimos años, los avances en neurociencia han revelado que el cerebro combina múltiples procesos para optimizar el aprendizaje, desde la plasticidad sináptica hasta la modulación dendrítica. La Universidad de Bar-Ilan, a través de su Centro de Investigación del Cerebro Multidisciplinario Gonda, ha contribuido significativamente a este campo, integrando física, neurociencia e inteligencia artificial.
El estudio también responde a la necesidad de conectar la neurociencia con el aprendizaje automático. Durante décadas, la inteligencia artificial se inspiró en el cerebro humano, pero los avances tecnológicos superaron los modelos biológicos. La investigación de Kanter busca cerrar esta brecha, proponiendo que los mecanismos dendríticos pueden inspirar algoritmos más robustos y energéticamente eficientes, con aplicaciones en campos como la robótica y los vehículos autónomos.