Neuronas vivas logran procesar secuencias complejas de datos, uniendo la neurociencia y la informática para la futura investigación médica.
Imagen conceptual del estudio de la Universidad de Tohoku | Creada con IA
Un equipo de investigadores de la Universidad de Tohoku y la Universidad del Futuro de Hakodate logró entrenar neuronas vivas de ratas para que funcionen como un sistema de aprendizaje automático (ML).
Este avance en la computación neuromórfica demuestra que las neuronas cultivadas en un laboratorio pueden procesar secuencias de datos y aprender a ejecutar tareas que antes solo hacían las computadoras artificiales.
Las redes neuronales artificiales y las Spiking Neural Networks (SNNs) (redes neuronales de impulsos) se utilizan para diseñar equipos informáticos a través de un modelo dinámico de procesamiento de datos, el cual destaca por analizar eficientemente información que depende del tiempo. Para lograr esto, los sistemas aplican métodos de aprendizaje que ajustan las señales de salida en tiempo real al detectar y corregir errores, lo que les permite una adaptación constante y fluida.
Para entenderlo de manera sencilla, imagina una gran orquesta donde decenas de músicos comienzan a tocar sus instrumentos en distintos momentos. En lugar de intentar seguir la partitura de cada músico por separado, el sistema funciona como un director que escucha cómo se mezclan todos los sonidos en el aire, logrando identificar la melodía completa de una sola vez..
Para comprobar si este enfoque funciona en sistemas vivos, los científicos usaron neuronas de rata cultivadas en laboratorio y las conectaron mediante pequeños canales de fluidos que guían el crecimiento de la red celular.
Para comprobar si este enfoque funciona en sistemas vivos, los científicos usaron neuronas de rata cultivadas en laboratorio y las conectaron mediante pequeños canales de fluidos que guían el crecimiento de la red celular. Este diseño evitó que las células se sincronizaran en exceso y les permitió aprender a reproducir de manera estable distintas ondas matemáticas y patrones caóticos operando con períodos de 4s y 30s.
Para visualizar un patrón caótico, piensa en el humo que sube desde una fogata o en los cambios de clima de una ciudad. Aunque la forma en que el humo se arremolina o el viento sopla parece completamente desordenada e impredecible a simple vista, sus movimientos obedecen a reglas estrictas que las neuronas en el laboratorio lograron identificar y replicar exitosamente.
Los hallazgos de esta investigación sugieren que los sistemas neuronales vivos poseen las características necesarias para funcionar como alternativas sólidas frente a los modelos informáticos tradicionales. Además de perfeccionar la estabilidad de la plataforma tecnológica, este entorno biológico podría expandirse para estudiar directamente cómo reaccionan las células a distintos medicamentos y así modelar enfermedades neurológicas complejas con alta precisión.
A modo de ejemplo, esta capacidad tecnológica permitiría desarrollar las siguientes aplicaciones en el campo médico:
El profesor de la Universidad de Tohoku, Hideaki Yamamoto, detalló las profundas implicaciones de lograr integrar elementos biológicos reales con herramientas computacionales avanzadas para el procesamiento de secuencias temporales. El experto subrayó el valor de esta convergencia interdisciplinaria.
“Este trabajo demuestra que las redes neuronales vivas no solo son sistemas biológicamente significativos, sino que también pueden servir como recursos computacionales novedosos, y al tender un puente entre la neurociencia y el aprendizaje automático, estamos abriendo un camino hacia nuevas formas de computación que aprovechan la dinámica intrínseca de los sistemas biológicos”.
Hideaki Yamamoto, profesor de la Universidad de Tohoku.
