Entender los mecanismos que subyacen al aprendizaje y la memoria es uno de los mayores desafíos en neurociencia. El aprendizaje motor consiste en la adquisición de nuevas habilidades motoras con la práctica y requiere de la participación (activación y sincronización) de diversas estructuras, entre ellas el cerebelo. Esta estructura es crucial en la coordinación y precisión de actos motores ya que ayuda a ajustar y mejorar la ejecución de tareas motoras complejas. De hecho, el cerebelo ha sido considerado clásicamente una estructura muy importante en la adquisición, almacenamiento, temporización y ejecución de un aprendizaje motor.
En un descubrimiento que redefine la comprensión del aprendizaje como un proceso dinámico y constante en el cerebro, el equipo de investigación de la División de Neurociencias de la Universidad Pablo de Olavide, ha desentrañado los secretos funcionales del núcleo interpositus (IPn) del cerebelo. Contrario a la creencia convencional de limitar la comprensión del aprendizaje a su adquisición, almacenamiento o recuperación, este estudio sugiere que el aprendizaje es un estado funcional continuo.
La investigación se centró en el condicionamiento clásico de respuestas de parpadeo en conejos, registrando la actividad de las neuronas del IPn mientras estos animales llevaban a cabo tareas de aprendizaje asociativo.
“El condicionamiento clásico del reflejo corneal es un tipo de aprendizaje motor en el que el animal aprende a asociar dos estímulos, un estímulo neutro o condicionado (sonido) que por sí solo no produce ningún tipo de respuesta en el animal, con un estímulo incondicionado (soplo de aire dirigido hacia la córnea) que produce de manera refleja el cierre del párpado del animal. De manera que, tras varias presentaciones de estos estímulos juntos, cuando el animal recibe el reflejo condicionado (sonido) que antes no producía respuesta, ahora sí que produce una respuesta (respuesta condicionada), el cierre del párpado”, explica la investigadora de la UPO Rocío Leal.
Los resultados son reveladores, las neuronas del IPn no solo reducen las señales de error a lo largo de las sesiones de condicionamiento, es decir, a medida que el animal va aprendiendo, sino que también aumentan y adelantan su actividad antes de la ocurrencia del estímulo no condicionado, que en este caso era un soplo de aire dirigido hacia la córnea del animal. “Esto sugiere que las neuronas del IPn generan predicciones que optimizan en tiempo y forma la respuesta condicionada del parpadeo, es decir, parpadear antes de recibir el soplo de aire”, expone Rocío Leal.
Estos hallazgos son consistentes con la idea de que el cerebelo opera bajo reglas bayesianas (una forma de hacer inferencias en la que actualizamos nuestras creencias sobre una hipótesis a medida que obtenemos nueva evidencia. Esto nos permite hacer predicciones más precisas y tomar decisiones informadas en situaciones inciertas), actualizando los pesos neuronales utilizando la historia previa. Este enfoque bayesiano implica que el cerebelo compara estados predichos con estados reales, aprende de los errores y actualiza su representación interna para minimizarlos.
“Imagina que estás esperando a tu amigo para estudiar juntos y sabes que suele llegar a las 9 de la mañana. Pero, como hay tráfico, a veces llega más tarde. Tu cerebro está haciendo un ‘juego de adivinanzas’ todo el tiempo: ‘¿A qué hora llegará hoy?’. Basándose en lo que sabes y tu experiencia propia, tu cerebro hace su mejor intento para responder esa pregunta. Si está lloviendo y suele haber mucho tráfico, tu cerebro puede pensar: ‘Probablemente hoy también habrá tráfico, así que mi amigo podría llegar un poco más tarde’. Pero si escuchas que ha dejado de llover, habrá menos tráfico de lo habitual, tu cerebro podría cambiar de idea y pensar: ‘Quizás no haya tanto tráfico hoy, así que mi amigo podría llegar más temprano’. Tu cerebro hace esto todo el tiempo: recolecta información, hace predicciones y ajusta sus predicciones basándose en la nueva información que recibe. Y eso es lo que significa que el cerebelo funciona como un sistema de inferencia bayesiano”, explica Rocío Leal.
Los resultados de este estudio, publicado en la prestigiosa revista npj Science of Learning perteneciente a Nature, no solo profundizan la comprensión fundamental del cerebelo y su papel en el aprendizaje, sino que también abren nuevas perspectivas para la investigación neurocientífica y el desarrollo de terapias para trastornos neurológicos. “Este avance podría tener implicaciones significativas en campos que van desde la neurología clínica hasta la inteligencia artificial inspirada en el cerebro”, declara Rocío Leal.
