Um novo modelo computacional do cérebro, baseado em sua biologia e fisiologia, não apenas aprendeu uma tarefa simples de categorização visual tão bem quanto animais de laboratório, mas também possibilitou a descoberta de uma atividade contraintuitiva em um grupo de neurônios que pesquisadores que trabalhavam com animais para realizar a mesma tarefa não haviam observado em seus dados anteriormente, afirma uma equipe de cientistas do Dartmouth College, do MIT e da Universidade Estadual de Nova York em Stony Brook.

Notavelmente, o modelo alcançou esses resultados sem nunca ter sido treinado com dados de experimentos com animais. Em vez disso, foi construído do zero para representar fielmente como os neurônios se conectam em circuitos e se comunicam elétrica e quimicamente em regiões cerebrais mais amplas para produzir cognição e comportamento. Então, quando a equipe de pesquisa pediu ao modelo para executar a mesma tarefa que havia sido realizada anteriormente com os animais (observar padrões de pontos e decidir a qual de duas categorias mais amplas eles se encaixavam), ele produziu atividade neural e resultados comportamentais muito semelhantes, adquirindo a habilidade com um progresso errático quase idêntico.

“Trata-se apenas de gerar novos gráficos simulados da atividade cerebral que só depois são comparados aos de animais de laboratório. O fato de coincidirem de forma tão impressionante é, de certa forma, chocante”, afirma Richard Granger , professor de ciências psicológicas e cerebrais em Dartmouth e autor principal de um novo estudo publicado na Nature Communications que descreve o modelo.

Um dos objetivos ao criar o modelo, e as novas iterações desenvolvidas desde a publicação do artigo, é não apenas oferecer insights sobre o funcionamento do cérebro, mas também sobre como ele pode funcionar de maneira diferente em casos de doenças e quais intervenções poderiam corrigir essas alterações, acrescenta o coautor Earl K. Miller , professor Picower no Instituto Picower de Aprendizagem e Memória do MIT. Miller, Granger e outros membros da equipe de pesquisa fundaram a empresa Neuroblox.ai para desenvolver as aplicações biotecnológicas dos modelos. A coautora Lilianne R. Mujica-Parodi, professora de engenharia biomédica em Stony Brook e principal investigadora do Projeto Neuroblox, é a CEO da empresa.

“A ideia é criar uma plataforma para modelagem biomimética do cérebro, de forma a possibilitar uma descoberta, desenvolvimento e aprimoramento mais eficientes de neuroterapias. O desenvolvimento de medicamentos e os testes de eficácia, por exemplo, podem ocorrer mais cedo no processo, em nossa plataforma, antes dos riscos e custos dos ensaios clínicos”, afirma Miller, que também é membro do corpo docente do Departamento de Ciências Cerebrais e Cognitivas do MIT.

O pós-doutorando Anand Pathak, de Dartmouth, criou o modelo, que difere de muitos outros por incorporar tanto pequenos detalhes, como a forma como pares individuais de neurônios se conectam, quanto a arquitetura em larga escala, incluindo como o processamento de informações entre regiões é afetado por substâncias neuromoduladoras como a acetilcolina. Pathak e sua equipe iteraram seus projetos para garantir que obedecessem a várias restrições observadas em cérebros reais, como a forma como os neurônios se sincronizam por ritmos mais amplos. Muitos outros modelos se concentram apenas em escalas pequenas ou grandes, mas não em ambas, afirma ele.

As “árvores” metafóricas, chamadas de “primitivas” no estudo, são pequenos circuitos com poucos neurônios cada, que se conectam com base em princípios elétricos e químicos de células reais para executar funções computacionais fundamentais. Por exemplo, na versão do córtex cerebral apresentada no modelo, um dos projetos primitivos possui neurônios excitatórios que recebem informações do sistema visual por meio de conexões sinápticas influenciadas pelo neurotransmissor glutamato. Esses neurônios excitatórios, então, se conectam densamente com neurônios inibitórios em uma competição para sinalizar o desligamento dos outros neurônios excitatórios — uma arquitetura do tipo “o vencedor leva tudo”, encontrada em cérebros reais e que regula o processamento de informações.

Em uma escala maior, o modelo abrange quatro regiões cerebrais necessárias para tarefas básicas de aprendizagem e memória: o córtex, o tronco encefálico, o estriado e uma estrutura de "neurônio tonicamente ativo" (TAN, na sigla em inglês) que pode injetar um pouco de "ruído" no sistema por meio de rajadas de acetilcolina. Por exemplo, enquanto o modelo se dedicava à tarefa de categorizar os padrões de pontos apresentados, o TAN inicialmente garantia alguma variabilidade em como o modelo reagia à entrada visual, permitindo que ele aprendesse explorando diferentes ações e seus resultados. À medida que o modelo continuava a aprender, os circuitos do córtex e do estriado fortaleciam as conexões que suprimiam o TAN, permitindo que o modelo agisse com base no que estava aprendendo com crescente consistência.

À medida que o modelo se envolvia na tarefa de aprendizagem, propriedades do mundo real emergiam, incluindo uma dinâmica que Miller observou comumente em suas pesquisas com animais. Conforme a aprendizagem progredia, o córtex e o estriado tornavam-se mais sincronizados na banda de frequência “beta” dos ritmos cerebrais, e esse aumento na sincronia correlacionava-se com os momentos em que o modelo (e os animais) faziam o julgamento correto da categoria sobre o que estavam vendo.

Mas o modelo também apresentou aos pesquisadores um grupo de neurônios — cerca de 20% — cuja atividade parecia altamente preditiva de erros. Quando esses neurônios, os chamados “incongruentes”, influenciavam os circuitos, o modelo fazia o julgamento de categoria errado. A princípio, diz Granger, a equipe achou que era uma peculiaridade do modelo. Mas então eles analisaram os dados cerebrais reais que o laboratório de Miller acumulou quando animais realizaram a mesma tarefa.

Miller afirma que essas células contraintuitivas podem ter uma função: é ótimo aprender as regras de uma tarefa, mas e se as regras mudarem? Experimentar alternativas de tempos em tempos pode permitir que o cérebro descubra um novo conjunto de condições. De fato, um laboratório independente do Instituto Picower publicou recentemente evidências de que humanos e outros animais fazem isso às vezes.

Embora o modelo descrito no novo artigo tenha superado as expectativas da equipe, diz Granger, eles vêm expandindo-o para torná-lo sofisticado o suficiente para lidar com uma variedade maior de tarefas e circunstâncias. Por exemplo, adicionaram mais regiões e novos neuromoduladores. Também começaram a testar como intervenções, como medicamentos, afetam sua dinâmica.