Como o Cérebro Organiza Informações?

O artigo de mesmo nome (How does the brain organize information?), de H. Kröger (Département de Physique, Université Laval, Quebec, CA), com versão original de 20.02.2009 e publicado na seção Quantitative Biology, do http://br.axiv.org , merece nossa atenção e traduzo aqui o abstract do inglês meio manco de Mr. Kröger:

“Os processos cognitivos do cérebro, como aprendizagem, formação de memórias, recuperação de imagens memorizadas, classificação de objetos (assim como: esse objeto é ou não uma mesa?) têm duas características: Primeira, não há um supervisor no cérebro para controlar esses processos (assim como: essa imagem memorizada de uma pessoa é verdadeira?). Segunda, há um grande número de neurônios (de 10.6 a 10.10 - 10 elevado à sexta potência, etc.PLG) envolvidos nas tarefas cognitivas. Por esta razão, a pesquisa que visa a compreensão dos processos cognitivos usa modelos elaborados a partir de um grande número de neurônios (de 10.2 a 10.6), mas neurônios muito simplificados. As chamadas redes neurais têm tido bastante êxito na descrição de certos aspectos das funções cerebrais, como o mecanismo da memória associativa ou, recentemente, a predição de ataques epiléticos. Valendo-nos da rede de Kohonen, discutimos o tratamento da informação pelo cérebro, em particular como o cérebro organiza tais informações sem supervisão. Recentemente, redes de small-world (mundo simplificado) e de arquitetura sem escala foram enfatizadas. Há evidências que indicam que o cérebro (o córtex de gatos, de macacos, o cérebro humano) utiliza uma tal arquitetura de conectividade. Tarefas como tratamento de informações, aprendizagem e classificação tiram vantagem dessa conectividade small-world livre de escala e dessa maneira desempenham um papel potencialmente importante na auto-organização do cérebro”.

E prossegue Mr. Kröger na Introdução do artigo, Visão geral dos princípios organizacionais: “Um importante princípio da organização neural do cérebro são os chamados mapas de características (ou traços, destaques, etc. PLG – feature maps). Eles podem ser: (1) conjuntos de células sensíveis a características, (2) projeções ordenadas entre as camadas neuronais ou (3) mapas ordenados de características abstratas. Um exemplo do primeiro tipo são as células que respondem ao rosto humano. Exemplos do segundo tipo são o mapa retinotópico do campo visual ou o ‘homúnculo’ somatotópico do córtex sensóriomotor. Exemplos do terceiro tipo são o mapa de cores da área visual V4, o mapa de audição direcional do mesencéfalo da coruja e o mapa de amplitude de objetivo do córtex auditivo do morcego. Mais de uma propriedade de resposta pode ser mapeada simultaneamente em uma área, como foi visto no córtex visual, somatossensório e auditivo. Como não existe superfície receptiva para tais características abstratas, a ordem espacial das representações deve ser produzida por algum processo auto-organizador do cérebro, que ocorre principalmente depois do nascimento. Foi proposto que esses mapas precisam mapear uniformemente diversas propriedades de resposta sobre uma superfície cortical bidimensional (redução dimensional), o que levou Kohonen e depois Durbin et al., Obermayer et al. e Swindale a proporem modelos de formação de tais mapas de características. A relevância biológica do modelo de Kohonen foi estabelecida em diversos casos. Obermayer et al., Goodhill, Wolf et al., Swindale, e Bauer demonstraram que o Mapa Auto-Organizado (Self-Organized Map – SOM, o modelo de Kohonen) é capaz de produzir mapeamentos que trazem uma detalhada semelhança com mapas corticais visuais reais. Swindale et al. analisaram os mapas do córtex visual de gatos e descobriram que a otimização de cobertura é importante para o desenvolvimento do mapa cortical, dando sustentação aos modelos de redução dimensional de Kohonen e de Durbin et al. Swindale utilizou o modelo de Kohonen para estudar como diferentes espaços de características podem ser representados em mapas corticais. O SOM foi usado para estudar distúrbios da atenção e a preferência de familiaridade no autismo. Com sua investigação do córtex visual primário (V1) dos furões, Sur et al. descobriram uma distorção no mapeamento da cena visual sobre o córtex, em concordância com as predições do modelo de Kohonen. Aflalo et al. investigaram as origens da organização complexa do córtex motor e descobriram que o mapa gerado a partir do modelo de Kohonen continha muitas características do córtex motor real de macacos.

É uma propriedade biológica o fato de que a organização cortical de mamíferos ocorre durante um curto período depois do nascimento, no qual a conectividade neural é estabelecida. Mais notavelmente, isto é acompanhado pela morte geneticamente controlada de células neuronais e pelo desbastamento de conexões sinápticas. O desbastamento pós-natal de conexões sinápticas é um princípio biológico da organização cerebral. Outro princípio organizacional situa-se potencialmente na arquitetura de conectividade neural e em sua resultante função cerebral. O conceito de Redes de Mundos Simplificados (Small World Networks – SWN) e a variante Redes Sem Escala (Scale Free Networks – SFN) tornaram-se muito populares recentemente, depois da descoberta de que tal arquitetura de neurointegração de rede se realiza na organização da sociedade humana (experimento de Milgram), nas línguas, na WWW, na Internet, na rede metabólica do E. coli, no sistema nervoso do nematodo C. elegans, no córtex de gatos e no córtex de macacos. Nos cérebros de humanos, a imagem funcional por ressonância magnética (fMRI) mostrou evidências de redes funcionais de atividade cerebral correlacionada, que apresentam arquitetura SWN e SFN. Por outro lado, a escala de frequência 1/∫α foi observada em potenciais elétricos de campo local, indicando correlações temporais de grande amplitude. A possibilidade das arquiteturas SWN e SWF (não está claro o que significa SWF, mas deve ser SFN. PLG) desempenharem um papel na organização do cérebro leva a uma importante pergunta: As arquiteturas SWN e SFN introduzem uma vantagem operacional no funcionamento do cérebro? De fato, descobriu-se que uma rede de Hodgkin-Huxley com neurointegração SWN fornece uma resposta rápida e sincronizada a estímulos cerebrais. Modelos de memória associativa demonstraram que a arquitetura SWN produz o mesmo desempenho de recuperação de memória que redes conectadas aleatoriamente, mas utilizando apenas uma fração do comprimento total da conexão. Descobriu-se que a modelagem de aprendizagem supervisionada em uma rede preventiva em camadas (layered feed-forward network) com arquitetura SWN reduz o tempo e o número de erros na aprendizagem. Estas descobertas sustentam a hipótese de que as arquiteturas SWN/SFN podem representar outro princípio organizacional do cérebro”.