Saltar al contenido
Biología

La corteza visual decide por consenso: lo que coincide perdura y lo que choca se apaga, en ratones

Un estudio en Nature Neuroscience muestra cómo dos áreas visuales del ratón refuerzan las señales en las que coinciden y apagan rápido las que se contradicen. Qué se probó, con cuántos animales y qué queda fuera del alcance del trabajo.

por Gerardo Pavez
Detailed close-up image of a human brown eye with emphasis on the iris and eyelashes.
Foto de Abdullah Hussein en Pexels

Dos áreas de la corteza visual del ratón no se limitan a pasarse información: se ponen de acuerdo. Un estudio publicado el 18 de septiembre de 2026 en Nature Neuroscience muestra que las conexiones recíprocas entre la corteza visual primaria (V1) y el área lateromedial (LM) sostienen la actividad en la que ambas coinciden y aceleran el apagado de la que se contradice. Los autores, encabezados por Mitra Javadzadeh, del Cold Spring Harbor Laboratory (CSHL), junto con colegas de la Universidad de Cambridge y el University College London, proponen esa "construcción de consenso" como un principio general del funcionamiento de la corteza. La prueba, sin embargo, viene de siete ratones y una tarea visual sencilla, y parte de lo que se ha dicho sobre la investigación va más allá de lo que el artículo demuestra.

Cómo se puso a prueba el diálogo entre V1 y LM

V1 es la puerta de entrada de la visión a la corteza y LM es un área de orden superior que procesa lo que V1 le envía y le devuelve señales. Para ver cómo se coordinan, el equipo analizó registros eléctricos simultáneos de 194 neuronas en V1 y 228 en LM de siete ratones entrenados en una tarea de discriminación: ante dos rejillas estáticas, inclinadas a +45 y -45 grados y mostradas durante 500 milisegundos, solo una daba recompensa.

En algunos ensayos, el equipo silenció V1 o LM durante 150 milisegundos mediante optogenética: iluminó neuronas inhibidoras modificadas para responder a la luz y así apagó por un instante la actividad de esa área. Esa intervención permitió observar cómo reaccionaba cada región cuando su pareja quedaba en silencio.

Con esos datos construyeron modelos de circuito que respetan reglas conocidas de la corteza, como que solo las neuronas excitadoras envían conexiones de larga distancia entre áreas. Los modelos reprodujeron la actividad de cada ensayo y anticiparon, con una correlación moderada, el efecto de los apagones optogenéticos, algo que no lograron los modelos entrenados sin esos ensayos.

Lo que coincide se sostiene y lo que choca se apaga

El resultado central es un mecanismo que los autores describen con un término de la física de sistemas dinámicos: un atractor de línea aproximado. En la práctica, cuando V1 y LM empujan en la misma dirección, esa actividad compartida decae despacio; cuando se contradicen, el desacuerdo se disuelve rápido. CSHL lo resume así: la discrepancia desaparece en una fracción de segundo.

Las cifras del artículo dan la escala. La actividad que sostiene la respuesta al estímulo tiene una constante de tiempo de unos 400 milisegundos, unas 20 veces más larga que la de una neurona individual en el modelo (20 milisegundos). Ese modo lento depende de las conexiones entre áreas: al cortarlas en el modelo, cada región por separado perdía el efecto y su actividad se volvía mucho más rápida.

El acuerdo opera en dos niveles. Uno responde a si hay un estímulo en pantalla; el otro, a cuál es su orientación. En simulaciones con información contradictoria, el circuito terminó alineado con la opción que tenía más respaldo en la entrada.

A medical professional reviewing MRI brain scans in a clinical setting, highlighting healthcare technology.
Imagen ilustrativa de investigación en neurociencia; no corresponde a los experimentos del estudio. · Foto de Anna Shvets en Pexels

El equipo no se quedó en el modelo. Comprobó directamente en los registros que la actividad en la que ambas áreas coinciden fluctúa más despacio que la actividad en la que discrepan, antes y durante el estímulo. También vio que silenciar un área aceleraba las fluctuaciones de la otra. Y encontró un matiz: el patrón aparecía cuando los ratones estaban atentos a la tarea, no en los ensayos en que se acicalaban en vez de responder.

Lo que el estudio no demuestra todavía

La mejor forma de leer el hallazgo es separar lo probado de lo que se proyecta a partir de él. La siguiente tabla compara ambas cosas.

Estudio de consenso entre V1 y LM: lo demostrado y sus límites
Aspecto Lo que muestra el artículo Lo que queda fuera de su alcance
Especie y muestra Siete ratones en los modelos de circuito y 12 en los análisis de autocorrelación Ninguna medición en personas
Datos Registros de V1 y LM publicados en 2022 en Neuron, reanalizados No se recogieron datos experimentales nuevos
Tarea Distinguir dos rejillas estáticas a +45 y -45 grados Percepciones complejas o conflictos entre sentidos distintos
Alcance Consenso sobre presencia y orientación del estímulo en dos áreas visuales La extensión a toda la corteza es una hipótesis de los autores
Aplicaciones Un mecanismo de circuito verificado en los registros Usos en salud mental o en inteligencia artificial

El trabajo no generó experimentos nuevos: reanaliza registros que Javadzadeh y la neurocientífica Sonja B. Hofer, del Sainsbury Wellcome Centre del UCL, publicaron en 2022. Los propios autores reconocen que la tarea go/no-go no permite separar del todo las señales puramente visuales de las ligadas al movimiento o a la recompensa, y que la forma relativamente simple del consenso observado refleja, probablemente, la sencillez de la tarea.

Que el mecanismo rija en toda la corteza es, por ahora, una propuesta. Javadzadeh lo plantea como la siguiente pregunta: si cuando lo que se ve contradice lo que se oye, el cerebro usa los mismos recursos para reconciliarlo.

Tampoco están en el artículo las aplicaciones que circulan en inglés. Neuroscience News, que reprodujo el comunicado de CSHL con contexto adicional de su redacción, menciona que el hallazgo podría dar pistas sobre la esquizofrenia o los trastornos del procesamiento sensorial, y servir de modelo para redes de agentes de IA. El paper no evalúa ninguna de las dos cosas.

"Aunque entendemos los bloques individuales del cerebro, ¿cuál es el pegamento que los une? Saberlo puede, por fin, ayudarnos a entender cómo funciona el cerebro en su conjunto", dijo Javadzadeh en el comunicado de CSHL.

La aportación concreta es un mecanismo con números y una predicción comprobada en los datos: dos áreas visuales del ratón refuerzan lo que comparten y descartan en una fracción de segundo lo que no. El salto al cerebro humano, a otros sentidos o a la clínica necesitará tareas más complejas y registros en más áreas.

Fuentes: 1, 2

Gerardo Pavez imagen de perfil
por Gerardo Pavez

Redactor y creador de contenido especializado en deportes y tecnología. Apasionado por todo lo que ocurre dentro y fuera de la cancha.

Leer más de Tecnología y Ciencia