Una teoría matemática de por qué las personas alucinan

Una teoría matemática de por qué las personas alucinan

Las drogas psicodélicas pueden desencadenar alucinaciones características, que durante mucho tiempo se pensó que tenían pistas sobre los circuitos cerebrales. Después de casi un siglo de estudio, se cristaliza una posible explicación.

Hallucination_2880_v2-2880x1620aeforia y Olena Shmahalo/Quanta Magazine

Jennifer Ouellette

30 de julio de 2018

En la década de 1920, décadas antes de que el gurú de la contracultura Timothy Leary hiciera olas experimentando con LSD y otras drogas psicodélicas en la Universidad de Harvard, un joven psicólogo perceptual llamado Heinrich Klüver se usó como conejillo de indias en un estudio en curso sobre alucinaciones visuales. Un día, en su laboratorio de la Universidad de Minnesota, ingirió un botón de peyote, la parte superior seca del cactus Lophophora williamsii, y documentó cuidadosamente cómo cambió su campo visual bajo su influencia. Observó patrones recurrentes que tenían un parecido sorprendente con las formas comúnmente encontradas en los dibujos rupestres antiguos y en las pinturas de Joan Miró, y especuló que tal vez eran innatas a la visión humana. Clasificó los patrones en cuatro tipos distintos a los que denominó “constantes de forma”: celosías (incluidos cuadros de damas, panales y triángulos), túneles, espirales y telarañas.

Unos 50 años más tarde, Jack Cowan de la Universidad de Chicago se propuso reproducir esas constantes de forma alucinatoria matemáticamente, en la creencia de que podrían proporcionar pistas sobre los circuitos del cerebro. En un articulo seminal de 1979, Cowan y su estudiante graduado Bard Ermentrout informaron que la actividad eléctrica de las neuronas en la primera capa de la corteza visual podría traducirse directamente en las formas geométricas que las personas suelen ver cuando están bajo la influencia de los psicodélicos. “La matemática de la forma en que está conectada la corteza cerebral produce solo este tipo de patrones”, explicó Cowan recientemente. En ese sentido, lo que vemos cuando alucinamos refleja la arquitectura de la red neuronal del cerebro.

Pero nadie podría descubrir con precisión cómo el circuito intrínseco de la corteza visual del cerebro genera los patrones de actividad que subyacen a las alucinaciones.

Template_082017_560wideHeinrich Klüver clasificó las formas que vio bajo la influencia de las drogas alucinógenas en cuatro categorías, conocidas como “constantes de forma”. Lucy Reading-Ikkanda/Quanta Magazine

Una hipótesis emergente apunta a una variación del mecanismo que produce los llamados “patrones de Turing”. En un artículo de 1952, el matemático británico y rompedor de códigos Alan Turing propuso un mecanismo matemático para generar muchos de los patrones repetitivos comúnmente vistos en biología: las rayas de tigres o peces cebra, por ejemplo, o manchas de leopardo. Los científicos han sabido por algún tiempo que el mecanismo clásico de Turing probablemente no pueda ocurrir en un sistema tan ruidoso y complicado como el cerebro. Pero un colaborador de Cowan’s, el físico Nigel Goldenfeld de la Universidad de Illinois, Urbana-Champaign, ha propuesto un giro en la idea original que tiene en cuenta el ruido. La evidencia experimental reportada en dos artículos recientes ha reforzado la teoría de que este “mecanismo estocástico de Turing” está detrás de las constantes de formas geométricas que las personas ven cuando tienen alucinaciones.

Saltamontes sudorosos

Las imágenes que “vemos” son esencialmente los patrones de las neuronas excitadas en la corteza visual. La luz que se refleja en los objetos de nuestro campo de visión entra en el ojo y se enfoca en la retina, que está llena de células fotorreceptoras que convierten esa luz en señales electroquímicas. Estas señales viajan al cerebro y estimulan las neuronas en la corteza visual en patrones que, en circunstancias normales, imitan los patrones de reflejo de la luz en los objetos de su campo de visión. Pero a veces los patrones pueden surgir espontáneamente del disparo aleatorio de las neuronas en el córtex (ruido de fondo interno, en oposición a los estímulos externos) o cuando una droga psicoactiva u otro factor influye en la función normal del cerebro y aumenta el disparo aleatorio de las neuronas. Esto se cree que es lo que sucede cuando alucinamos.

¿Pero por qué vemos las formas particulares que Klüver clasificó tan meticulosamente? La explicación ampliamente aceptada propuesta por Cowan, Ermentrout y sus colaboradores es que estos patrones resultan de cómo se representa el campo visual en la primera área visual de la corteza visual. “Si abrieras la cabeza a alguien y observaras la actividad de las células nerviosas, no verías una imagen del mundo a través de una lente”, dijo Peter Thomas, un colaborador de Cowan que ahora se encuentra en la Case Western Reserve University. En cambio, Thomas explicó, la imagen sufre una transformación de coordenadas a medida que se mapea en la corteza. Si la actividad neuronal toma la forma de rayas alternas de neuronas que disparan y no disparan, percibes diferentes cosas dependiendo de la orientación de las rayas. Ves anillos concéntricos si las rayas están orientadas en una dirección. Ves rayos o formas de embudo que emanan de un punto central, la luz proverbial al final del túnel común en experiencias cercanas a la muerte, si las rayas son perpendiculares a eso. Y ves patrones en espiral si las rayas tienen una orientación diagonal.

Template_082017_560wideDiagrama que muestra cómo las líneas en el campo visual (regiones circulares a la izquierda) se asignan a líneas en la corteza estriada, parte de la corteza visual involucrada en el procesamiento directo de la información visual. Bressloff, P.C., Cowan, J.D., Golubitsky, M., Thomas, P.J., & Wiener, M.C. (2002). What Geometric Visual Hallucinations Tell Us about the Visual Cortex. Neural Computation, 14, 473-491.

Pero si las alucinaciones visuales geométricas como las constantes de la forma de Klüver son una consecuencia directa de la actividad neuronal en la corteza visual, la pregunta es por qué esta actividad ocurre espontáneamente y por qué, en ese caso, no nos hace alucinar todo el tiempo. El mecanismo estocástico de Turing potencialmente aborda ambas preguntas.

El artículo original de Alan Turing sugirió que los patrones como manchas son el resultado de las interacciones entre dos sustancias químicas que se propagan a través de un sistema. En lugar de difuminar uniformemente como un gas en una habitación hasta que la densidad sea uniforme en todas partes, las dos sustancias químicas se difunden a diferentes velocidades, lo que hace que formen parches distintos con diferentes composiciones químicas. Uno de los productos químicos sirve como un activador que expresa una característica única, como la pigmentación de una mancha o raya, mientras que el otro actúa como un inhibidor, interrumpiendo la expresión del activador. Imagine, por ejemplo, un campo de hierba seca salpicada de saltamontes. Si enciendes un incendio en varios puntos aleatorios, sin humedad presente, todo el campo se quemará. Pero si el calor de las llamas hace que los saltamontes que huyen suden, y que el sudor humedezca la hierba que los rodea, te quedarán manchas periódicas de pasto no quemado en todo el campo que de otro modo sería carbonizado. Esta fantástica analogía, inventada por el biólogo matemático James Murray, ilustra el mecanismo clásico de Turing.

Turing reconoció que este era un modelo de juguete muy simplificado de cómo surgen los patrones reales, y nunca lo aplicó a un problema biológico real. Pero ofrece un marco para construir. En el caso del cerebro, Cowan y Ermentrout señalaron en su artículo de 1979 que las neuronas pueden describirse como activadores o inhibidores. Las neuronas activadoras estimulan a las células cercanas a disparar también, amplificando las señales eléctricas, mientras que las neuronas inhibidoras apagan a sus vecinos más cercanos, apagando las señales. Los investigadores notaron que las neuronas activadoras en la corteza visual estaban conectadas principalmente a las neuronas activadoras cercanas, mientras que las neuronas inhibitorias tendían a conectarse a neuronas inhibitorias más alejadas, formando una red más amplia. Esto es una reminiscencia de las dos velocidades de difusión químicas requeridas en el mecanismo clásico de Turing, y en teoría, podría dar lugar espontáneamente a rayas o puntos de neuronas activas dispersas en un mar de baja actividad neuronal. Estas rayas o puntos, según su orientación, podrían ser lo que genere percepciones de celosías, túneles, espirales y telarañas.

Aunque Cowan reconoció que podría haber algún tipo de mecanismo de Turing trabajando en la corteza visual, su modelo no explicaba el ruido, el disparo aleatorio de las neuronas, que parecía interferir con la formación de los patrones de Turing. Mientras tanto, Goldenfeld y otros investigadores habían estado aplicando las ideas de Turing en ecología, como un modelo para la dinámica depredador-presa. En ese escenario, las presas actúan como activadores, buscando reproducirse y aumentar su número, mientras que los depredadores actúan como inhibidores, manteniendo a la población de presas bajo control con sus muertes. Por lo tanto, juntos forman patrones espaciales similares a Turing. Goldenfeld estaba estudiando cómo las fluctuaciones aleatorias en las poblaciones de depredadores y presas afectan estos patrones. Sabía sobre el trabajo de Cowan en neurociencia y pronto se dio cuenta de que sus ideas también podían aplicarse allí.

Casas con ojos y mandíbulas

Un físico de materia condensada por formación, Goldenfeld gravita hacia la investigación interdisciplinaria, la aplicación de conceptos y técnicas de la física y las matemáticas a la biología y la ecología evolutiva. Aproximadamente hace 10 años, él y su estudiante graduado Tom Butler reflexionaban sobre cómo la distribución espacial de depredadores y presas cambia en respuesta a fluctuaciones locales aleatorias en sus poblaciones, por ejemplo, si un rebaño de ovejas es atacado por lobos. Goldenfeld y Butler descubrieron que cuando la población de un rebaño es relativamente baja, las fluctuaciones aleatorias pueden tener grandes efectos, incluso llevando a la extinción. Se hizo evidente que los modelos ecológicos deben tener en cuenta las fluctuaciones aleatorias en lugar de simplemente describir el comportamiento promedio de las poblaciones. “Una vez que sabía cómo hacer el cálculo de fluctuación para la formación de patrones”, dijo Goldenfeld, “era un siguiente paso obvio aplicar esto al problema de la alucinación”.

En el cerebro, es el número de neuronas que están activadas o desactivadas las que fluctúan aleatoriamente en lugar de las poblaciones de ovejas y lobos. Si una neurona activadora se enciende aleatoriamente, puede causar que otras neuronas cercanas también se enciendan. Por el contrario, cuando una neurona inhibitoria se enciende aleatoriamente, puede hacer que las neuronas cercanas se apaguen. Debido a que las conexiones entre las neuronas inhibidoras son de largo alcance, cualquier señal inhibitoria que surja aleatoriamente se propaga más rápido que las señales excitadoras aleatorias, exactamente lo que se necesita para un mecanismo similar a Turing. Los modelos de Goldenfeld sugirieron que se formarán bandas de neuronas activas e inactivas en un patrón similar al de Turing. Él apodó estos patrones estocásticos de Turing.

Sin embargo, para funcionar correctamente, la corteza visual debe ser impulsada principalmente por estímulos externos, no por sus propias fluctuaciones ruidosas internas. ¿Qué impide que los patrones de Turing estocásticos se formen constantemente y nos hagan alucinar constantemente? Goldenfeld y sus colegas sostienen que, aunque el disparo de las neuronas puede ser aleatorio, sus conexiones no lo son. Mientras que las conexiones de corto alcance entre las neuronas excitatorias son comunes, las conexiones de largo alcance entre las neuronas inhibidoras son escasas, y Goldenfeld cree que esto ayuda a suprimir la propagación de señales aleatorias. Él y sus cohortes probaron esta hipótesis creando dos modelos de redes neuronales separados. Una estaba basada en el cableado real de la corteza visual, y la otra era una red genérica con conexiones aleatorias. En el modelo genérico, la función visual normal se degradaba sustancialmente porque la activación aleatoria de las neuronas servía para amplificar el efecto de Turing. “Una corteza visual genéricamente cableada estaría contaminada por alucinaciones”, dijo Goldenfeld. Sin embargo, en el modelo realista de la corteza, el ruido interno se atenuó de manera efectiva.

Nigel Goldenfeld at the University of Illinois for Quanta MagazineNigel Goldenfeld, físico de la Universidad de Illinois, Urbana-Champaign, plantea la hipótesis de que el mecanismo estocástico de Turing subyace a las alucinaciones visuales. Seth Lowe para Quanta Magazine

Goldenfeld sugiere que la evolución ha seleccionado una estructura de red particular que inhibe los patrones alucinatorios: la escasez de conexiones entre las neuronas inhibidoras impide que las señales inhibidoras viajen largas distancias, interrumpiendo el mecanismo estocástico de Turing y la percepción de embudos, telarañas, espirales, etc. Los patrones dominantes que se propagan a través de la red se basarán en estímulos externos, algo muy bueno para la supervivencia, ya que desea ser capaz de detectar una serpiente y no distraerse con una bonita forma de espiral.

“Si la corteza se hubiera construido con estas conexiones inhibitorias de largo alcance en todas partes, entonces la tendencia a formar estos patrones sería más fuerte que la tendencia a procesar la entrada visual. Sería un desastre y nunca sobreviviríamos”, dijo Thomas. Debido a que las conexiones inhibitorias de largo alcance son escasas, “los modelos no producen patrones espontáneos a menos que los obligue a hacerlo, simulando los efectos de las drogas alucinógenas”.

Los experimentos han demostrado que los alucinógenos como el LSD parecen alterar los mecanismos de filtración normales que emplea el cerebro, lo que tal vez impulsa las conexiones inhibitorias de largo alcance y, por lo tanto, permite que las señales aleatorias se amplifiquen en un efecto de Turing estocástico.

Goldenfeld y sus colaboradores aún no han probado su teoría de las alucinaciones visuales de forma experimental, pero en los últimos años ha surgido una evidencia contundente de que surgen patrones estocásticos de Turing en los sistemas biológicos. Alrededor de 2010, Goldenfeld se enteró del trabajo realizado por Ronald Weiss, un biólogo sintético del Instituto de Tecnología de Massachusetts que había estado luchando durante años para encontrar el marco teórico apropiado para explicar algunos resultados experimentales intrigantes.

Años antes, Weiss y su equipo habían desarrollado biofilms bacterianos que fueron diseñados genéticamente para expresar una de dos moléculas de señalización diferentes. En un esfuerzo por demostrar el crecimiento de un patrón clásico de Turing, etiquetaron las moléculas de señalización con marcadores fluorescentes de modo que los activadores brillaron de rojo y los inhibidores brillaron en verde. Aunque el experimento comenzó con una biopelícula homogénea, con el tiempo surgió un patrón parecido al de Turing, con lunares rojos diseminados en una franja verde. Sin embargo, los puntos rojos estaban mucho más descuidados que, por ejemplo, los puntos de los leopardos. Experimentos adicionales tampoco lograron los resultados deseados.

Cuando Goldenfeld se enteró de estos experimentos, sospechó que los datos de Weiss podían verse desde un punto de vista estocástico. “En lugar de tratar de hacer que los patrones sean más regulares y menos ruidosos”, dijo Weiss, “nos dimos cuenta mediante nuestra colaboración con Nigel que estos son realmente patrones estocásticos de Turing”. Weiss, Goldenfeld y sus colaboradores finalmente publicaron su artículo en las Proceedings of the National Academy of Sciences el mes pasado, 17 años después de que comenzó la investigación.

Las biopelículas formaron patrones estocásticos de Turing porque la expresión génica es un proceso ruidoso. Según Joel Stavans, del Instituto de Ciencias Weizmann en Israel, ese ruido es responsable de las disparidades entre las células, que pueden tener la misma información genética pero comportarse de manera diferente. En un trabajo publicado recientemente, Stavans y sus colegas investigaron cómo el ruido en la expresión génica puede conducir a los patrones estocásticos de Turing en las cianobacterias, organismos antiguos que producen una gran proporción del oxígeno en la Tierra. Los investigadores estudiaron anabaena, un tipo de cianobacteria con una estructura simple de células unidas entre sí en un tren largo. Las células de una anabaena se pueden especializar para realizar una de dos actividades: la fotosíntesis o la conversión de nitrógeno en la atmósfera en proteínas. Una anabaena podría tener, por ejemplo, una célula fijadora de nitrógeno, luego 10 o 15 células de fotosíntesis, luego otra célula fijadora de nitrógeno, y así sucesivamente, en lo que parece ser un patrón de Turing estocástico. El activador, en este caso, es una proteína que crea un ciclo de retroalimentación positiva para producir más proteínas de este tipo. Al mismo tiempo, la proteína también puede producir otras proteínas que se difunden a las células vecinas e inhiben la producción de la primera proteína. Esta es la característica principal de un mecanismo de Turing: un activador y un inhibidor que combaten entre sí. En anabaena, el ruido impulsa la competencia.

Los investigadores dicen que el hecho de que los procesos estocásticos de Turing parecen estar funcionando en estos dos contextos biológicos agrega plausibilidad a la teoría de que el mismo mecanismo ocurre en la corteza visual. Los hallazgos también demuestran cómo el ruido juega un papel fundamental en los organismos biológicos. “No existe una correlación directa entre la forma en que programamos las computadoras” y cómo funcionan los sistemas biológicos, dijo Weiss. “La biología requiere diferentes marcos y principios de diseño. El ruido es uno de ellos”.

Todavía hay mucho más que entender sobre las alucinaciones. Jean-Paul Sartre experimentó con mezcalina en París en 1935 y descubrió que distorsionaba su percepción visual durante semanas. Las casas parecían tener “caras de lagrimas, todas con ojos y mandíbulas”, las caras de los relojes parecían búhos, y él vio cangrejos siguiéndolo todo el tiempo. Estas son alucinaciones de mucho mayor nivel que las constantes de forma simple de Klüver. “Las primeras etapas de la alucinación visual son muy simples: estos patrones geométricos”, dijo Ermentrout. Pero cuando se activan las funciones cognitivas superiores, como la memoria, dijo, “comienzas a ver alucinaciones más complejas y tratas de entenderlas. Creo que todo lo que está viendo es la emergencia espontánea de (recuerdos almacenados) a medida que las áreas superiores del cerebro se vuelven más excitadas”.

En los años 20, Klüver también trabajó con sujetos que informaron alucinaciones táctiles, como telarañas que se arrastraban sobre su piel. Ermentrout piensa que esto es consistente con una constante de forma de tela de araña mapeada en la corteza somatosensorial. Procesos similares podrían desarrollarse en la corteza auditiva, lo que podría explicar no solo las alucinaciones auditivas sino también fenómenos como el tinnitus. Cowan está de acuerdo, y señala que el cerebro tiene un cableado similar en todas partes, por lo que, si una teoría de las alucinaciones “funciona para la visión, funcionará para todos los demás sentidos”.

https://www.quantamagazine.org/a-math-theory-for-why-people-hallucinate-20180730/

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.