Las oscilaciones neuronales , u ondas cerebrales , son patrones rítmicos o repetitivos de actividad neuronal en el sistema nervioso central . El tejido neuronal puede generar actividad oscilatoria de muchas maneras, impulsadas ya sea por mecanismos dentro de neuronas individuales o por interacciones entre neuronas. En neuronas individuales, las oscilaciones pueden aparecer como oscilaciones en el potencial de membrana o como patrones rítmicos de potenciales de acción , que luego producen activación oscilatoria de neuronas postsinápticas . A nivel de conjuntos neuronales , la actividad sincronizada de un gran número de neuronas puede dar lugar a oscilaciones macroscópicas , que pueden observarse en un electroencefalograma . La actividad oscilatoria en grupos de neuronas generalmente surge de conexiones de retroalimentación entre las neuronas que dan como resultado la sincronización de sus patrones de disparo. La interacción entre neuronas puede dar lugar a oscilaciones a una frecuencia diferente a la frecuencia de disparo de las neuronas individuales. Un ejemplo bien conocido de oscilaciones neuronales macroscópicas es la actividad alfa .
Las oscilaciones neuronales en humanos fueron observadas por investigadores ya en 1924 (por Hans Berger ). Más de 50 años después, se encontró un comportamiento oscilatorio intrínseco en neuronas de vertebrados, pero su papel funcional aún no se comprende completamente. [3] Los posibles roles de las oscilaciones neuronales incluyen la unión de características , los mecanismos de transferencia de información y la generación de salida motora rítmica . En las últimas décadas se ha obtenido más conocimiento, especialmente con los avances en imágenes cerebrales . Un área importante de investigación en neurociencia implica determinar cómo se generan las oscilaciones y cuáles son sus roles. La actividad oscilatoria en el cerebro se observa ampliamente en diferentes niveles de organización y se cree que juega un papel clave en el procesamiento de la información neuronal. Numerosos estudios experimentales respaldan un papel funcional de las oscilaciones neuronales; sin embargo, aún falta una interpretación unificada.
Richard Caton descubrió la actividad eléctrica en los hemisferios cerebrales de conejos y monos y presentó sus hallazgos en 1875. [4] Adolf Beck publicó en 1890 sus observaciones de la actividad eléctrica espontánea del cerebro de conejos y perros que incluían oscilaciones rítmicas alteradas por la luz, detectadas con electrodos colocados directamente sobre la superficie del cerebro. [5] Antes de Hans Berger , Vladimir Vladimirovich Pravdich-Neminsky publicó el primer EEG animal y el potencial evocado de un perro. [6]
Las oscilaciones neuronales se observan en todo el sistema nervioso central en todos los niveles e incluyen trenes de picos , potenciales de campo locales y oscilaciones a gran escala que pueden medirse mediante electroencefalografía (EEG). En general, las oscilaciones se pueden caracterizar por su frecuencia , amplitud y fase . Estas propiedades de la señal se pueden extraer de registros neuronales mediante análisis de tiempo-frecuencia . En las oscilaciones a gran escala, se considera que los cambios de amplitud resultan de cambios en la sincronización dentro de un conjunto neuronal , también conocido como sincronización local. Además de la sincronización local, la actividad oscilatoria de estructuras neuronales distantes (neuronas individuales o conjuntos neuronales) puede sincronizarse. Las oscilaciones neuronales y la sincronización se han relacionado con muchas funciones cognitivas, como la transferencia de información, la percepción, el control motor y la memoria. [7] [8] [9] [10]
El opuesto de la sincronización neuronal es el aislamiento neuronal, que se produce cuando la actividad eléctrica de las neuronas no está sincronizada temporalmente. Esto es cuando disminuye la probabilidad de que la neurona alcance su potencial umbral para que la señal se propague a la siguiente neurona. Este fenómeno se observa típicamente a medida que la intensidad espectral disminuye a partir de la suma de las descargas de estas neuronas, lo que se puede utilizar para diferenciar la función cognitiva o el aislamiento neuronal. Sin embargo, se han utilizado nuevos métodos no lineales que combinan relaciones entrópicas temporales y espectrales simultáneamente para caracterizar cómo se aíslan las neuronas (la incapacidad de la señal para propagarse a las neuronas adyacentes), un indicador de deterioro (p. ej., hipoxia). [1]
Las oscilaciones neuronales han sido estudiadas más ampliamente en la actividad neuronal generada por grandes grupos de neuronas. La actividad a gran escala se puede medir mediante técnicas como el EEG. En general, las señales del EEG tienen un amplio contenido espectral similar al ruido rosa , pero también revelan actividad oscilatoria en bandas de frecuencia específicas. La primera banda de frecuencia descubierta y más conocida es la actividad alfa (8-12 Hz ) [11] [12] [13] que se puede detectar desde el lóbulo occipital durante la vigilia relajada y que aumenta cuando los ojos están cerrados. [14] Otras bandas de frecuencia son: delta (1-4 Hz), theta (4-8 Hz), beta (13-30 Hz), gamma baja (30-70 Hz), [15] y gamma alta (70-150 Hz). Los ritmos más rápidos como la actividad gamma se han relacionado con el procesamiento cognitivo. De hecho, las señales del EEG cambian drásticamente durante el sueño. De hecho, las diferentes etapas del sueño se caracterizan comúnmente por su contenido espectral. [16] En consecuencia, las oscilaciones neuronales se han vinculado a estados cognitivos, como la conciencia y la atención . [17] [18] [15] [13]
Aunque las oscilaciones neuronales en la actividad cerebral humana se investigan principalmente mediante registros de EEG, también se observan utilizando técnicas de registro más invasivas, como registros de una sola unidad . Las neuronas pueden generar patrones rítmicos de potenciales de acción o picos. Algunos tipos de neuronas tienen la tendencia a dispararse a frecuencias particulares, ya sea como resonadores [19] o como osciladores intrínsecos . [2] La ráfaga es otra forma de picos rítmicos. Los patrones de picos se consideran fundamentales para la codificación de información en el cerebro. La actividad oscilatoria también se puede observar en forma de oscilaciones de potencial de membrana subumbral (es decir, en ausencia de potenciales de acción). [20] Si numerosas neuronas disparan en sincronía , pueden dar lugar a oscilaciones en potenciales de campo locales . Los modelos cuantitativos pueden estimar la fuerza de las oscilaciones neuronales en los datos registrados. [21]
Las oscilaciones neuronales se estudian comúnmente dentro de un marco matemático y pertenecen al campo de la "neurodinámica", un área de investigación en las ciencias cognitivas que pone un fuerte enfoque en el carácter dinámico de la actividad neuronal al describir la función cerebral . [22] Considera al cerebro como un sistema dinámico y utiliza ecuaciones diferenciales para describir cómo evoluciona la actividad neuronal con el tiempo. En particular, tiene como objetivo relacionar los patrones dinámicos de la actividad cerebral con funciones cognitivas como la percepción y la memoria. En forma muy abstracta, las oscilaciones neuronales se pueden analizar analíticamente . [23] [24] Cuando se estudia en un entorno fisiológicamente más realista, la actividad oscilatoria generalmente se estudia utilizando simulaciones por computadora de un modelo computacional .
Las funciones de las oscilaciones neuronales son muy variadas y varían según los distintos tipos de actividad oscilatoria. Algunos ejemplos son la generación de actividad rítmica, como el latido del corazón , y la vinculación neuronal de las características sensoriales en la percepción, como la forma y el color de un objeto. Las oscilaciones neuronales también desempeñan un papel importante en muchos trastornos neurológicos , como la sincronización excesiva durante la actividad convulsiva en la epilepsia o el temblor en pacientes con enfermedad de Parkinson . La actividad oscilatoria también se puede utilizar para controlar dispositivos externos, como una interfaz cerebro-computadora . [25]
La actividad oscilatoria se observa en todo el sistema nervioso central en todos los niveles de organización. Se han reconocido ampliamente tres niveles diferentes: la microescala (actividad de una sola neurona), la mesoescala (actividad de un grupo local de neuronas) y la macroescala (actividad de diferentes regiones cerebrales). [26]
Las neuronas generan potenciales de acción resultantes de cambios en el potencial eléctrico de la membrana. Las neuronas pueden generar potenciales de acción múltiples en secuencia formando los llamados trenes de picos. Estos trenes de picos son la base de la codificación neuronal y la transferencia de información en el cerebro. Los trenes de picos pueden formar todo tipo de patrones, como picos y ráfagas rítmicas , y a menudo muestran actividad oscilatoria. [27] La actividad oscilatoria en neuronas individuales también se puede observar en fluctuaciones subumbral en el potencial de membrana. Estos cambios rítmicos en el potencial de membrana no alcanzan el umbral crítico y, por lo tanto, no dan lugar a un potencial de acción. Pueden resultar de potenciales postsinápticos de entradas sincrónicas o de propiedades intrínsecas de las neuronas.
La excitabilidad neuronal se puede clasificar según su patrón de actividad. La excitabilidad de las neuronas se puede subdividir en Clase I y II. Las neuronas de Clase I pueden generar potenciales de acción con una frecuencia arbitrariamente baja dependiendo de la intensidad de la entrada, mientras que las neuronas de Clase II generan potenciales de acción en una banda de frecuencia determinada, que es relativamente insensible a los cambios en la intensidad de la entrada. [19] Las neuronas de Clase II también son más propensas a mostrar oscilaciones subumbral en el potencial de membrana.
Un grupo de neuronas también puede generar actividad oscilatoria. A través de interacciones sinápticas, los patrones de disparo de diferentes neuronas pueden sincronizarse y los cambios rítmicos en el potencial eléctrico causados por sus potenciales de acción pueden acumularse ( interferencia constructiva ). Es decir, los patrones de disparo sincronizados dan como resultado una entrada sincronizada en otras áreas corticales, lo que da lugar a oscilaciones de gran amplitud del potencial de campo local . Estas oscilaciones a gran escala también se pueden medir fuera del cuero cabelludo mediante electroencefalografía (EEG) y magnetoencefalografía (MEG). Los potenciales eléctricos generados por neuronas individuales son demasiado pequeños para ser detectados fuera del cuero cabelludo, y la actividad EEG o MEG siempre refleja la suma de la actividad sincrónica de miles o millones de neuronas que tienen una orientación espacial similar. [28]
Las neuronas de un conjunto neuronal rara vez se activan todas exactamente al mismo tiempo, es decir, de forma totalmente sincronizada. En cambio, la probabilidad de activación se modula rítmicamente de modo que es más probable que las neuronas se activen al mismo tiempo, lo que da lugar a oscilaciones en su actividad media (véase la figura en la parte superior de la página). Por tanto, la frecuencia de las oscilaciones a gran escala no necesita coincidir con el patrón de activación de las neuronas individuales. Las neuronas corticales aisladas se activan regularmente en determinadas condiciones, pero en el cerebro intacto, las células corticales son bombardeadas por entradas sinápticas muy fluctuantes y normalmente se activan aparentemente al azar. Sin embargo, si la probabilidad de que un gran grupo de neuronas se active se modula rítmicamente a una frecuencia común, generarán oscilaciones en el campo medio (véase también la figura en la parte superior de la página). [27]
Los conjuntos neuronales pueden generar actividad oscilatoria de forma endógena a través de interacciones locales entre neuronas excitadoras e inhibidoras. En particular, las interneuronas inhibidoras desempeñan un papel importante en la producción de sincronía de conjuntos neuronales al generar una ventana estrecha para la excitación efectiva y modular rítmicamente la tasa de activación de las neuronas excitadoras. [29]
La oscilación neuronal también puede surgir de interacciones entre diferentes áreas cerebrales acopladas a través del conectoma estructural . Los retrasos temporales juegan un papel importante aquí. Debido a que todas las áreas cerebrales están acopladas bidireccionalmente, estas conexiones entre áreas cerebrales forman bucles de retroalimentación . Los bucles de retroalimentación positiva tienden a causar actividad oscilatoria donde la frecuencia está inversamente relacionada con el tiempo de retraso. Un ejemplo de dicho bucle de retroalimentación son las conexiones entre el tálamo y la corteza : las radiaciones talamocorticales . Esta red talamocortical es capaz de generar actividad oscilatoria conocida como resonancia talamocortical recurrente . [30] La red talamocortical juega un papel importante en la generación de actividad alfa . [31] [32] En un modelo de red de cerebro completo con conectividad anatómica realista y retrasos de propagación entre áreas cerebrales, las oscilaciones en el rango de frecuencia beta emergen de la sincronización parcial de subconjuntos de áreas cerebrales que oscilan en la banda gamma (generada a nivel mesoscópico). [33]
Los científicos han identificado algunas propiedades neuronales intrínsecas que desempeñan un papel importante en la generación de oscilaciones del potencial de membrana. En particular, los canales iónicos dependientes del voltaje son fundamentales en la generación de potenciales de acción. La dinámica de estos canales iónicos se ha capturado en el modelo de Hodgkin-Huxley bien establecido que describe cómo se inician y propagan los potenciales de acción por medio de un conjunto de ecuaciones diferenciales. Utilizando el análisis de bifurcación , se pueden determinar diferentes variedades oscilatorias de estos modelos neuronales, lo que permite la clasificación de los tipos de respuestas neuronales. La dinámica oscilatoria de la activación neuronal identificada en el modelo de Hodgkin-Huxley concuerda estrechamente con los hallazgos empíricos.
Además de los picos periódicos, las oscilaciones del potencial de membrana subumbral , es decir, el comportamiento de resonancia que no da lugar a potenciales de acción, también pueden contribuir a la actividad oscilatoria al facilitar la actividad sincrónica de las neuronas vecinas. [34] [35]
Al igual que las neuronas marcapasos en los generadores de patrones centrales , los subtipos de células corticales disparan ráfagas de picos (breves grupos de picos) rítmicamente a frecuencias preferidas. [2] Las neuronas en ráfaga tienen el potencial de servir como marcapasos para oscilaciones de red sincrónicas, y las ráfagas de picos pueden subyacer o mejorar la resonancia neuronal. [27] Muchas de estas neuronas pueden considerarse osciladores intrínsecos, es decir, neuronas que generan sus oscilaciones intrínsecamente, ya que sus frecuencias de oscilación pueden modificarse mediante aplicaciones locales de glutamato in vivo. [36]
Aparte de las propiedades intrínsecas de las neuronas, las propiedades de las redes neuronales biológicas también son una fuente importante de actividad oscilatoria. Las neuronas se comunican entre sí a través de sinapsis y afectan el tiempo de los trenes de picos en las neuronas postsinápticas. Dependiendo de las propiedades de la conexión, como la fuerza de acoplamiento, el retraso de tiempo y si el acoplamiento es excitatorio o inhibidor , los trenes de picos de las neuronas que interactúan pueden sincronizarse . [37] Las neuronas están conectadas localmente, formando pequeños grupos que se denominan conjuntos neuronales . Ciertas estructuras de red promueven la actividad oscilatoria a frecuencias específicas. Por ejemplo, la actividad neuronal generada por dos poblaciones de células inhibidoras y excitadoras interconectadas puede mostrar oscilaciones espontáneas que se describen mediante el modelo de Wilson-Cowan .
Si un grupo de neuronas se involucra en una actividad oscilatoria sincronizada, el conjunto neuronal puede representarse matemáticamente como un solo oscilador. [26] Diferentes conjuntos neuronales se acoplan a través de conexiones de largo alcance y forman una red de osciladores débilmente acoplados en la siguiente escala espacial. Los osciladores débilmente acoplados pueden generar una gama de dinámicas que incluyen actividad oscilatoria. [38] Las conexiones de largo alcance entre diferentes estructuras cerebrales, como el tálamo y la corteza (ver oscilación talamocortical ), involucran retrasos temporales debido a la velocidad de conducción finita de los axones. Debido a que la mayoría de las conexiones son recíprocas, forman bucles de retroalimentación que respaldan la actividad oscilatoria. Las oscilaciones registradas de múltiples áreas corticales pueden sincronizarse para formar redes cerebrales a gran escala , cuya dinámica y conectividad funcional pueden estudiarse mediante análisis espectral y medidas de causalidad de Granger . [39] La actividad coherente de la actividad cerebral a gran escala puede formar vínculos dinámicos entre las áreas del cerebro necesarias para la integración de la información distribuida. [18]
Se ha demostrado que la microglia , las principales células inmunes del cerebro, desempeñan un papel importante en la configuración de la conectividad de la red y, por lo tanto, influyen en las oscilaciones de la red neuronal tanto ex vivo como in vivo . [40]
Además de las interacciones sinápticas directas rápidas entre neuronas que forman una red, la actividad oscilatoria está regulada por neuromoduladores en una escala de tiempo mucho más lenta. Es decir, se sabe que los niveles de concentración de ciertos neurotransmisores regulan la cantidad de actividad oscilatoria. Por ejemplo, se ha demostrado que la concentración de GABA está correlacionada positivamente con la frecuencia de oscilaciones en estímulos inducidos. [41] Varios núcleos en el tronco encefálico tienen proyecciones difusas en todo el cerebro que influyen en los niveles de concentración de neurotransmisores como la noradrenalina , la acetilcolina y la serotonina . Estos sistemas de neurotransmisores afectan el estado fisiológico, por ejemplo, la vigilia o la excitación , y tienen un efecto pronunciado en la amplitud de diferentes ondas cerebrales, como la actividad alfa. [42]
Las oscilaciones se pueden describir y analizar a menudo mediante matemáticas. Los matemáticos han identificado varios mecanismos dinámicos que generan ritmicidad. Entre los más importantes se encuentran los osciladores armónicos (lineales), los osciladores de ciclo límite y los osciladores de retroalimentación retardada . [43] Las oscilaciones armónicas aparecen con mucha frecuencia en la naturaleza; algunos ejemplos son las ondas sonoras, el movimiento de un péndulo y vibraciones de todo tipo. Por lo general, surgen cuando un sistema físico se ve perturbado en un pequeño grado desde un estado de energía mínima y se entienden bien matemáticamente.
Los osciladores armónicos controlados por ruido simulan de forma realista el ritmo alfa en el EEG de vigilia, así como las ondas lentas y los husos en el EEG del sueño. Los algoritmos de análisis de EEG exitosos se basaron en dichos modelos. Varios otros componentes del EEG se describen mejor mediante oscilaciones de ciclo límite o de retroalimentación retardada.
Las oscilaciones de ciclo límite surgen de sistemas físicos que muestran grandes desviaciones del equilibrio , mientras que las oscilaciones de retroalimentación retardada surgen cuando los componentes de un sistema se afectan entre sí después de retrasos de tiempo significativos. Las oscilaciones de ciclo límite pueden ser complejas, pero existen poderosas herramientas matemáticas para analizarlas; las matemáticas de las oscilaciones de retroalimentación retardada son primitivas en comparación. Los osciladores lineales y los osciladores de ciclo límite difieren cualitativamente en términos de cómo responden a las fluctuaciones en la entrada. En un oscilador lineal, la frecuencia es más o menos constante, pero la amplitud puede variar mucho. En un oscilador de ciclo límite, la amplitud tiende a ser más o menos constante, pero la frecuencia puede variar mucho. Un latido del corazón es un ejemplo de una oscilación de ciclo límite en el que la frecuencia de los latidos varía ampliamente, mientras que cada latido individual continúa bombeando aproximadamente la misma cantidad de sangre.
Los modelos computacionales adoptan una variedad de abstracciones para describir la dinámica oscilatoria compleja observada en la actividad cerebral. En este campo se utilizan muchos modelos, cada uno definido en un nivel diferente de abstracción y que intentan modelar diferentes aspectos de los sistemas neuronales. Abarcan desde modelos del comportamiento a corto plazo de neuronas individuales, pasando por modelos de cómo la dinámica de los circuitos neuronales surge de las interacciones entre neuronas individuales, hasta modelos de cómo el comportamiento puede surgir de módulos neuronales abstractos que representan subsistemas completos.
Un modelo de neurona biológica es una descripción matemática de las propiedades de las células nerviosas, o neuronas, que está diseñada para describir y predecir con precisión sus procesos biológicos. Uno de los modelos de neuronas más exitosos es el modelo de Hodgkin-Huxley, por el que Hodgkin y Huxley ganaron el Premio Nobel de Fisiología o Medicina en 1963. El modelo se basa en datos del axón gigante del calamar y consiste en ecuaciones diferenciales no lineales que aproximan las características eléctricas de una neurona, incluida la generación y propagación de potenciales de acción . El modelo es tan exitoso en la descripción de estas características que las variaciones de su formulación "basada en la conductancia" continúan utilizándose en modelos de neuronas más de medio siglo después. [44]
El modelo de Hodgkin-Huxley es demasiado complicado para entenderlo utilizando técnicas matemáticas clásicas, por lo que los investigadores a menudo recurren a simplificaciones como el modelo FitzHugh-Nagumo y el modelo Hindmarsh-Rose , o modelos neuronales altamente idealizados como la neurona con fugas de integración y disparo, desarrollada originalmente por Lapique en 1907. [45] [46] Dichos modelos solo capturan dinámicas de membrana salientes, como picos o estallidos , a costa de los detalles biofísicos, pero son más eficientes computacionalmente, lo que permite simulaciones de redes neuronales biológicas más grandes .
Un modelo de red neuronal describe una población de neuronas interconectadas físicamente o un grupo de neuronas dispares cuyas entradas o destinos de señalización definen un circuito reconocible. Estos modelos tienen como objetivo describir cómo la dinámica de los circuitos neuronales surge de las interacciones entre neuronas individuales. Las interacciones locales entre neuronas pueden dar lugar a la sincronización de la actividad de activación y formar la base de la actividad oscilatoria. En particular, se ha demostrado que los modelos de células piramidales interactuantes e interneuronas inhibidoras generan ritmos cerebrales como la actividad gamma . [47] De manera similar, se demostró que las simulaciones de redes neuronales con un modelo fenomenológico para fallas de respuesta neuronal pueden predecir oscilaciones neuronales espontáneas de banda ancha. [48]
Los modelos de campo neuronal son otra herramienta importante para estudiar las oscilaciones neuronales y son un marco matemático que describe la evolución de variables como la tasa media de disparo en el espacio y el tiempo. Al modelar la actividad de un gran número de neuronas, la idea central es llevar la densidad de neuronas al límite continuo , lo que da como resultado redes neuronales espacialmente continuas . En lugar de modelar neuronas individuales, este enfoque se aproxima a un grupo de neuronas por sus propiedades e interacciones promedio. Se basa en el enfoque de campo medio , un área de la física estadística que se ocupa de sistemas a gran escala. Los modelos basados en estos principios se han utilizado para proporcionar descripciones matemáticas de las oscilaciones neuronales y los ritmos de EEG. Por ejemplo, se han utilizado para investigar las alucinaciones visuales. [50]
El modelo de Kuramoto de osciladores de fase acoplados [51] es uno de los modelos más abstractos y fundamentales utilizados para investigar las oscilaciones y la sincronización neuronal. Captura la actividad de un sistema local (por ejemplo, una neurona individual o un conjunto neuronal) solo por su fase circular y, por lo tanto, ignora la amplitud de las oscilaciones (la amplitud es constante). [52] Las interacciones entre estos osciladores se introducen mediante una forma algebraica simple (como una función seno ) y generan colectivamente un patrón dinámico a escala global.
El modelo de Kuramoto se utiliza ampliamente para estudiar la actividad cerebral oscilatoria y se han propuesto varias extensiones que aumentan su plausibilidad neurobiológica, por ejemplo, incorporando propiedades topológicas de la conectividad cortical local. [53] En particular, describe cómo la actividad de un grupo de neuronas interactuantes puede sincronizarse y generar oscilaciones a gran escala.
Las simulaciones que utilizan el modelo de Kuramoto con conectividad cortical realista de largo alcance e interacciones retardadas en el tiempo revelan la aparición de fluctuaciones lentas con patrones que reproducen mapas funcionales BOLD en estado de reposo , que se pueden medir utilizando fMRI . [54]
Tanto las neuronas individuales como los grupos de neuronas pueden generar actividad oscilatoria de forma espontánea. Además, pueden mostrar respuestas oscilatorias a la entrada perceptiva o a la salida motora. Algunos tipos de neuronas se activarán rítmicamente en ausencia de cualquier entrada sináptica. Del mismo modo, la actividad de todo el cerebro revela actividad oscilatoria mientras los sujetos no realizan ninguna actividad, la llamada actividad en estado de reposo . Estos ritmos continuos pueden cambiar de diferentes maneras en respuesta a la entrada perceptiva o a la salida motora. La actividad oscilatoria puede responder mediante aumentos o disminuciones en frecuencia y amplitud o mostrar una interrupción temporal, lo que se conoce como restablecimiento de fase. Además, la actividad externa puede no interactuar en absoluto con la actividad en curso, lo que da como resultado una respuesta aditiva.
La actividad espontánea es la actividad cerebral que se produce en ausencia de una tarea explícita, como una entrada sensorial o una salida motora, y por ello también se la denomina actividad en estado de reposo. Se opone a la actividad inducida, es decir, la actividad cerebral inducida por estímulos sensoriales o respuestas motoras.
El término actividad cerebral en curso se utiliza en electroencefalografía y magnetoencefalografía para aquellos componentes de señal que no están asociados con el procesamiento de un estímulo o la ocurrencia de otros eventos específicos, como mover una parte del cuerpo, es decir, eventos que no forman potenciales evocados / campos evocados , o actividad inducida.
La actividad espontánea suele considerarse ruido si uno está interesado en el procesamiento de estímulos; sin embargo, se considera que la actividad espontánea desempeña un papel crucial durante el desarrollo cerebral, como en la formación de redes y la sinaptogénesis. La actividad espontánea puede ser informativa sobre el estado mental actual de la persona (por ejemplo, vigilia, alerta) y a menudo se utiliza en la investigación del sueño. Ciertos tipos de actividad oscilatoria, como las ondas alfa , son parte de la actividad espontánea. El análisis estadístico de las fluctuaciones de potencia de la actividad alfa revela una distribución bimodal, es decir, un modo de alta y baja amplitud, y por lo tanto muestra que la actividad en estado de reposo no solo refleja un proceso de ruido . [55]
En el caso de la fMRI, las fluctuaciones espontáneas en la señal dependiente del nivel de oxígeno en sangre (BOLD) revelan patrones de correlación que están vinculados a redes de estado de reposo, como la red predeterminada . [56] La evolución temporal de las redes de estado de reposo está correlacionada con fluctuaciones de la actividad oscilatoria del EEG en diferentes bandas de frecuencia. [57]
La actividad cerebral en curso también puede tener un papel importante en la percepción, ya que puede interactuar con la actividad relacionada con los estímulos entrantes. De hecho, los estudios de EEG sugieren que la percepción visual depende tanto de la fase como de la amplitud de las oscilaciones corticales. Por ejemplo, la amplitud y la fase de la actividad alfa en el momento de la estimulación visual predicen si el sujeto percibirá un estímulo débil. [58] [59] [60]
En respuesta a una entrada, una neurona o un conjunto neuronal puede cambiar la frecuencia a la que oscila, modificando así la velocidad a la que se dispara. A menudo, la frecuencia de disparo de una neurona depende de la actividad sumada que recibe. Los cambios de frecuencia también se observan comúnmente en los generadores de patrones centrales y se relacionan directamente con la velocidad de las actividades motoras , como la frecuencia de los pasos al caminar. Sin embargo, los cambios en la frecuencia de oscilación relativa entre diferentes áreas del cerebro no son tan comunes porque la frecuencia de la actividad oscilatoria a menudo está relacionada con los retrasos de tiempo entre las áreas del cerebro.
Además de la actividad evocada, la actividad neuronal relacionada con el procesamiento de estímulos puede dar lugar a una actividad inducida. La actividad inducida se refiere a la modulación de la actividad cerebral en curso inducida por el procesamiento de estímulos o la preparación del movimiento. Por lo tanto, reflejan una respuesta indirecta en contraste con las respuestas evocadas. Un tipo de actividad inducida bien estudiado es el cambio de amplitud en la actividad oscilatoria. Por ejemplo, la actividad gamma a menudo aumenta durante el aumento de la actividad mental, como durante la representación de objetos. [61] Debido a que las respuestas inducidas pueden tener diferentes fases en las mediciones y, por lo tanto, se cancelarían durante el promedio, solo se pueden obtener utilizando el análisis de tiempo-frecuencia . La actividad inducida generalmente refleja la actividad de numerosas neuronas: se cree que los cambios de amplitud en la actividad oscilatoria surgen de la sincronización de la actividad neuronal, por ejemplo, mediante la sincronización del tiempo de pico o las fluctuaciones del potencial de membrana de neuronas individuales. Por lo tanto, los aumentos en la actividad oscilatoria a menudo se denominan sincronización relacionada con eventos, mientras que las disminuciones se denominan desincronización relacionada con eventos. [62]
El restablecimiento de fase ocurre cuando la entrada a una neurona o conjunto neuronal restablece la fase de las oscilaciones en curso. [63] Es muy común en neuronas individuales donde el tiempo de pico se ajusta a la entrada neuronal (una neurona puede dispararse con un retraso fijo en respuesta a la entrada periódica, lo que se conoce como bloqueo de fase [19] ) y también puede ocurrir en conjuntos neuronales cuando las fases de sus neuronas se ajustan simultáneamente. El restablecimiento de fase es fundamental para la sincronización de diferentes neuronas o diferentes regiones cerebrales [18] [38] porque el tiempo de los picos puede bloquearse en fase con la actividad de otras neuronas.
El restablecimiento de fase también permite el estudio de la actividad evocada, un término utilizado en electroencefalografía y magnetoencefalografía para las respuestas en la actividad cerebral que están directamente relacionadas con la actividad relacionada con el estímulo . Los potenciales evocados y los potenciales relacionados con eventos se obtienen de un electroencefalograma mediante un promedio bloqueado por estímulo, es decir, promediando diferentes ensayos en latencias fijas alrededor de la presentación de un estímulo. Como consecuencia, aquellos componentes de la señal que son los mismos en cada medición individual se conservan y todos los demás, es decir, la actividad en curso o espontánea, se promedian. Es decir, los potenciales relacionados con eventos solo reflejan oscilaciones en la actividad cerebral que están bloqueadas en fase con el estímulo o evento. La actividad evocada a menudo se considera independiente de la actividad cerebral en curso, aunque este es un debate en curso. [64] [65]
Recientemente se ha propuesto que incluso si las fases no están alineadas entre los ensayos, la actividad inducida puede causar potenciales relacionados con eventos porque las oscilaciones cerebrales en curso pueden no ser simétricas y, por lo tanto, las modulaciones de amplitud pueden resultar en un cambio de línea base que no se promedia. [66] [67] Este modelo implica que las respuestas lentas relacionadas con eventos, como la actividad alfa asimétrica, podrían resultar de modulaciones de amplitud de oscilación cerebral asimétrica, como una asimetría de las corrientes intracelulares que se propagan hacia adelante y hacia atrás por las dendritas. [68] Bajo este supuesto, las asimetrías en la corriente dendrítica causarían asimetrías en la actividad oscilatoria medida por EEG y MEG, ya que generalmente se piensa que las corrientes dendríticas en las células piramidales generan señales de EEG y MEG que se pueden medir en el cuero cabelludo. [69]
El acoplamiento entre frecuencias (CFC) describe el acoplamiento (correlación estadística) entre una onda lenta y una onda rápida. Hay muchos tipos, generalmente escritos como acoplamiento AB, lo que significa que la A de una onda lenta está acoplada con la B de una onda rápida. Por ejemplo, el acoplamiento fase-amplitud es donde la fase de una onda lenta está acoplada con la amplitud de una onda rápida. [70]
El código theta-gamma es un acoplamiento entre la onda theta y la onda gamma en la red del hipocampo. Durante una onda theta, se activan en secuencia entre 4 y 8 conjuntos de neuronas que no se superponen. Se ha planteado la hipótesis de que esto forma un código neuronal que representa varios elementos en un marco temporal [71] [72]
La sincronización neuronal puede ser modulada por restricciones de tareas, como la atención , y se cree que desempeña un papel en la vinculación de características , [73] la comunicación neuronal , [7] y la coordinación motora . [9] Las oscilaciones neuronales se convirtieron en un tema candente en la neurociencia en la década de 1990 cuando los estudios del sistema visual del cerebro por Gray, Singer y otros parecieron apoyar la hipótesis de la vinculación neuronal . [74] Según esta idea, las oscilaciones sincrónicas en conjuntos neuronales unen neuronas que representan diferentes características de un objeto. Por ejemplo, cuando una persona mira un árbol, las neuronas de la corteza visual que representan el tronco del árbol y las que representan las ramas del mismo árbol oscilarían en sincronía para formar una única representación del árbol. Este fenómeno se observa mejor en los potenciales de campo locales que reflejan la actividad sincrónica de grupos locales de neuronas, pero también se ha demostrado en registros de EEG y MEG, lo que proporciona evidencia creciente de una relación estrecha entre la actividad oscilatoria sincrónica y una variedad de funciones cognitivas como la agrupación perceptiva [73] y el control atencional de arriba hacia abajo. [15] [13] [12]
Las células del nódulo sinoatrial , ubicado en la aurícula derecha del corazón, se despolarizan espontáneamente aproximadamente 100 veces por minuto. Aunque todas las células del corazón tienen la capacidad de generar potenciales de acción que desencadenan la contracción cardíaca, el nódulo sinoatrial normalmente la inicia, simplemente porque genera impulsos ligeramente más rápidos que las otras áreas. Por lo tanto, estas células generan el ritmo sinusal normal y se denominan células marcapasos, ya que controlan directamente la frecuencia cardíaca . En ausencia de control hormonal y neural extrínseco, las células del nódulo SA se descargarán rítmicamente. El nódulo sinoatrial está ricamente inervado por el sistema nervioso autónomo , que regula hacia arriba o hacia abajo la frecuencia de disparo espontáneo de las células marcapasos.
La activación sincronizada de las neuronas también forma la base de los comandos motores periódicos para los movimientos rítmicos. Estas salidas rítmicas son producidas por un grupo de neuronas que interactúan y forman una red, llamada generador de patrones centrales . Los generadores de patrones centrales son circuitos neuronales que, cuando se activan, pueden producir patrones motores rítmicos en ausencia de entradas sensoriales o descendentes que lleven información de tiempo específica. Algunos ejemplos son caminar , respirar y nadar . [75] La mayoría de las pruebas de generadores de patrones centrales provienen de animales inferiores, como la lamprea , pero también hay pruebas de generadores de patrones centrales espinales en humanos. [76] [77]
En general, se considera que la activación neuronal es la base de la transferencia de información en el cerebro. Para que se produzca dicha transferencia, la información debe codificarse en un patrón de activación. Se han propuesto diferentes tipos de esquemas de codificación, como la codificación de velocidad y la codificación temporal . Las oscilaciones neuronales podrían crear ventanas temporales periódicas en las que las activaciones de entrada tienen un mayor efecto sobre las neuronas, lo que proporciona un mecanismo para decodificar códigos temporales. [78]
Los osciladores intrínsecos de una sola célula sirven como herramientas valiosas para decodificar información sensorial codificada temporalmente. Esta información se codifica a través de intervalos entre picos, y los osciladores intrínsecos pueden actuar como "reglas temporales" para medir con precisión estos intervalos. Un mecanismo notable para lograr esto es el bucle de enganche de fase neuronal (NPLL). En este mecanismo, los osciladores corticales experimentan una modulación influenciada por las tasas de disparo de los "detectores de fase" talamocorticales, que, a su vez, miden la disparidad entre la periodicidad cortical y sensorial. [79]
La sincronización de la activación neuronal puede servir como un medio para agrupar neuronas segregadas espacialmente que responden al mismo estímulo con el fin de unir estas respuestas para un posterior procesamiento conjunto, es decir, para aprovechar la sincronía temporal para codificar relaciones. Las formulaciones puramente teóricas de la hipótesis de unión por sincronía se propusieron primero, [80] pero posteriormente se ha informado de una amplia evidencia experimental que apoya el papel potencial de la sincronía como código relacional. [81]
El papel funcional de la actividad oscilatoria sincronizada en el cerebro se estableció principalmente en experimentos realizados en gatitos despiertos con múltiples electrodos implantados en la corteza visual. Estos experimentos mostraron que grupos de neuronas segregadas espacialmente participan en una actividad oscilatoria sincrónica cuando se activan por estímulos visuales. La frecuencia de estas oscilaciones estaba en el rango de 40 Hz y difería de la activación periódica inducida por la rejilla, lo que sugiere que las oscilaciones y su sincronización se debían a interacciones neuronales internas. [81] Hallazgos similares fueron mostrados en paralelo por el grupo de Eckhorn, proporcionando más evidencia del papel funcional de la sincronización neuronal en la vinculación de características. [82] Desde entonces, numerosos estudios han replicado estos hallazgos y los han extendido a diferentes modalidades como el EEG, proporcionando evidencia extensa del papel funcional de las oscilaciones gamma en la percepción visual.
Gilles Laurent y sus colegas demostraron que la sincronización oscilatoria tiene un papel funcional importante en la percepción de olores. Percibir diferentes olores lleva a diferentes subconjuntos de neuronas que se activan en diferentes conjuntos de ciclos oscilatorios. [83] Estas oscilaciones pueden ser interrumpidas por el bloqueador de GABA picrotoxina , [84] y la interrupción de la sincronización oscilatoria conduce a un deterioro de la discriminación conductual de odorantes químicamente similares en las abejas, [85] y a respuestas más similares a través de olores en neuronas del lóbulo β corriente abajo. [86] El seguimiento reciente de este trabajo ha demostrado que las oscilaciones crean ventanas de integración periódicas para las células Kenyon en el cuerpo del hongo del insecto , de modo que las espigas entrantes del lóbulo antenal son más efectivas para activar las células Kenyon solo en fases específicas del ciclo oscilatorio. [78]
También se cree que las oscilaciones neuronales intervienen en el sentido del tiempo [87] y en la percepción somatosensorial. [88] Sin embargo, hallazgos recientes contradicen una función similar a la de un reloj de las oscilaciones gamma corticales. [89]
Se han descrito oscilaciones con frecuencia en el sistema motor. Pfurtscheller y sus colegas encontraron una reducción en las oscilaciones alfa (8-12 Hz) y beta (13-30 Hz) en la actividad del EEG cuando los sujetos hacían un movimiento. [62] [90] Utilizando registros intracorticales, se encontraron cambios similares en la actividad oscilatoria en la corteza motora cuando los monos realizaban actos motores que requerían una atención significativa. [91] [92] Además, las oscilaciones a nivel espinal se sincronizan con las oscilaciones beta en la corteza motora durante la activación muscular constante, según lo determinado por la coherencia corticomuscular . [93] [94] [95] De la misma manera, la actividad muscular de diferentes músculos revela coherencia intermuscular en múltiples frecuencias distintas que reflejan el circuito neuronal subyacente involucrado en la coordinación motora . [96] [97]
Recientemente se ha descubierto que las oscilaciones corticales se propagan como ondas viajeras a través de la superficie de la corteza motora a lo largo de ejes espaciales dominantes característicos de los circuitos locales de la corteza motora. [98] Se ha propuesto que las órdenes motoras en forma de ondas viajeras pueden ser filtradas espacialmente por las fibras descendentes para controlar selectivamente la fuerza muscular. [99] Las simulaciones han demostrado que la actividad de onda continua en la corteza puede provocar una fuerza muscular constante con niveles fisiológicos de coherencia EEG-EMG. [100]
Se han registrado ritmos oscilatorios a 10 Hz en un área cerebral llamada oliva inferior , que está asociada con el cerebelo. [20] Estas oscilaciones también se observan en la salida motora del temblor fisiológico [101] y al realizar movimientos lentos de los dedos. [102] Estos hallazgos pueden indicar que el cerebro humano controla los movimientos continuos de forma intermitente. En apoyo, se demostró que estas discontinuidades del movimiento están directamente correlacionadas con la actividad oscilatoria en un circuito cerebelo-tálamo-cortical, que puede representar un mecanismo neuronal para el control motor intermitente. [103]
Las oscilaciones neuronales, en particular la actividad theta , están ampliamente vinculadas a la función de la memoria. Los ritmos theta son muy fuertes en los hipocampos y la corteza entorinal de los roedores durante el aprendizaje y la recuperación de la memoria, y se cree que son vitales para la inducción de la potenciación a largo plazo , un mecanismo celular potencial para el aprendizaje y la memoria. Se cree que el acoplamiento entre la actividad theta y gamma es vital para las funciones de la memoria, incluida la memoria episódica . [104] [105] La estrecha coordinación de los picos de una sola neurona con las oscilaciones theta locales está vinculada a la formación exitosa de la memoria en humanos, ya que los picos más estereotipados predicen una mejor memoria. [106]
El sueño es un estado natural recurrente caracterizado por una conciencia reducida o ausente y que transcurre en ciclos de sueño REM ( movimientos oculares rápidos ) y sueño no REM (sueño con movimientos oculares rápidos ). Las etapas del sueño se caracterizan por el contenido espectral del EEG : por ejemplo, la etapa N1 se refiere a la transición del cerebro de ondas alfa (comunes en el estado de vigilia) a ondas theta, mientras que la etapa N3 (sueño profundo o de ondas lentas) se caracteriza por la presencia de ondas delta. [107] El orden normal de las etapas del sueño es N1 → N2 → N3 → N2 → REM. [ cita requerida ]
Las oscilaciones neuronales pueden desempeñar un papel en el desarrollo neuronal. Por ejemplo, se cree que las ondas retinianas tienen propiedades que definen la conectividad temprana de los circuitos y las sinapsis entre las células de la retina. [108]
También pueden aparecer tipos específicos de oscilaciones neuronales en situaciones patológicas, como la enfermedad de Parkinson o la epilepsia . Estas oscilaciones patológicas consisten a menudo en una versión aberrante de una oscilación normal. Por ejemplo, uno de los tipos más conocidos es la oscilación punta-onda , que es típica de las crisis epilépticas generalizadas o de ausencia, y que se asemeja a las oscilaciones normales del huso del sueño.
El temblor es una contracción y relajación muscular involuntaria, algo rítmica, que implica movimientos de vaivén de una o más partes del cuerpo. Es el más común de todos los movimientos involuntarios y puede afectar las manos, los brazos, los ojos, la cara, la cabeza, las cuerdas vocales, el tronco y las piernas. La mayoría de los temblores se producen en las manos. En algunas personas, el temblor es un síntoma de otro trastorno neurológico. Se han identificado muchas formas diferentes de temblor, como el temblor esencial o el temblor parkinsoniano . Se sostiene que es probable que los temblores tengan un origen multifactorial, con contribuciones de las oscilaciones neuronales en los sistemas nerviosos centrales, pero también de mecanismos periféricos como las resonancias de bucles reflejos. [109]
La epilepsia es un trastorno neurológico crónico común que se caracteriza por convulsiones . Estas convulsiones son signos y/o síntomas transitorios de actividad neuronal anormal, excesiva o hipersincrónica en el cerebro. [110]
En la disritmia talamocortical (DTC), la resonancia talamocortical normal se ve alterada. La pérdida talámica de la señal de entrada permite que la frecuencia de la columna talamocortical se desacelere hasta la banda theta o delta, como se identifica mediante MEG y EEG mediante aprendizaje automático. [111] La DTC se puede tratar con métodos neuroquirúrgicos como la talamotomía .
Las oscilaciones neuronales son sensibles a varios fármacos que influyen en la actividad cerebral; en consecuencia, los biomarcadores basados en oscilaciones neuronales están surgiendo como criterios de valoración secundarios en ensayos clínicos y en la cuantificación de efectos en estudios preclínicos. Estos biomarcadores a menudo se denominan "biomarcadores de EEG" o "biomarcadores neurofisiológicos" y se cuantifican mediante electroencefalografía cuantitativa (qEEG) . Los biomarcadores de EEG se pueden extraer del EEG utilizando la caja de herramientas de biomarcadores neurofisiológicos de código abierto .
La oscilación neuronal se ha aplicado como señal de control en varias interfaces cerebro-computadora (BCI). [112] Por ejemplo, se puede crear una BCI no invasiva colocando electrodos en el cuero cabelludo y luego midiendo las señales eléctricas débiles. Aunque las actividades neuronales individuales no se pueden registrar a través de BCI no invasivas porque el cráneo amortigua y difumina las señales electromagnéticas, la actividad oscilatoria aún se puede detectar de manera confiable. La BCI fue introducida por Vidal en 1973 [113] como un desafío para usar señales de EEG para controlar objetos fuera del cuerpo humano.
Después del desafío BCI, en 1988, el ritmo alfa se utilizó en un BCI basado en el ritmo cerebral para el control de un objeto físico, un robot. [114] [115] El BCI basado en el ritmo alfa fue el primer BCI para el control de un robot. [116] [117] En particular, algunas formas de BCI permiten a los usuarios controlar un dispositivo midiendo la amplitud de la actividad oscilatoria en bandas de frecuencia específicas, incluidos los ritmos mu y beta .
Una lista no exhaustiva de los tipos de actividad oscilatoria que se encuentran en el sistema nervioso central:
{{cite book}}: |journal=ignorado ( ayuda ){{cite journal}}: CS1 maint: DOI inactivo a partir de noviembre de 2024 ( enlace )