🧬 biology

Cross-Subject Modeling for Widefield Calcium Imaging via Atlas-Aligned Spatiotemporal Tokenization

El artículo presenta WiCAT, un modelo fundacional multisujeto para la imagen de calcio de campo amplio que utiliza una tokenización espaciotemporal alineada con atlas y preentrenamiento autosupervisado para lograr un rendimiento superior sobre las líneas de base de sesión única, al tiempo que permite la decodificación de comportamiento zero-shot y la reconstrucción de regiones cerebrales en sujetos no vistos.

Autores originales: Mohammad Hosseini, Eray Erturk, Saba Hashemi, Maryam M. Shanechi

Publicado 2026-07-14

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mohammad Hosseini, Eray Erturk, Saba Hashemi, Maryam M. Shanechi

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que tu cerebro es una ciudad enorme y bulliciosa. Normalmente, cuando los científicos quieren estudiar cómo funciona esta ciudad, observan solo un vecindario a la vez, o tal vez estudian el trayecto de una persona específica. Construyen un mapa para esa persona, en ese día, para esa tarea específica. Pero, ¿qué pasaría si quisieras un mapa que funcione para todos en la ciudad, instantáneamente, sin necesidad de reaprender las calles cada vez que llega una persona nueva? Ese es el gran sueño, y hasta ahora, ha sido un rompecabezas.

Entra WiCAT, un nuevo "traductor cerebral" creado por investigadores de la USC. Piensa en WiCAT como un guía turístico superinteligente que ha estudiado los planos de toda la ciudad (la anatomía del cerebro) en lugar de solo memorizar los hábitos de turistas individuales.

El Problema: Demasiado Ruido, Demasiados Mapas

El registro de calcio de campo ancho (widefield calcium imaging) es como una cámara de dron de alta definición volando sobre la superficie del cerebro. Captura la actividad brillante de millones de neuronas a la vez, creando un video masivo y turbulento del cerebro en acción. Pero aquí está el problema: estos videos son enormes, desordenados y llenos de "ruido de fondo", como el zumbido del propio cerebro o reacciones a cosas que no tienen nada que ver con la tarea en cuestión.

Debido a este desorden, los científicos normalmente tenían que desechar los datos de una sesión y empezar de cero para la siguiente. No podían combinar fácilmente los datos de 38 ratones diferentes, 378 sesiones de registro distintas y dos tipos diferentes de tareas para construir un modelo gigante y poderoso. Era como intentar aprender un idioma leyendo solo una frase de un libro, para luego tirar el libro y empezar de nuevo con un libro diferente.

La Solución: El Truco del "Atlas"

Los investigadores se dieron cuenta de que, aunque cada ratón es único, sus "mapas de la ciudad" cerebrales están construidos en realidad sobre el mismo plano. Para resolverlo, inventaron una forma de obligar a los datos cerebrales de cada ratón a encajar en un mismo mapa estándar, llamado el Allen Brain Atlas.

Piénsalo de esta manera: imagina que tienes a 38 personas diferentes dibujando mapas de sus propias casas. Una usa una cuadrícula de 10x10 cuadrados, otra una de 20x20, y todas dibujan sus cocinas en lugares ligeramente distintos. WiCAT toma todos estos dibujos desordenados y los ajusta a una única cuadrícula perfecta y pre-dibujada. De repente, la "cocina" del Ratón A se alinea exactamente con la "cocina" del Ratón B.

Una vez que todo está alineado, WiCAT divide el video del cerebro en pequeñas piezas de rompecabezas (tokens) y las introduce en un cerebro de IA gigante (un Transformer) que aprende a predecir cómo se ven las piezas faltantes. Es como jugar un juego donde cubres el 90% de un video cerebral y le pides a la IA que adivine qué hay oculto debajo. Para ganar, la IA tiene que aprender las reglas de cómo se mueve y piensa el cerebro, no solo memorizar las caras específicas de los ratones que ha visto antes.

La Magia: Superpoderes de "Zero-Shot"

La verdadera magia ocurre cuando prueban WiCAT en un ratón que nunca ha visto antes.

En el pasado, si le mostrabas un ratón nuevo a un modelo antiguo, el modelo se confundía y fallaba. Pero WiCAT es diferente. Debido a que aprendió las "reglas universales" de la ciudad cerebral durante su entrenamiento, puede observar a un ratón completamente nuevo y comenzar a decodificar su comportamiento de inmediato.

Decodificación de Comportamiento Zero-Shot: El modelo puede observar a un nuevo ratón y adivinar qué está haciendo (como alcanzar una palanca o girar la cabeza) con una precisión sorprendente, sin necesidad de datos de práctica de ese ratón específico primero. Es como conocer a un extraño y saber instantáneamente cómo camina, solo porque has estudiado el plano de las piernas humanas.
Rellenar los Huecos: El modelo incluso puede adivinar qué está sucediendo en una parte del cerebro que no puede "ver" (una región que fue enmascarada), simplemente observando la actividad en el resto del cerebro. Es como ser capaz de escuchar una conversación en una habitación que no puedes ver, simplemente escuchando los sonidos amortiguados desde el pasillo.

Lo que WiCAT NO es (y lo que descarta)

Es importante saber lo que este modelo no hace, porque el artículo es muy claro al respecto.

No es una varita mágica de "talla única" que ignora la anatomía. El artículo argumenta explícitamente en contra de los modelos que intentan aprender sin un mapa. Si intentas entrenar un modelo sin alinear los cerebros con el atlas, este falla al generalizarse a nuevos sujetos. El "mapa" es esencial.
No necesita ser reentrenado para cada nuevo ratón. El artículo probó modelos que intentaban aprender detalles "específicos de la sesión" (como un ID único para cada ratón). Esos modelos fallaron al enfrentarse a un nuevo ratón. WiCAT demuestra que no necesitas reentrenar todo el sistema para cada nuevo animal; el "lenguaje cerebral" compartido es suficiente.
No es una solución "perfecta" todavía. El artículo sugiere que, aunque los resultados son sólidos, el modelo todavía depende de que el cerebro esté alineado correctamente. Si el mapa está torcido o desalineado, el rendimiento del modelo cae. Es robusto, pero no invencible.

Los Números (La Prueba)

Los investigadores no solo supusieron; midieron.

Entrenaron con datos de 38 sujetos a través de 378 sesiones.
Al probarlo en ratones nuevos, no vistos anteriormente, WiCAT logró una puntuación de decodificación de comportamiento (R²) de 0.3274 en el conjunto de datos Musall y 0.1840 en el conjunto de datos Kondo.
Compáralo con los modelos antiguos de "sesión única", que obtuvieron alrededor de 0.0477 y 0.0573 respectivamente en esos mismos ratones nuevos. ¡Ese es un salto enorme!
Incluso mejor, si le das al modelo un poco de ayuda (unas 16 pruebas o aproximadamente 100 segundos de grabación), puede adaptarse y mejorar aún más, alcanzando puntuaciones de 0.4336 y 0.2869.

La Conclusión

WiCAT es un paso importante hacia un "modelo fundacional" para el cerebro: una IA única y poderosa que entiende el lenguaje general de la actividad cerebral a través de diferentes animales y tareas. Sugiere que si alineamos nuestros datos correctamente y enseñamos a la IA a buscar patrones universales en lugar de detalles específicos, podemos construir modelos que se generalicen a nuevos sujetos instantáneamente.

El artículo no afirma que esto lo resuelva todo o que funcione para todo tipo de datos cerebrales (como los registros del cerebro profundo) todavía. Pero para el registro de calcio de campo ancho, sugiere un nuevo camino a seguir: deja de tratar cada cerebro como un rompecabezas único y comienza a enseñar a la IA el plano compartido que los conecta a todos. Y lo mejor de todo: el código es abierto, así que cualquiera puede intentar construir sobre este "traductor cerebral" por sí mismo.

Resumen Técnico: Modelado entre Sujetos para la Imagen de Calcio de Campo Amplio mediante la Tokenización Espaciotemporal Alineada con Atlas

Planteamiento del Problema
La imagen de calcio de campo amplio ofrece un acceso sin precedentes a la dinámica cortical de todo el cerebro en animales que se comportan, proporcionando actividad neural mesoscópica con alta resolución temporal y amplia cobertura espacial. Sin embargo, la alta dimensionalidad, la compleja estructura espaciotemporal y la sustancial actividad ajena a la tarea en estos registros han restringido históricamente los esfuerzos de modelado a análisis de una sola sesión o de un solo sujeto. Los enfoques existentes suelen depender de parámetros o pasos de preprocesamiento específicos de la sesión (por ejemplo, PCA, LocaNMF) que limitan la escalabilidad y la generalización entre sujetos. Aunque los modelos preentrenados multisujeto han mostrado ser prometedores en otras modalidades neurales (por ejemplo, disparos, LFP), no se han demostrado para la imagen de calcio de campo amplio. Además, lograr la decodificación de comportamiento y la reconstrucción neural zero-shot (de cero) invariante al sujeto en sujetos no vistos sigue siendo un desafío abierto.

Metodología: WiCAT
Los autores presentan WiCAT (Widefield Calcium imaging Atlas-aligned Tokenizer model), un modelo de base multisujeto diseñado para aprender representaciones espaciotemporales compartidas a través de diversos sujetos, sesiones y conjuntos de datos. La arquitectura consta de tres componentes principales:

Tokenización Basada en Atlas: Para permitir el intercambio de parámetros entre sujetos con morfologías corticales y configuraciones de registro variables, todos los registros de campo amplio se registran espacialmente a un marco de referencia anatómico común (el Allen Brain Atlas Common Coordinate Framework) y se remuestrean a una resolución espacial unificada (128 × 128). Los marcos alineados se particionan en parches espaciotemporales no superpuestos. Crucialmente, el modelo emplea incrustaciones espaciales globales (global spatial embeddings) asociadas con cada índice de parche alineado al atlas. Estas incrustaciones se comparten entre todos los sujetos, sesiones y conjuntos de datos, proporcionando una representación consistente de la ubicación cortical sin componentes específicos de la sesión.
Columna Vertebral (Backbone) de Transformer Espaciotemporal: Los datos tokenizados son procesados por un codificador Transformer que aplica atención espacial y temporal conjunta. Se utilizan incrustaciones posicionales rotatorias (RoPE) para codificar la información temporal relativa. El modelo opera sobre una secuencia unificada de tokens, lo que le permite capturar interacciones a través de regiones corticales y el tiempo dentro de un único mecanismo de atención.
Preentrenamiento Autosupervisado (MAE): El modelo se preentrena utilizando un objetivo de Autoencoder de Máscara (MAE). Durante el preentrenamiento, el 90% de los tokens espaciotemporales se enmascaran aleatoriamente en el espacio y el tiempo. El codificador procesa solo los tokens no enmascarados, mientras que un decodificador Transformer ligero reconstruye los parches enmascarados utilizando una pérdida de Error Cuadrático Medio (MSE). Crucialmente, no se proporcionan identificadores de sujeto, sesión o conjunto de datos durante el preentrenamiento; el modelo debe confiar únicamente en el contexto disperso y en las incrustaciones espaciales globales compartidas para reconstruir la actividad neural.

Contribuciones Clave

Modelado Multisujeto: WiCAT es el primer modelo que mapea registros neurales de diferentes sujetos en un espacio de representación compartido para la imagen de calcio de campo amplio, yendo más allá de las limitaciones de sesión única del trabajo previo.
Tokenización Basada en Atlas: Los autores proponen un esquema de tokenización utilizando incrustaciones espaciales globales que capturan una organización anatómica invariante al sujeto, permitiendo el modelado entre sujetos sin parámetros específicos de la sesión.
Marco de Preentrenamiento Desafiante: Se diseña un marco de MAE autosupervisado para aprender representaciones espaciotemporales que reconstruyan la actividad neural sin acceso a identificadores de sujeto, forzando al modelo a aprender la dinámica global en lugar del ruido específico de la sesión.
Capacidades Zero-Shot: El modelo demuestra una robusta decodificación de comportamiento continuo zero-shot y una adaptación eficiente de pocos ejemplos (few-shot) en sujetos no vistos. También logra la reconstrucción zero-shot de regiones cerebrales excluidas, lo que indica que las representaciones aprendidas capturan dependencias entre regiones que se generalizan entre sujetos.
Transferencia entre Conjuntos de Datos: Las representaciones preentrenadas se transfieren eficazmente entre conjuntos de datos con diferentes configuraciones de registro, resoluciones espaciales y tareas conductuales.

Resultados
Evaluado en dos grandes conjuntos de datos (Musall y Kondo) que abarcan 38 sujetos y 378 sesiones, WiCAT superó a los modelos de referencia, incluyendo modelos dinámicos de sesión única (SBIND), regresión lineal sobre características de PCA/LocaNMF y extensiones multisesión de SBIND.

Decodificación de Comportamiento: WiCAT logró un rendimiento de decodificación de comportamiento ( $R^2$ ) significativamente mayor en los conjuntos de ajuste fino (finetune) y zero-shot en comparación con todas las bases de referencia. Notablemente, en el conjunto zero-shot (sujetos no vistos), el sondeo lineal de WiCAT alcanzó puntuaciones de $R^2$ de 0.3274 (Musall) y 0.1840 (Kondo), superando sustancialmente a la siguiente mejor base de referencia multisesión.
Generalización Zero-Shot: El modelo mantuvo un fuerte rendimiento en sujetos no vistos sin ninguna actualización de gradiente en la columna vertebral o el decodificador.
Reconstrucción Neural: En las tareas de reconstrucción de regiones excluidas zero-shot, WiCAT logró consistentemente un error de reconstrucción (MSE) más bajo que una base de decodificación de cruce de regiones lineal a través de las principales áreas corticales (por ejemplo, SS, VIS, MO), preservando la estructura temporal específica de la región.
Estudios de Ablación: Eliminar las incrustaciones espaciales globales o introducir parámetros específicos de la sesión degradó significativamente el rendimiento zero-shot, confirmando la necesidad de la arquitectura propuesta para la transferencia entre sujetos. Además, el preentrenamiento MAE superó al preentrenamiento de tipo JEPA para esta modalidad.
Escalabilidad: El rendimiento mejoró con el aumento del volumen de datos de preentrenamiento y la capacidad del modelo, lo que sugiere que el marco puede aprovechar eficazmente los conjuntos de datos más grandes.

Significado
El artículo posiciona a WiCAT como un paso fundacional hacia el modelado de "estilo fundacional" para la imagen de calcio de campo amplio. Al demostrar que se pueden aprender representaciones compartidas entre sujetos y sesiones sin un ajuste específico de la sesión, este trabajo aborda barreras críticas para la escalabilidad y la generalización. La capacidad de realizar decodificación de comportamiento zero-shot y reconstrucción neural en sujetos no vistos indica que el modelo captura la dinámica espaciotemporal fundamental e invariante al sujeto de la actividad cortical. Este enfoque facilita el reúso de las representaciones aprendidas entre animales, sesiones y condiciones experimentales, acelerando potencialmente la investigación sobre la dinámica de poblaciones distribuidas y la organización funcional a gran escala. Los autores señalan que, si bien la escala actual de los datos públicos de campo amplio es menor que la de otras modalidades, el marco está diseñado para escalar a medida que se disponga de conjuntos de datos más grandes y diversos.