Neural Fingerprinting based on Brain Network Dynamics: A Cross-Platform MEG Study

Cada cerebro humano es un instrumento único, que interpreta una sinfonía de señales eléctricas que nunca se repite exactamente de la misma manera para nadie más. Mientras que los científicos han estudiado durante mucho tiempo cómo funcionan los cerebros en promedio, buscando patrones que se apliquen a todos, un campo de investigación más reciente se centra en lo que hace que el cerebro de cada persona sea distinto. Este concepto, conocido como huella dactilar neural, opera bajo la idea simple pero poderosa de que, si se mide la actividad cerebral con suficiente cuidado, se puede identificar a un individuo específico simplemente observando sus datos, tal como un sistema de seguridad reconoce a una persona por su huella única. Esta capacidad de distinguir a una persona de otra no es solo una curiosidad; ofrece una forma potencial de rastrear cómo cambia el cerebro de una persona a lo largo del tiempo o cuando la enfermedad ataca, proporcionando una línea base personalizada para la salud. Para hacer esto, los investigadores suelen utilizar una técnica llamada magnetoencefalografía, o MEG, que detecta los diminutos campos magnéticos producidos por las corrientes eléctricas del cerebro. Este método es especial porque captura la actividad cerebral con una velocidad increíble, registrando los cambios a medida que ocurren en milisegundos, en lugar de mostrar solo un promedio lento y borroso.

Durante años, esta tecnología dependió de máquinas grandes y costosas que debían mantenerse a temperaturas extremadamente frías para funcionar, utilizando sensores llamados SQUIDs. Sin embargo, una nueva generación de sensores, llamados magnetómetros de bombeo óptico, u OPMs, ha emergido recientemente. Estos nuevos dispositivos son pequeños, ligeros y no necesitan un enfriamiento extremo, lo que les permite situarse más cerca del cuero cabelludo y, potencialmente, capturar señales más claras. A medida que esta tecnología madura, los científicos necesitan saber si puede realizar el mismo trabajo delicado que las máquinas antiguas. ¿Pueden estos nuevos sensores, más flexibles, capturar las mismas firmas cerebrales únicas? Además, la mayoría de los estudios previos han observado la actividad cerebral promediándola en el tiempo, creando una imagen estática. Pero el cerebro es dinámico, cambiando constantemente entre diferentes patrones de actividad. Una pregunta crítica sigue siendo: ¿reside la identidad única de una persona en las señales lentas y promediadas, o está oculta dentro de los cambios rápidos y fugaces de la dinámica de las redes cerebrales?

En un estudio reciente, los investigadores se propusieron responder a estas preguntas comparando datos tanto de los sensores tradicionales fríos como de los nuevos sensores a temperatura ambiente. Reclutaron a quince adultos sanos y escanearon a cada persona cuatro veces en un solo día. Dos de estas sesiones utilizaron la tecnología SQUID más antigua y dos utilizaron la nueva tecnología OPM. Durante los escaneos, los participantes realizaron una tarea que consistía en prestar atención a patrones táctiles en sus dedos, lo que permitió a los investigadores observar cómo respondían sus cerebros a la estimulación. El equipo quería ver si podían identificar correctamente a cada persona al comparar sus propios escaneos entre sí, y si aún podían identificarla al comparar un escaneo de un tipo de máquina con un escaneo de otro tipo. Probaron dos formas diferentes de observar los datos: una que promediaba las señales en el tiempo para crear un perfil estático, y otra que utilizaba un modelo computacional sofisticado para rastrear cómo el cerebro cambiaba entre diferentes estados activos, capturando la rápida dinámica de las redes neuronales.

Los resultados confirmaron que la firma única de cada cerebro es robusta y puede encontrarse utilizando ambos tipos de máquinas. Cuando los investigadores observaron los datos estáticos y promediados, pudieron identificar con éxito a cada participante, ya fuera comparando dos escaneos de la misma máquina o un escaneo de la nueva máquina contra uno de la antigua. Este hallazgo concuerda con trabajos anteriores, demostrando que las huellas eléctricas básicas del cerebro son lo suficientemente estables como para sobrevivir al cambio a la nueva tecnología. Sin embargo, el estudio fue mucho más allá al examinar los patrones dinámicos y cambiantes de la actividad cerebral. Utilizando un modelo preentrenado que había aprendido los patrones comunes de los estados cerebrales a partir de miles de otras grabaciones, el equipo analizó cómo aparecían estos estados en sus nuevos datos. Encontraron que el modelo funcionaba bien tanto para los sensores antiguos como para los nuevos, mapeando con éxito los estados cambiantes del cerebro en tiempo real.

Cuando utilizaron estos patrones dinámicos para intentar identificar a los individuos, los resultados fueron mixtos pero reveladores. Los investigadores descubrieron que podían identificar a las personas con alta precisión observando el tiempo específico en que los estados cerebrales se activaban y desactivaban, y analizando el contenido de frecuencia de esos estados. Estas características, que describen el ritmo y la composición espectral específica de la actividad cerebral, se mantuvieron constantes para cada persona en ambas máquinas. Esto sugiere que la identidad central del cerebro de una persona está codificada en el tiempo relativo y la estructura de estas redes dinámicas. Sin embargo, cuando los investigadores intentaron identificar a las personas utilizando números de resumen simples, como cuánto tiempo duraba un estado cerebral o con qué frecuencia cambiaba a otro estado, los resultados cambiaron. Si bien aún podían identificar a las personas al comparar escaneos de la misma máquina, no pudieron hacerlo al comparar escaneos entre las dos máquinas diferentes.

Este fallo en la identificación entre máquinas para las estadísticas de resumen resalta una distinción crucial. Los números absolutos, como el porcentaje exacto de tiempo dedicado a un estado, son sensibles a las diferencias físicas entre los dos tipos de sensores. Los nuevos sensores se sitúan más cerca del cerebro y tienen características de ruido diferentes, lo que desplaza estos valores absolutos de una manera que enmascara la identidad del individuo. En contraste, los patrones relativos de cómo el cerebro responde a un estímulo —la forma de la curva a lo largo del tiempo— permanecen estables y son únicos para la persona, independientemente de la máquina utilizada. El estudio concluye que, si bien la tecnología OPM es plenamente capaz de capturar las huellas dactilares neurales únicas de los individuos, la forma en que analizamos esos datos importa. Para identificar con éxito a una persona a través de diferentes plataformas de escaneo, debemos observar la estructura relativa de la dinámica cerebral en lugar de solo las cantidades brutas y absolutas. Este trabajo proporciona un paso vital, mostrando que la nueva generación de escáneres cerebrales puede unirse a los antiguos en el mapeo del paisaje único de la mente humana, siempre que utilicemos las herramientas adecuadas para leer las señales.