Single neurons in the human substantia nigra encode social learning signals
Este estudio demuestra que las neuronas dopaminérgicas individuales en la sustancia negra humana codifican señales de aprendizaje social, específicamente rastreando la valencia de los errores de predicción de normas con una mayor actividad durante las interacciones con humanos en comparación con las computadoras.
Artículo original bajo licencia CC BY 4.0 (https://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
Los seres humanos estamos programados para navegar por una compleja red de reglas no escritas. Sabemos que en un grupo se esperan ciertos comportamientos y, cuando alguien rompe esas expectativas, lo sentimos. Esta capacidad de percibir cuándo una oferta social es injusta o cuándo se ha violado una norma es una piedra angular de cómo interactuamos. Durante décadas, los científicos han entendido que el cerebro utiliza un sistema de predicción y corrección de errores para aprender estas reglas. Cuando esperamos un resultado determinado y obtenemos algo diferente, nuestros cerebros registran un "error de predicción", una señal que nos ayuda a actualizar nuestra comprensión del mundo. Aunque sabemos que esto sucede en el cerebro, hemos estado mayormente adivinando sobre la maquinaria específica involucrada, dependiendo de imágenes borrosas de la actividad cerebral o estudios en animales. La pregunta de cómo una sola neurona humana reacciona ante un desplante social ha permanecido fuera de alcance, oculta en lo profundo del núcleo del cerebro.
Un equipo de investigadores ha observado directamente esta maquinaria registrando la actividad de neuronas individuales en los cerebros de personas que se someten a cirugía cerebral. Se centraron en una estructura diminuta y profunda llamada sustancia negra, una región conocida por su papel en el movimiento y la recompensa. Al escuchar las señales eléctricas de células individuales mientras los pacientes jugaban un juego de equidad, los científicos descubrieron que estas neuronas hacen más que solo rastrear dinero o movimiento; rastrean específicamente el sentimiento de ser tratado de manera justa o injusta por otras personas. El estudio sugiere que el sistema de recompensa del cerebro está profundamente entrelazado con nuestras vidas sociales, activándose cuando recibimos una mejor oferta de lo esperado de un humano, pero manteniéndose en silencio cuando la misma oferta proviene de una computadora.
El experimento tuvo lugar en un quirófano de la Escuela de Medicina Icahn de Mount Sinai. Los participantes eran pacientes con la enfermedad de Parkinson que se sometían a una cirugía para implantar un dispositivo que ayudara a controlar sus síntomas. Antes de que los médicos implantaran el dispositivo final, hicieron una pausa para realizar una tarea de investigación única. Los pacientes, que estaban despiertos y alerta, jugaron una versión del Juego del Ultimátum. En este juego, un compañero propone cómo dividir una suma de veinte dólares. El jugador puede aceptar la división, en cuyo caso ambas partes reciben el dinero, o rechazarla, en cuyo caso nadie recibe nada. Las ofertas variaban entre uno y nueve dólares, y los compañeros eran u otras personas representadas por avatares o un programa de computadora.
Mientras los pacientes tomaban sus decisiones, los investigadores registraban la actividad eléctrica de neuronas individuales en la sustancia negra. También registraron la actividad en un área vecina llamada globo pálido para ver si el efecto era específico de la sustancia negra o una respuesta general en todo el cerebro. Para entender qué estaban pensando los pacientes, los investigadores utilizaron un modelo computacional para estimar el "error de predicación de la norma" en cada turno. Esta es una medida de cuánto difería la oferta de lo que el jugador esperaba que fuera justo. Si un jugador esperaba una oferta de cinco dólares y recibía siete, eso es un error positivo. Si recibía dos, es un error negativo. El modelo también rastreaba si el jugador estaba jugando contra un humano o una computadora.
Los resultados mostraron un patrón claro y específico. Cuando los pacientes jugaban contra avatares humanos, las neuronas en la sustancia negra se iluminaban en respuesta a la equidad de la oferta. Específicamente, estas células disparaban más rápidamente cuando la oferta era mejor de lo esperado y menos cuando era peor. Esta señal era sobre el sentimiento de que la oferta fuera justa o injusta, no solo sobre la cantidad de dinero. Crucialmente, esta reacción era mucho más fuerte cuando el compañero era un humano. Cuando los mismos jugadores enfrentaban a una computadora realizando exactamente las mismas ofertas, las neuronas no mostraban esta misma sensibilidad a la equidad. Las células parecían importarles profundamente el contexto social, distinguiendo entre un juicio humano y un cálculo de una máquina.
En contraste, las neuronas en el globo pálido, la región cerebral vecina, no mostraron este patrón en absoluto. No rastreaban la equidad de la oferta, ni reaccionaban de manera diferente ante socios humanos o computadoras. Este hallazgo sugiere que la capacidad de codificar señales de aprendizaje social es un trabajo específico de la sustancia negra, no una función general de toda el área. Además, los investigadores comprobaron si estas neuronas simplemente estaban reaccionando al estado de ánimo del paciente. Encontraron que, si bien los pacientes se sentían peor tras rechazar una oferta injusta, las neuronas en sí mismas no rastreaban estos cambios de humor. Las células estaban estrictamente enfocadas en el error de predicción social, la brecha entre lo que se esperaba y lo que se recibió.
El estudio también reveló que los pacientes tenían diferentes expectativas dependiendo de con quién jugaban. Aunque rechazaban las ofertas injustas en ambos escenarios, el modelo computacional mostró que esperaban ofertas más altas de los humanos que de las computadoras. Tenían un estándar de justicia más alto para las personas. Las neuronas en la sustancia negra rastreaban este matiz social específico, disparando de una manera que reflejaba el sentido interno del jugador sobre lo que era justo para un compañero humano frente a una máquina. Este trabajo proporciona una mirada directa y poco común de cómo el cerebro humano procesa las reglas sociales en su nivel más fundamental, mostrando que las células responsables de aprender de las recompensas son también las que nos ayudan a navegar el complejo mundo de la interacción humana.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.