Virtual Brain Modelling Reveals Altered Network Dynamics and Predicts Symptom Severity in Schizophrenia: Relevance to Antipsychotic Treatment Response and Resistance.

La esquizofrenia es una condición compleja que afecta la forma en que una persona piensa, siente y percibe el mundo. Durante décadas, los médicos han comprendido que la química del cerebro desempeña un papel central, particularmente involucrando la dopamina, un mensajero químico que ayuda a regular el estado de ánimo y la atención. Sin embargo, el panorama completo es mucho más intrincado. Investigaciones recientes sugieren que el problema también puede residir en el delicado equilibrio entre la excitación y la inhibición dentro de la vasta red de conexiones del cerebro. Imagine el cerebro como una ciudad donde algunas señales instan a las neuronas a dispararse y otras les dicen que se calmen; cuando este equilibrio se altera, el tráfico de la ciudad puede volverse caótico, provocando los pensamientos y percepciones confusos característicos de la enfermedad. Si bien los medicamentos estándar suelen ayudar a calmar los síntomas más evidentes, no funcionan para todos. Una parte significativa de los pacientes continúa luchando a pesar del tratamiento, un estado conocido como esquizofrenia resistente al tratamiento. Comprender por qué algunos cerebros responden a la medicación mientras que otros no, sigue siendo uno de los desafíos más difíciles en la psiquiatría.

Para abordar este misterio, un equipo de investigadores de Italia y el Reino Unido recurrió a un nuevo y poderoso enfoque llamado modelado de cerebro virtual. En lugar de solo observar las imágenes de escaneo cerebral como imágenes estáticas, utilizaron simulaciones por computadora para recrear cómo funcionan realmente los cerebros de los pacientes. Recopilaron datos detallados de resonancia magnética de treinta y tres personas con esquizofrenia y cuarenta y tres voluntarios sanos. Entre los pacientes, distinguieron entre aquellos que habían respondido bien a la medicación estándar y aquellos que no lo habían hecho, a pesar de haber probado múltiples tratamientos. Al introducir estos datos del mundo real en un sofisticado modelo computacional, los científicos pudieron simular el flujo de actividad eléctrica a través de todo el cerebro. Este modelo les permitió estimar propiedades biológicas específicas que son casi imposibles de medir directamente en una persona viva, tales como qué tan fuerte se comunican entre sí diferentes regiones cerebrales y qué tan bien funcionan los "frenos" y "aceleradores" internos del cerebro.

Los investigadores se centraron en cuatro configuraciones clave en su cerebro virtual, cada una de las cuales representa un aspecto diferente de cómo se comunican las neuronas. Observaron la fuerza de las conexiones entre áreas cerebrales distantes, las señales inhibitorias locales que calman a las neuronas, las señales excitatorias que las despiertan y la forma en que estas señales regresan sobre sí mismas en bucle. Cuando compararon las simulaciones de los voluntarios sanos con las de los pacientes, surgieron diferencias claras. Notablemente, los cerebros de los pacientes que no habían respondido al tratamiento mostraron un patrón distinto en comparación con aquellos que habían mejorado. En el grupo resistente al tratamiento, las simulaciones revelaron un aumento de las señales excitatorias dentro de ciertas áreas de procesamiento visual y un debilitamiento de las conexiones en los centros emocionales y de memoria. Por el contrario, los pacientes que respondieron a la medicación estándar mostraron un perfil diferente, con una reducción de la actividad excitatoria en la red de atención dorsal, una región crucial para enfocarse en el mundo que los rodea. Estos hallazgos sugieren que la resistencia al tratamiento no es solo una cuestión de severidad, sino un estado biológico fundamentalmente diferente con su propia firma única en cómo se sintonizan las redes cerebrales.

Más allá de simplemente distinguir entre grupos de pacientes, el estudio exploró si estas configuraciones virtuales podían predecir la severidad de los síntomas de una persona. Los modelos computacionales demostraron ser notablemente perspicaces. Las simulaciones mostraron que la fuerza de las señales inhibitorias en la red de modo predeterminado, un sistema activo durante la ensoñación y la autorreflexión, estaba vinculada a la severidad de los síntomas negativos como el aislamiento social y la falta de motivación. Cuando estas señales inhibitorias eran más débiles en la simulación, los pacientes reportaban síntomas negativos más severos. Del mismo modo, el nivel de actividad excitatoria en la red límbica, que procesa las emociones, predijo la carga total de la enfermedad. Los pacientes con menor actividad excitatoria en este centro emocional tendían a tener puntuaciones totales de síntomas más altas. Además, la fuerza de las señales excitatorias en la red de atención ventral, que ayuda a detectar eventos importantes, estaba ligada al pensamiento desorganizado. Cuanto más se reducía esta señal en el modelo, más desorganizados parecían el habla y los pensamientos del paciente.

Estos resultados ofrecen una nueva forma de ver el cerebro en la esquizofrenia, yendo más allá de las simples descripciones de qué áreas están activas o inactivas para comprender las reglas mecánicas subyacentes que impulsan esas actividades. El estudio sugiere que el equilibrio de excitación e inhibición del cerebro no está roto de la misma manera para todos; en cambio, diferentes redes muestran alteraciones específicas dependiendo de si un paciente responde al tratamiento. Para aquellos que no responden, el cerebro parece tener una configuración única de señales excitatorias e inhibitorias que la medicación estándar puede no ser capaz de corregir. Si bien los investigadores enfatizan que estos hallazgos provienen de simulaciones por computadora y necesitan mayor validación en grupos más grandes, proporcionan una hipótesis concreta de por qué algunos pacientes luchan. Al identificar estas diferencias específicas a nivel de red, el trabajo abre la puerta al desarrollo de tratamientos más dirigidos que algún día podrían adaptarse al perfil biológico único de cada individuo, ofreciendo potencialmente esperanza a aquellos que aún no han encontrado alivio.