A frontal cortical world model shapes inference of causal relationships in hippocampus

Resumo Técnico: Um Modelo de Mundo Cortical Frontal Molda a Inferência de Relações Causais no Hipocampo

Problema e Motivação
O raciocínio causal requer a inferência do que leva ao quê a partir de observações incompletas e ambíguas. Embora animais e humanos possam aprender relações de causa e efeito a partir de experiências únicas, a natureza dessas inferências depende das suposições ou "modelos" subjacentes que se possui sobre a estrutura causal do ambiente. Os autores distinguem dois componentes: uma estrutura relacional, que codifica relações específicas de causa-efeito, e um modelo de mundo abstrato, que codifica os princípios generativos que regem como essas relações são formadas e interpretadas. Embora o hipocampo seja conhecido por construir mapas relacionais em domínios espaciais e conceituais, e o córtex pré-frontal lateral (LPFC) esteja implicado na representação de regras abstratas, permanece incerto como essas regiões interagem para apoiar a inferência causal a partir de dados esparsos. Especificamente, não se sabe se o hipocampo representa a natureza direcional das relações causais ou apenas associações estáticas, e como um modelo de mundo abstrato guia a inferência de elos causais não observados.

Metodologia
O estudo empregou um novo paradigma de inferência causal de uma única etapa (one-shot) combinado com ressonância magnética funcional (fMRI) e estimulação ultrassônica transcraniana (TUS).

• Design da Tarefa: Os participantes (n=32 para fMRI; n=20 para TUS) realizaram uma tarefa na qual inferiam se frutas ou compostos de frutas específicos causavam reações alérgicas. Crucialmente, cada fruta aparecia apenas uma vez, impedindo o aprendizado associativo incremental e forçando a dependência de modelos internos. A tarefa incluiu quatro tipos de tentativas:

  • Bloqueio Retrógrado (Backward Blocking - BB): Um composto (XY) causa um desfecho, seguido por um componente (X) causando o desfeito sozinho. Os participantes devem inferir o status de Y.
  • Subombreamento (Unovershadowing - UO): Um composto (XY) causa um desfecho, mas o componente (X) não o faz. Os participantes devem inferir que Y é causal.
  • Tentativas de duas causas: Duas frutas individuais causam o desfecho de forma independente, desenhadas para deslocar o modelo de mundo do participante de uma hipótese de "uma causa" para uma de "duas causas".
  • Sem causa (Controle): Nem o composto nem o componente causam um desfecho.
    Os participantes forneceram classificações de objetos não observados antes e depois de observar os desfechos, permitindo a medição de "atualizações experienciadas" (aprendizado) e "atualizações inferidas" (inferência).

• Modelagem Computacional: Um modelo normativo Bayesiano foi desenvolvido para simular como uma distribuição a priori sobre estruturas causais (o modelo de mundo) combina-se com observações para atualizar crenças sobre causas não observadas.

• Neuroimagem (Experimento 1): Os dados de fMRI foram analisados usando Modelos Lineares Gerais (GLMs) para identificar regiões que rastreiam atualizações experienciadas vs. inferidas. A Análise de Similaridade Representacional (RSA) e análises de supressão de repetição foram utilizadas para examinar como a identidade dos objetos e as estruturas relacionais são representadas no cérebro.

• Intervenção (Experimento 2): A estimulação ultrassônica transcraniana bilateral (TUS) foi usada para interromper transitoriamente o sulco frontal inferior (IFS) e o hipocampo (HC) em sessões separadas. Isso permitiu o teste causal dos papéis dissociáveis dessas regiões no aprendizado e na inferência.

Principais Resultados

1. Achados Comportamentais:

   • Os participantes exibiram efeitos robustos de bloqueio retrógrado e subombreamento, atualizando suas classificações causais de objetos não observados de forma consistente com um modelo Bayesiano.
   • A exposição a tentativas de "duas causas" deslocou o modelo de mundo dos participantes. Consequentemente, a magnitude do efeito de bloqueio retrógrado foi atenuada em tentativas subsequentes, indicando que o modelo de mundo abstrato molda dinamicamente como a evidência causal específica é interpretada.

2. Correlatos Neurais de Aprendizado vs. Inferência:

   • Aprendizado (Atualização Experienciada): A atividade no córtex orbitofrontal lateral (LOFC), córtex pré-frontal lateral (LPC), córtex cingulado dorsal anterior (dACC), ínsula, substância negra (SN) e área tegmentar ventral (VTA) correlacionou-se com atualizações baseadas em observação direta.
   • Inferência (Atualização Inferida): A magnitude da atualização inferida correlacionou-se especificamente com a atividade no sulco frontal inferior (IFS). A atividade no IFS foi mais forte em tentativas que exigiam inferência forte (UO) e foi modulada pelo modelo de mundo (mais forte em tentativas de BB antes da exposição às duas causas).

3. Representação do Modelo de Mundo:

   • A RSA revelou que o IFS direito codificava a crença do participante, tentativa a tentativa, sobre a estrutura causal (a probabilidade de uma hipótese de uma causa vs. duas causas). Essa representação impulsionou a natureza da inferência.

4. Reativação e Mapeamento Relacional:

   • Identidade do Objeto: O giro temporal inferior occipital (OccFG) manteve representações estáveis da identidade do objeto. A reativação do objeto inferido no OccFG ocorreu durante a fase de revisão e foi ligada à atividade do IFS.
   • Estrutura Relacional: O hipocampo (HC) não representou a identidade estática do objeto, mas sim uma estrutura relacional dinâmica. Em tentativas de BB, a distância representacional entre o composto e o objeto causal (experienciado) diminuiu, enquanto a distância para o objeto não causal (inferido) aumentou. Em tentativas de UO, esse padrão se inverteu. Essa atualização geométrica no HC foi correlacionada com a atividade do IFS, sugerindo que o IFS guia o remapeamento das relações causais no hipocampo.

5. Dissociação Causal via TUS:

   • Interrupção do HC: A estimulação do HC prejudicou tanto o aprendizado (atualizações experienciadas) quanto a inferência (atualizações inferidas), mas não alterou o padrão de inferência. A correlação entre aprendizado e inferência permaneceu intacta, sugerindo que o HC fornece o substrato relacional necessário para ambos os processos.
   • Interrupção do IFS: A estimulação do IFS deixou o aprendizado relativamente intacto, mas prejudicou seletivamente a inferência. Crucialmente, ela aboliu a correlação negativa entre atualizações experienciadas e inferidas (o padrão padrão de bloqueio retrógrado). Isso indica que o IFS é necessário para implementar o próprio cálculo inferencial, provavelmente ao codificar o modelo de mundo que restringe como as observações são interpretadas.

Significância e Alegações
O artigo afirma demonstrar que a inferência causal é implementada através da atividade coordenada de sistemas neurais dissociáveis, mas complementares:

• O hipocampo instanciam a estrutura relacional, codificando um mapa de relações específicas de causa-efeito que é dinamicamente atualizado com base em novas evidências. Ele apoia a inferência ao fornecer o substrato representacional das relações causais, mas não realiza o cálculo inferencial em si.
• O sulco frontal inferior (IFS) codifica um modelo de mundo abstrato (princípios generativos de estrutura causal). Esta região guia o processo de inferência ao determinar como a evidência observada é interpretada para inferir relações não observadas.

O estudo conclui que o raciocínio causal flexível a partir de dados esparsos depende do IFS codificando um modelo de mundo que molda as atualizações dos mapas relacionais no hipocampo. Isso desafia a visão de que o hipocampo realiza diretamente a inferência, propondo, em vez disso, que o córtex pré-frontal mantém o conhecimento relacional sobre o qual os cálculos inferenciais do córtex pré-frontal operam.