Las imágenes de alimentos provocan que las neuronas se 'iluminen'

Un nuevo estudio de los neurocientíficos del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, ha descubierto que cuando se miran imágenes de alimentos se ilumina una parte especializada del córtex visual, según publican en la revista 'Current Biology'.

Esta población recién descubierta de neuronas que responden a los alimentos se encuentra en el flujo visual ventral, junto a poblaciones que responden específicamente a caras, cuerpos, lugares y palabras. Este inesperado hallazgo podría reflejar la especial importancia de la comida en la cultura humana, dicen los investigadores.

"La comida es fundamental para las interacciones sociales y las prácticas culturales del ser humano. No es sólo un medio de subsistencia --afirma Nancy Kanwisher, catedrática de Neurociencia Cognitiva Walter A. Rosenblith y miembro del Instituto McGovern de Investigación Cerebral y del Centro de Cerebros, Mentes y Máquinas del MIT--. La comida es el núcleo de muchos elementos de nuestra identidad cultural, de las prácticas religiosas y de las interacciones sociales, y de muchas otras cosas que hacen los humanos".

Los resultados, basados en un análisis de una gran base de datos pública de respuestas cerebrales humanas a un conjunto de 10.000 imágenes, plantean muchas preguntas adicionales sobre cómo y por qué se desarrolla esta población neuronal. En futuros estudios, los investigadores esperan explorar cómo pueden diferir las respuestas de las personas a determinados alimentos en función de lo que les guste o no, o de su familiaridad con ciertos tipos de comida.

Hace más de 20 años, mientras estudiaba la corriente visual ventral, la parte del cerebro que reconoce los objetos, Kanwisher descubrió regiones corticales que responden selectivamente a las caras. Más tarde, ella y otros científicos descubrieron otras regiones que responden selectivamente a lugares, cuerpos o palabras. La mayoría de estas áreas se descubrieron cuando los investigadores se propusieron específicamente buscarlas. Sin embargo, ese enfoque basado en hipótesis puede limitar lo que se acaba encontrando, afirma.

"Puede haber otras cosas que no se nos ocurra buscar --reconoce--. E incluso cuando encontramos algo, ¿cómo sabemos que eso es realmente parte de la estructura básica dominante de esa vía, y no algo que encontramos sólo porque lo estábamos buscando?".

Para tratar de descubrir la estructura fundamental de la corriente visual ventral, Kanwisher y Meenakshi Khosla, postdoctorante del MIT y autora principal del trabajo, decidieron analizar un gran conjunto de datos disponibles públicamente de respuestas de resonancia magnética funcional (fMRI) de todo el cerebro de ocho sujetos humanos mientras veían miles de imágenes.

"Queríamos ver, cuando aplicamos una estrategia basada en datos y sin hipótesis, qué tipos de selectividad aparecen y si son coherentes con lo que se había descubierto antes --explica Khosla--. Un segundo objetivo era ver si podíamos descubrir nuevas selectividades que o bien no habían sido hipotetizadas antes, o bien habían permanecido ocultas debido a la menor resolución espacial de los datos de fMRI".

¿Cómo se ha llevado a cabo la investigación?

Para ello, los investigadores aplicaron un método matemático que les permite descubrir poblaciones neuronales que no pueden identificarse a partir de los datos de RMf tradicionales. Una imagen de IRMf se compone de muchos vóxeles, unidades tridimensionales que representan un cubo de tejido cerebral. Cada vóxel contiene cientos de miles de neuronas, y si algunas de ellas pertenecen a poblaciones más pequeñas que responden a un tipo de entrada visual, sus respuestas pueden quedar ahogadas por otras poblaciones dentro del mismo vóxel.

El nuevo método analítico, que el laboratorio de Kanwisher ya había utilizado anteriormente con datos de IRMf de la corteza auditiva, puede extraer las respuestas de las poblaciones neuronales dentro de cada vóxel de los datos de IRMf.

Utilizando este método, los investigadores encontraron cuatro poblaciones que correspondían a grupos previamente identificados que responden a caras, lugares, cuerpos y palabras. "Eso nos dice que este método funciona y que lo que encontramos antes no son sólo propiedades oscuras de esa vía, sino propiedades importantes y dominantes", apunta Kanwisher.

Curiosamente, también surgió una quinta población, que parecía ser selectiva para las imágenes de comida. "Al principio nos desconcertó bastante porque la comida no es una categoría visualmente homogénea --recuerda Khosla--. Cosas como las manzanas, el maíz y la pasta son muy diferentes entre sí, pero encontramos una única población que responde de forma similar a todos estos alimentos tan diversos".

La población específica de alimentos, que los investigadores denominan componente alimentario ventral (VFC), parece estar repartida entre dos grupos de neuronas, situados a ambos lados del FFA. El hecho de que las poblaciones específicas de alimentos estén repartidas entre otras poblaciones específicas de categorías puede ayudar a explicar por qué no se habían visto antes, dicen los investigadores.

"Creemos que la selectividad alimentaria había sido más difícil de caracterizar antes porque las poblaciones que son selectivas para la comida están entremezcladas con otras poblaciones cercanas que tienen respuestas distintas a otros atributos del estímulo. La baja resolución espacial de la IRMf nos impide ver esta selectividad porque las respuestas de diferentes poblaciones neuronales se mezclan en un vóxel", afirma Khosla.

Los investigadores también utilizaron los datos para entrenar un modelo computacional del VFC, basado en modelos anteriores que el investigador del MIT y coautor del estudio N. Apurva Ratan Murty había desarrollado para las áreas de reconocimiento de caras y lugares del cerebro.

Esto permitió a los investigadores realizar experimentos adicionales y predecir las respuestas del VFC. En uno de los experimentos, alimentaron el modelo con imágenes emparejadas de artículos alimentarios y no alimentarios de aspecto muy similar, por ejemplo, un plátano y una luna creciente amarilla.

"Esos estímulos emparejados tienen propiedades visuales muy similares, pero el principal atributo en el que se diferencian es el de comestible o no comestible --subraya Khosla--. Podríamos alimentar esos estímulos arbitrarios a través del modelo predictivo y ver si seguiría respondiendo más a los alimentos que a los no comestibles, sin tener que recoger los datos de fMRI".

También pudieron utilizar el modelo computacional para analizar conjuntos de datos mucho más grandes, compuestos por millones de imágenes. Esas simulaciones ayudaron a confirmar que el VFC es altamente selectivo para las imágenes de comida.

A partir de su análisis de los datos de IRMf en humanos, los investigadores descubrieron que, en algunos sujetos, el VFC respondía ligeramente más a los alimentos procesados, como la pizza, que a los no procesados, como las manzanas. En el futuro esperan explorar cómo factores como la familiaridad y el gusto o disgusto por un alimento concreto pueden afectar a las respuestas de los individuos a ese alimento.

También esperan estudiar cuándo y cómo se especializa esta región durante la primera infancia, y con qué otras partes del cerebro se comunica. Otra cuestión es si esta población selectiva de alimentos se observará en otros animales, como los monos, que no conceden a la comida la importancia cultural que tienen los humanos.