Is the Electrical Activity in the Brain a Coded Language? The routine interpretation of electroencephalograms (EEG) is a clinical task carried out by specialists that no longer stirs up public surprise. The electric impulses in the brain, which generate EEG signals, are the consequence of the synchronised activity of millions of neurones. In the article the authors wonder whether further information could be hidden in EEG, a vestige of the single neurone non-linear behaviour and the collective synchronisation of neurones. They outline some ideas about how information and complexity may be measured from complex signals providing quantitative indexes associated to underlying physiological processes. The tools they use are borrowed from non-conventional statistics and fractal geometry.
Una de las formas con que el cerebro expresa su función es mediante la actividad eléctrica que puede detectarse con un electroencefalograma (EEG). Esta técnica sencilla, barata y no invasiva se ha desarrollado durante el último siglo y ha alcanzado grandes cuotas de utilización tanto en la investigación como en el diagnóstico médico rutinario. Junto a los potenciales evocados, es actualmente la única técnica de laboratorio realmente accesible para el estudio de la fisiología cerebral. La cuestión que planteamos es: ¿en qué medida es posible desencriptar la información contenida en el EEG y desvelar así lo que sucede en niveles más profundos del cerebro?
«El electroencefalograma no es sólo ruido neuronal»
En 1870, durante una guerra, los médicos prusianos Hitzig y Fritsch observaron que, al estimular mediante corriente galvánica determinadas áreas del cerebro descubiertas, se producían movimientos en el lado opuesto del cuerpo. Cinco años después, Richard Caton descubrió señales eléctricas procedentes directamente de la superficie de cerebros expuestos de animales. Con todo esto, a finales del siglo XIX se tenían bastantes pruebas de que el cerebro poseía actividad eléctrica. Pero no fue hasta 1929 cuando Hans Berger anunció al mundo que era posible registrar las débiles corrientes eléctricas que se generan en su interior (un millón de veces menos intensas que la pila de un mando a distancia de TV) sin abrir el cráneo. Berger llamó a esta nueva forma de registro electroencefalograma y estableció las bases de una técnica de gran importancia en el estudio funcional del cerebro. Tardó en ser reconocida como válida por sus colegas hasta bien entrados los años treinta, fundamentalmente por las dudas acerca del origen cerebral de la señal y por las dificultades para reproducir los registros.
La imagen de una cabeza conectada a un gran número de cables (figura 1) ya no nos sorprende hoy. Sin embargo, resulta un ejercicio divertido imaginar a Berger buscando voluntarios, realizando las primeras experiencias y, con el tiempo, intentando convencer a la comunidad científica de que unos trazados como los de la figura 2 aportaban alguna información valiosa. El caso fue que consiguieron describir cambios en el nivel funcional del cerebro, como por ejemplo el sueño, la anestesia, la hipoxia (falta de oxígeno en la sangre) y en enfermedades nerviosas como la epilepsia. También llevaron a término la primera descripción de las ondas que contiene el EEG, que llamaron alfa y beta. La figura 2 corresponde a uno de los primeros registros históricos de un EEG. El trazado superior es un ejemplo de ondas cerebrales alfa. Hoy en día los registros EEG son mucho más completos. Se utiliza un gran número de electrodos colocados sobre la superficie del cráneo para explorar la actividad funcional de las distintas áreas cerebrales (figura 1). La señal obtenida no es igual en todas ellas, hay patrones de normalidad en diferentes situaciones fisiológicas, en los sucesivos estadios madurativos del cerebro o incluso en el envejecimiento, además de los diversos contextos patológicos. Sirva todo eso para significar que, a veces, se puede llegar a extraer información a partir de datos en los que aparentemente no hay más que desorden.
Un electrodo aplicado sobre el cráneo registra la suma de potenciales eléctricos procedentes de millones de neuronas de las zonas próximas, que principalmente pertenecen al neocórtex y están modeladas en su actividad por conexiones; algunas de esas neuronas cada cierto tiempo, liberan su carga eléctrica de manera casi instantánea. Así pues, cada punto en el trazado EEG es el resultado de la cooperación de una multitud de neuronas. La amplitud del trazado nos habla del tamaño de la población de neuronas que liberó su carga en este tiempo.
Figura 1. Registro de un EEG en la actualidad. Servicio de Neurofisiología del hospital Dr. Peset de Valencia.
Las neuronas no se cargan y descargan por el puro placer de hacerlo. Estas corrientes eléctricas son el vestigio de un flujo intenso de información fisiológica y sensorial: estímulos que llegan a los receptores sensoriales y se encaminan a ser procesados en el cerebro, órdenes motrices, procesos asociativos infracorticales (probablemente los más numerosos) y cognitivos, e incluso de actividades vegetativas necesarias para el mantenimiento corporal. La perspectiva desde un electrodo del tránsito neuronal debe ser parecida a la que se puede tener desde el punto más alto de un rascacielos sobre el tránsito urbano mediante la escucha del ruido que llega de la ciudad. En medio del caos de sonidos, ocasionalmente se distingue una sirena o un claxon particularmente molesto. Estos sonidos son portadores de una información precisa y útil allá abajo. Incluso con la práctica seríamos capaces de identificar más sonidos. Es lo que un director de orquesta lleva a cabo (con dotes naturales) durante un ensayo, localizando, por ejemplo, el violín que suena a destiempo o que está desafinado. Podemos admitir que estos sistemas se comunican con el exterior mediante un lenguaje propio que, aunque en general no a todo el mundo le es dado entender, podemos apreciar en alguna medida.
Un mensaje no puede ser codificado mediante una sucesión aleatoria de signos, símbolos o sonidos porque tiene que contener información. Hace falta un conjunto de reglas muy definidas. Si los EEG son el vestigio de la información que cruza por la red de neuronas vecinas al electrodo, no es extraño, por tanto, que puedan ser identificados determinados trazados.
El estudio de señales complejas como la de la figura 3 no es privativo de la neurofisiología, sino que es común a muchas disciplinas de la ciencia. Un geólogo trata de interpretar los trazados de su sismógrafo. El meteorólogo estudia las curvas de temperatura y presión atmosféricas. Un economista interpreta la evolución de los vaivenes bursátiles. Y un especialista en genética busca secuencias codificadas en las cadenas de ADN, por citar sólo unos pocos ejemplos. Los objetivos pueden ser muy variados. A veces se pretende prevenir un fenómeno, como el terremoto. Pero quizá caracterizarlo ya sea un gran progreso. Todo depende de cuánto se conozca sobre el mecanismo que lo origina. En el caso que nos ocupa, es bien sabido el comportamiento de una neurona de forma individual, pero no está tan claro cuando las neuronas actúan de manera colectiva.
Figura 2: Uno de los primeros electroencefalogramas registrados por Berger. El trazo superior corresponde a un ritmo alfa (el primero que se describió). El inferior es una señal patrón que se usaba para la comparación.
El descubrimiento de las leyes empíricas es el paso previo cuando no se tienen primeros principios. Generalmente parecen como leyes de escala en forma de una ley de potencias. Estas leyes capturan la esencia de un conjunto de fenómenos en el dominio de la geometría fractal. La dimensión fractal de una curva es igual a 1. Y la de una curva compleja, como en la figura 3, formada por segmentos de orientación arbitraria, puede llegar a ser 1,5. ¿Qué dimensión fractal tienen los trazados EEG? ¿Tiene alguna utilidad la dimensión fractal para clasificar la complejidad de un EEG? O, después de todo, ¿tiene alguna utilidad determinar la complejidad de un EEG?
No sólo la complejidad de una señal se puede cuantificar. Mediante la entropía de Shannon se puede estimar también la cantidad de información transportada. La idea de base es que un hecho improbable o inesperado contiene más información, y por tanto reduce más la incertidumbre, que un hecho esperado. En compensación, un hecho sorprendente es procesado con mayor dificultad. Así, la cuestión es: ¿cuánta información contiene un EEG? Y, en definitiva, ¿estimar la información y la complejidad de un EEG nos ayuda a comprender mejor la función cerebral?
En este contexto, durante la última década han surgido colaboraciones entre neurofisiólogos e investigadores de sistemas complejos, caos y dinámica no lineal con la intención de aplicar nuevos tipos de análisis de EEG. Algunos resultados comienzan a aparecer en el campo de la epilepsia, el sueño, la anestesia y enfermedades como el Parkinson y la demencia, como señalamos a continuación.
Terremotos neuronales
La epilepsia es una enfermedad más extendida de lo que pueda parecer. Se da cuando un conjunto de neuronas de una zona del cerebro inicia una actividad colectiva sincronizada que, si es bastante intensa, puede desencadenar una verdadera tormenta eléctrica, una crisis. Un ejemplo espectacular y real: puede desencadenarse por una simple lectura, si las neuronas del foco epiléptico corresponden a esta función. ¿Se pueden prevenir las crisis? Para aquellos sujetos afectados sería una ayuda valiosa, porque les permitiría tomar precauciones. La respuesta es positiva, según diferentes grupos de investigadores. Mediante técnicas de análisis no lineal se pueden identificar con minutos de antelación los precursores de las crisis epilépticas. Es como prevenir un terremoto neuronal, a todos los efectos. La idea es que previamente y durante la crisis epiléptica la dimensión fractal del EEG disminuye: hay una “pérdida de complejidad” debida a la coordinación de la población de neuronas desencadenante. Así, aunque resulta paradójico por la apariencia y el aparato de la crisis, las ondas cerebrales han reducido notablemente su complejidad. En el futuro podría aplicarse esta técnica a sistemas predictivos capaces de registrar la actividad EEG del foco epiléptico mediante electrodos intracraneales y así, si detectan los cambios característicos, permitir al sujeto tomar medidas de seguridad, algún fármaco, o incluso descargar sobre el foco impulsos eléctricos que hagan abortar al proceso.
«Sweet dreams are made of this..»
Durante el sueño, nuestra actividad cerebral experimenta numerosos cambios y completa ciclos que se distribuyen durante la noche siguiendo unos patrones de normalidad conocidos. Es signo de buena salud. Así, el sueño normal pasa progresivamente de la somnolencia al sueño superficial antes de entrar en el sueño profundo, reparador. Sin embargo, no permanecemos en él toda la noche y ocasionalmente salimos a estados de sueño ligero. El sueño REM es otra de las fases que visitamos, y se supone que dentro tiene lugar la actividad onírica. Estos cambios de fase se definen principalmente a partir de los trazados del EEG.
«A veces, se puede llegar a extraer información a partir de datos en los que aparentemente no hay más que desorden»
La dimensión fractal del EEG de vigilia se acerca al valor 1,4, es decir, cerca del comportamiento aleatorio 1,5 y por tanto el más complejo. Podemos especular que en razón de la gran cantidad de información que durante la vigilia el cerebro ha de procesar de manera simultánea, ésta viaja contenida en paquetes de muy corta duración y muy mezclada entre sí, lo que da lugar a una señal necesariamente compleja. A medida que el sueño se hace profundo, la dimensión fractal disminuye hasta el valor 1,1: la actividad cerebral se simplifica, el cerebro no tiene que procesar tanta información simultánea y los mensajes pueden viajar en trenes de ondas más largos que durante la vigilia. Eso dota al EEG de una cierta estructura y, por tanto, la complejidad media disminuye (figura 4). Vemos así que la dimensión fractal contribuye al conocimiento de la función cerebral durante el sueño. De manera más práctica, podría utilizarse en la distinción entre fases de sueño y de vigilia.
Las conclusiones que se extraen mediante el estudio de la entropía de Shannon refuerzan las anteriores. Nos indican que en el estado de vigilia, la información circula en trenes de ondas de una duración típica de la décima de segundo. Con el inicio del sueño, estos paquetes alargan su duración. En el sueño REM el trazado EEG, que es muy similar al de la vigilia (y por eso también se le conoce como sueño paradójico), corresponde a un tiempo característico de medio segundo, propio de una verdadera etapa de sueño.
Figura 4. Dimensión fractal del EEG según las etapas de sueño/vigilia. El cambio de color azul a rojo se acompaña de un crecimiento en la complejidad del EEG.
Fuera de servicio
Hay situaciones en las que las funciones cerebrales son tan anormales que la actividad del sujeto queda limitada. Un caso extremo es durante la anestesia. Estudios recientes analizan que la entropía de Shannon puede proporcionar un índice para evaluar el grado de profundidad de la anestesia. Sería algo parecido a la toma de la temperatura corporal por un simple termómetro. La idea es ajustar al máximo la dosis de anestesia que recibe el paciente durante una intervención quirúrgica.
El Parkinson y la demencia van acompañados de una dimensión fractal baja. Se trata, por tanto, de enfermedades caracterizadas por una disminución en el nivel de complejidad de la actividad neuronal colectiva. A primera vista, esta conclusión puede parecer evidente. No lo es, porque el argumento en la dirección opuesta también es consistente con la imagen clínica de estos enfermos: una dimensión fractal próxima a 1,5 se corresponde con un contenido de información prácticamente nulo.
Con el EEG tenemos a nuestro alcance una señal rica en información de la que tal vez sólo hemos llegado a descifrar una parte muy pequeña. Respecto a la caracterización del EEG mediante técnicas de análisis no lineal, los primeros resultados parecen prometedores. Por un lado, aparecen contribuciones a la caracterización de la función cerebral, y por el otro, se gana en conocimiento sobre los mecanismos colectivos del funcionamiento neuronal. Pero probablemente estamos, en este terreno tan nuevo, en una situación parecida a la que Berger vivió hace casi un siglo.
