Por Ignacio Uman – Luz Bavassi es investigadora de CONICET en el Laboratorio de Neurociencias de la Memoria (LNM) del Instituto de Fisiología Biología Molecular y Neurociencias (IFIByNE UBA-CONICET). Es Licenciada y Doctora en Física (UBA). Sus investigaciones se enfocan en neurociencia de memoria, en particular estudia los cambios de la representación de una memoria en humanos y los diferentes efectos de la reactivación, desde un abordaje tanto del comportamiento como clínico. En 2021 se incorporó como docente de nuestra Maestría en Ciencia de Datos, en la materia “Data Mining en Ciencia y Tecnología”.

En esta entrevista con Predictivos, Luz nos cuenta cómo interactúan la neurociencia de la memoria, la ciencia de datos y el aprendizaje automático en sus investigaciones. También comenta sobre su experiencia de dar clases en la Maestría.

Al trabajar en Neurociencias de la Memoria, ¿qué se investiga actualmente y cuáles son los problemas que se buscan resolver?

El estudio de la memoria data de hace siglos y trata de entender por qué nos acordamos de las cosas y cómo nos la acordamos. Es un campo que particularmente es muy interdisciplinario porque se encara desde el lado de la psicología, la biología, la pedagogía y la medicina clínica. Originalmente se estudiaba a nivel comportamental, uno entendía una memoria como un cambio en el comportamiento. Pero cuando fueron avanzando las técnicas y tecnologías se empezó a analizar qué es lo que estaba pasando en el cerebro en distintos animales, cómo hacían para poder recordar, adquirir información, guardarla, procesarla, modificarla y, finalmente, usarla. Cabe recalcar que el cerebro es un sistema complejo que se puede estudiar desde muchos puntos de vista: desde qué pasa a nivel microscópico o molecular, cómo cambian los distintos componentes que se ocupan de la comunicación entre neuronas; hasta pensarlo como un todo, a gran escala, con un enfoque macroscópico donde se pueden ver fluctuaciones o activaciones de distintas regiones del cerebro o distintos potenciales eléctricos.

Hoy gracias a todos los avances tecnológicos podemos estudiar qué es lo que pasa en humanos, con técnicas como la electroencefalografía y la resonancia magnética funcional, técnicas que son relativamente económicas y no son invasivas. En particular la electroencefalografía mide potenciales eléctricos en la corteza cerebral y la resonancia magnética permite ver en qué zonas del cerebro está la mayor cantidad de consumo de sangre y de oxígeno y, por ende, mayor consumo de energía.

Claramente estas técnicas nos permiten intentar comprender qué está pasando en el momento del guardado de información o en el momento de evocar una memoria. Y así generar un enlace entre lo que se llama sistemas de memoria -cuando estudiamos el cerebro como un todo- y la parte biológica, que estudia la memoria a nivel molecular. 

¿Qué impacto tienen estos avances en el tema del aprendizaje?

En el campo pedagógico directamente con resultados comportamentales tal vez nos alcanzaría para poder tener nuevos avances. Pero en el campo de la clínica es muy importante saber qué está pasando en el cerebro para poder predecir enfermedades como Alzheimer,  o entender dónde se localizan distintas disfuncionalidades cerebrales y saber qué probables consecuencias puede tener cualquier tipo de lesión. Todo este análisis más macro del cerebro nos permite estudiar esas situaciones. Poder predecir enfermedades, trastornos o disfuncionalidades, nos ayudaría mucho al avance de esta temática.

¿Y qué experimentos se realizan puntualmente en el laboratorio?

Dentro del IFIByNE tenemos un gabinete donde hacemos distintos experimentos comportamentales mientras registramos la actividad cerebral con un EEG (electroencefalograma). Generamos una nueva memoria para estudiar cómo se mantiene esa información en el tiempo o cómo se modifica. También hacemos experimentos con el instituto FLENI, que cuenta con una población de pacientes con diferentes diagnósticos clínicos y con un resonador. Justo ahora estamos trabajando con pacientes que tuvieron amnesia global transitoria, la idea es entender por qué sucede y qué es lo que pasa en ese momento en el cerebro, así como entender las consecuencias de esos eventos.

Una cuestión importante es que el proceso de memoria o este tipo de procesos cognitivos superiores no son propios de una única región del cerebro. Sino que necesitan la comunicación de varias regiones que trabajan juntas y los cambios no se observan a nivel de regiones sino de comunicaciones o conexiones funcionales entre ellas. Por lo que al analizar los registros neurofisiológicos usamos herramientas de la Teoría de Grafos. Muchas veces tomamos medidas del estado de reposo (o resting state ) donde caracterizamos la actividad espontánea en un determinado momento (por ejemplo posterior a un aprendizaje) o para explorar la dinámica de las conexiones funcionales entre regiones cerebrales en pacientes.

Recientemente publicamos un paper sobre la mejora de la retención de la memoria episódica por un recuerdo y su reactivación a lo largo de la vida: desde jóvenes adultos hasta pacientes amnésicos (ver artículo) y otro sobre la recuperación de recuerdos reentrenados y reconsolidados y su asociación con redes neuronales (ver artículo).

Además hay una diversidad enorme de personas y por ende de cerebros…

Así es, existe mucha variabilidad dentro de los datos que analizamos. Por eso, muchos de los estudios tienen una fuerte etapa exploratoria, donde entra en gran medida la ciencia de datos. Muchas veces sabemos que un paciente que tiene tal patología o una probabilidad de llegar a tenerla, a veces tenemos hipótesis dónde o qué buscar, pero no siempre, por lo que tenemos que analizar los datos desde diferentes òpticas, abarcando diferentes variables, para poder extraer alguna propiedad que nos permita hacer proyecciones. Además, todos los registros tienen alta dimensión, por ejemplo, con FMRI estudiamos la dinámica del cerebro segmentado en un montón de voxels, lo que implica un análisis de reducción de la dimensionalidad para poder entender los datos.

¿Y cómo entra la inteligencia artificial, en particular el aprendizaje automático, en estos estudios?

El aporte principal en este caso de IA son los métodos de clasificación. Por ejemplo, a veces tenemos que caracterizar los marcadores neurales entre un grupo de personas que tienen Alzheimer y otras que no. Por otro lado, en el Laboratorio, donde trabajamos con personas clínicamente sanas, la clasificación es a partir del comportamiento, si aprendió más o menos, qué le pasó a la memoria. En ambos casos, usamos técnicas de clustering y algoritmos de aprendizaje supervisado como Support-Vector Machine, para poder identificar propiedades en la actividad cerebral que nos permita identificar los diferentes casos. También, usamos herramientas y algoritmos de Teoría de Grafos, para poder entender la dinámica y los cambios en las conexiones de las redes cerebrales.

Saliendo del ámbito de la investigación, el año pasado te incorporaste como docente de la Maestría a la materia de primer año “Data Mining en Ciencia y Tecnología”. ¿Podrías contarnos sobre tu experiencia en las clases?

El año pasado me sumé a dar clases en la maestría, junto a Juan Kamienkowski. Me resulta súper desafiante el posgrado, porque los cursantes siempre son de disciplinas diversas. Usualmente doy clases para estudiantes de carreras de grado que pertenecen al campo académico y es bastante diferente. Trabajando en ciencia, como física, me interesa que se lleven la importancia de tener una hipótesis previa al análisis de datos, una idea de adónde uno quiere llegar. Tener un norte, estructura cómo va a ser el camino del procesamiento y análisis de los datos, ayuda a la selección de algoritmos que mejor se ajusta a los datos y enriquece la discusión de los resultados obtenidos.

En la Maestría se da una interacción muy productiva entre lo que aprendo de ellos y lo que puedo enseñarles. Muchas veces algún estudiante trabaja en alguno de los temas que dictamos y comparte con el curso su experiencia y su conocimiento. La verdad que el background de los alumnos hace la clase más entretenida, disparando siempre discusiones muy ricas. Muchas veces, los docentes nos encontramos actualizándonos en herramientas que nos presentan los alumnos para resolver los trabajos prácticos. En definitiva, el desafío viene de buscar cómo hacer la materia más interesante y práctica.

Se busca Tesista de Maestría para el proyecto “Marcadores cerebrales de la Amnesia Global Transitoria: un estudio de resonancia magnética funcional”

Desde el LNM IFIByNE estamos en la búsqueda de un/a estudiante de posgrado para realizar una tesis de Maestría. El proyecto se realiza con el Instituto FLENI y consiste en la identificación entre personas que hayan sufrido este evento amnésico que dura 24 horas, poder identificar si hay algún tipo de marca que queda de haber sufrido ese evento amnésico, o algún tipo de predictor que nos diga si esa persona puede volver o no a tener ese evento, que resulta traumático para las personas. Contamos con muchísimos datos de resonancias magnéticas funcionales (más de 40) y la tarea consiste en hacer todo el trabajo de procesamiento y clasificación de las imágenes. Además como grupo control tenemos un grupo diverso de personas que no sufrieron ese evento. La idea es poder clasificar los dos tipos de resonancias magnéticas y analizar los datos usando todo el bagaje de conocimiento que tienen alumnos y alumnas que cursan la Maestría (ver proyecto completo). Contacto: luzbavassi@gmail.com