En Cinvestav Tlaxcala exploran el uso de esta herramienta para analizar espinas dendríticas y avanzar en la comprensión de la relación entre la organización del sistema nervioso y la conducta.

Una sola neurona puede tener hasta 30 mil espinas dendríticas, pequeñas protuberancias que participan en la comunicación entre las células nerviosas, fundamentales para la neurotransmisión glutamatérgica, y que están relacionadas con procesos como el aprendizaje y la memoria. Estudiar cada una de ellas representa un desafío debido a su tamaño reducido (aproximadamente dos micrómetros de longitud) y abundancia, pero también una oportunidad para comprender con mayor precisión cómo se organizan y funcionan los circuitos neuronales.

Frente a este reto, la inteligencia artificial (IA) puede convertirse en una herramienta clave en el estudio y la comprensión de las espinas dendríticas, mediante el empleo de algoritmos capaces de identificar patrones complejos en grandes cantidades de datos experimentales.

Investigadores del Laboratorio Tlaxcala del Cinvestav, en colaboración con especialistas de la Benemérita Universidad Autónoma de Puebla (BUAP), plantean complementar técnicas tradicionales de estudio neuronal con herramientas de IA, a fin de ampliar la capacidad para analizar estas estructuras y, eventualmente, relacionar sus características con otros aspectos de la función cerebral.

Hiram Tendilla Beltrán, adscrito al Laboratorio Tlaxcala, explica que, debido a la complejidad de estas estructuras, no basta con identificarlas, es necesario distinguir sus características morfológicas a partir de imágenes de microscopía.

“Las espinas dendríticas están formadas por una cabeza y un cuello, este último generalmente muy delgado, lo que puede dificultar su identificación y diferenciación de otros elementos presentes en las muestras. En este sentido, las herramientas de IA pueden contribuir a superar esta dificultad mediante el análisis automatizado de imágenes”.

De acuerdo con el investigador, los algoritmos se enfocan en el análisis de fotografías en dos dimensiones para generar reconstrucciones tridimensionales más precisas de las espinas dendríticas, lo que permite identificar características específicas.

Esta aplicación complementa las técnicas con herramientas de procesamiento computacional. La microscopía electrónica ofrece una alta resolución para estudiar estas estructuras, pero requiere cortes ultradelgados, infraestructura especializada y procesos complejos, lo que limita su accesibilidad.

En contraste, el uso de IA con la microscopía óptica y la tinción de Golgi-Cox puede contribuir a mejorar la reconstrucción de las espinas dendríticas a partir de imágenes obtenidas con estas metodologías.

Más allá de mejorar el análisis de los datos, el interés de los investigadores está en utilizar esa información para comprender qué papel desempeñan las espinas dendríticas dentro del conjunto de conexiones del sistema nervioso.

Para ello, plantean utilizar redes neuronales capaces de incorporar, además de las características neuromorfológicas, información relacionada con la conducta y otros procesos neurobiológicos.

Esta estrategia podría ser particularmente relevante para estudiar cómo responde el cerebro ante determinadas condiciones.

Por ejemplo, en modelos experimentales de estrés crónico, los investigadores han observado modificaciones en la conducta, que pueden estar acompañados de cambios en la complejidad de las neuronas, específicamente en las espinas dendríticas.

Analizar de manera conjunta esta información podría ayudar a comprender por qué algunos individuos presentan una mayor vulnerabilidad que otros frente a una misma condición.

El interés por comprender estas diferencias también abre preguntas relacionadas con diversos procesos o alteraciones del sistema nervioso. El análisis de las espinas dendríticas puede aportar información para estudiar fenómenos asociados con trastornos del neurodesarrollo como la esquizofrenia, depresión, y envejecimiento.

La colaboración entre instituciones permite combinar diferentes capacidades, mientras el grupo del Cinvestav aporta experiencia en el estudio de la conducta en modelos animales y la tinción Golgi-Cox para visualizar la morfología de las neuronas y sus espinas, la BUAP contribuye con el análisis avanzado de imágenes y datos mediante herramientas de IA.

Para Tendilla Beltrán, a pesar de que la IA puede procesar grandes cantidades de datos y detectar patrones, si un experimento no está bien diseñado desde el inicio, con fundamentos, hipótesis y preguntas claras, el utilizar IA no va a resolver ninguna interrogante de valor.

Además, enfatiza en que su incorporación a la ciencia no significa sustituir el trabajo de las y los especialistas, porque una herramienta, por sofisticada que sea, no sustituye los protocolos con rigor científico.