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 les formes amb què el cervell expressa la seua funció és mitjançant l’activitat elèctrica que pot detectar-se amb un electroencefalograma (EEG). Aquesta tècnica senzilla, barata i no invasiva s’ha desenvolupat durant l’últim segle i ha assolit grans quotes d’utilització tant en la investigació com en el diagnòstic mèdic rutinari. Juntament amb els potencials evocats és actualment l’única tècnica de laboratori realment accessible per a l’estudi de la fisiologia cerebral. La qüestió que plantegem és: en quina mesura és posible desencriptar la informació continguda a l’EEG i revelar així el que succeix a nivells més profunds del cervell?
«L’electroencefalograma no és sols soroll neuronal»
En 1870, durant una guerra, els metges prussians Hitzig i Fritsch observaren que, en estimular mitjançant corrent galvànic determinades àrees de cervell descobertes, es produïen moviments al costat oposat del cos. Cinc anys després Richard Caton va descobrir senyals elèctrics provinents directament de la superfície de cervells exposats d’animals. Amb tot açò, a finals del segle XIX es tenien suficients proves que el cervell posseïa activitat elèctrica. Però no va ser fins 1929 quan Hans Berger anuncià al món que era possible enregistrar els dèbils corrents elèctrics que es generen al seu interior (un milió de vegades menys intensos que la pila d’un comandament a distància de TV) sense obrir el crani. Berger anomenà aquesta nova forma de registre electroencefalograma i va establir les bases d’una tècnica de gran importància en l’estudi funcional del cervell. Tardà a ser reconeguda com a vàlida pels seus col·legues fins ben entrats els anys trenta, fonamentalment pels dubtes al voltant de l’origen cerebral del senyal i per les dificultats per a reproduir els registres.
La imatge d’un cap connectat a un gran nombre de cables (figura 1) ja no ens sorprén avui. Tanmateix, resulta un exercici divertit imaginar Berger cercant voluntaris, realitzant les primeres experiències i, amb el temps, intentant convèncer la comunitat científica que uns traçats com els de la figura 2 portaven alguna informació valuosa. El cas va ser que aconseguiren descriure canvis en el nivell funcional del cervell, com per exemple el son, l’anestèsia, la hipòxia (manca d’oxigen a la sang) i en malalties nervioses com l’epilèpsia. També dugueren a terme la primera descripció de les ones que conté l’EEG, que anomenaren alfa i beta. La figura 2 correspon a un dels primers registres històrics d’un EEG. El traçat superior és un exemple d’ones cerebrals alfa. Ara com ara els registres EEG són molt més complets. S’utilitza un gran nombre d’elèctrodes col·locats sobre la superfície del crani per a explorar l’activitat funcional de les distintes àrees cerebrals (figura 1). El senyal obtingut no és igual en totes elles, hi ha patrons de normalitat en diferents situacions fisiològiques, en els successius estadis maduratius del cervell o fins i tot en l’envelliment, a més dels diversos contextos patològics. Servesca tot açò per significar que, de vegades, es pot arribar a extraure informació a partir de dades en les quals aparentment no hi ha més que desordre.
Un elèctrode aplicat sobre el crani registra la suma de potencials elèctrics procedents de milions de neurones de les zones pròximes, que principalment pertanyen al neocòrtex i estan modulades en la seua activitat per connexions i cada cert temps algunes alliberen la seua càrrega elèctrica de manera quasi instantània. Així doncs, cada punt en el traçat EEG és el resultat de la cooperació d’una multitud de neurones. L’amplitud del traçat ens parla de la grandària de la població de neurones que va alliberar la seua càrrega elèctrica en aquest temps.
Les neurones no es carreguen i descarreguen pel pur plaer de fer-ho. Aquests corrents elèctrics són el vestigi d’un flux intens d’informació fisiològica i sensorial: estímuls que arriben als receptors sensorials i s’encaminen a ser processats al cervell, ordres motores, processos associatius infracorticals (potser els més nombrosos) i cognitius, i fins i tot d’activitats vegetatives necessàries per al manteniment corporal. La perspectiva des d’un elèctrode del trànsit neuronal deu ser semblant a la que es pot tenir des del punt més alt d’un gratacel sobre el trànsit urbà escoltant el soroll que arriba de la ciutat. Enmig del caos de sons ocasionalment es distingeix una sirena o un clàxon particularment molest. Aquests sons són portadors d’una informació precisa i útil allà baix. Fins i tot amb la pràctica seríem capaços d’identificar més sons. És el que un director d’orquestra fa (amb dots naturals) durant un assaig localitzant, per exemple, el violí que sona fora de temps o està desafinat. Podem admetre que aquests sistemes es comuniquen amb l’exterior mitjançant un llenguatge propi que, encara que en general no a tothom ens és donat entendre, podem apreciar en alguna mesura.
Un missatge no pot ser codificat mitjançant una successió aleatòria de signes, símbols o sons perquè ha de contenir informació. Es necessita un conjunt de regles ben definides. Si els EEG són el vestigi de la informació que creua per la xarxa de neurones veïnes a l’elèctrode no és, per tant, estrany que puguen ser identificats determinats traçats.
L’estudi de senyals complexos com el de la figura 3 no és privatiu de la neurofisiologia, sinó que és comú a moltes disciplines de la ciència. Un geòleg tracta d’interpretar els traçats del seu sismògraf. El meteoròleg estudia les corbes de temperatura i pressió atmosfèriques. Un economista interpreta l’evolució dels vaivens borsaris. I un especialista en genètica cerca seqüències codificades en les cadenes d’ADN, per citar sols uns pocs exemples. Els objectius poden ser molt variats. En ocasions es pretén prevenir un fenomen, com un terratrèmol. Però pot ser que caracteritzar-lo ja siga un gran progrés. Tot depèn de quant es conega sobre el mecanisme que l’origina. En el cas que ens ocupa és ben conegut el comportament d’una neurona de forma individual, però no està tan clar quan ho fan de forma col·lectiva.
El descobriment de les lleis empíriques és el pas previ quan no es tenen primers principis. Generalment apareixen com a lleis d’escala en forma d’una llei de potències. Aquestes lleis capturen l’essència d’un conjunt de fenòmens i deixen aparcats els detalls. Quan la llei de potències correspon a un fenomen complex és freqüent entrar en el domini de la geometria fractal. La dimensió fractal d’una corba suau és igual a 1. I la d’una corba complexa, com en la figura 3, formada per segments d’orientació arbitrària, pot arribar a ser 1,5. Quina dimensió fractal tenen els traçats EEG? Té cap utilitat la dimensió fractal per a classificar la complexitat d’un EEG? O, després de tot, té cap utilitat determinar la complexitat d’un EEG?
No solament la complexitat d’un senyal es pot quantificar. Mitjançant l’entropia de Shannon es pot estimar també la quantitat d’informació transportada. La idea de base és que un fet improbable o inesperat conté més informació, i per tant redueix més la incertesa, que un fet esperat. En compensació, un fet sorprenent és processat amb major dificultat. Així, la qüestió és ara: quanta informació conté un EEG? I al capdavall, estimar la informació i la complexitat d’un EEG ens ajuda a comprendre millor la funció cerebral?
En aquest context, durant l’última dècada han sorgit col·laboracions entre neurofisiòlegs i investigadors de sistemes complexos, caos i dinàmica no lineal amb la intenció d’aplicar nous tipus d’anàlisi d’EEG. Alguns resultats comencen a aparèixer en el camp de l’epilèpsia, el son, l’anestèsia i malalties com el Parkinson i la demència, com assenyalem a continuació.
Terratrèmols neuronals
L’epilèpsia és una malaltia més estesa del que puga parèixer. Es dóna quan un conjunt de neurones d’una zona del cervell inicien una activitat col·lectiva sincronitzada que, si és prou intensa, pot desencadenar una veritable tempesta elèctrica: una crisi. Un exemple espectacular i real: pot desencadenar-se per una simple lectura, si les neurones del focus epilèptic corresponen a aquesta funció. Es poden prevenir les crisis? Per a aquells subjectes afectats seria una ajuda valuosa, perquè els permetria prendre precaucions. La resposta és positiva, segons diferents grups d’investigadors. Mitjançant tècniques d’anàlisi no lineal es poden identificar amb minuts d’antelació els precursors de les crisis epilèptiques. És com prevenir un terratrèmol neuronal, a tots els efectes. La idea és que prèviament i durant la crisi epilèptica la dimensió fractal de l’EEG disminueix: hi ha una “pèrdua de complexitat” deguda a la coordinació de la població de neurones desencadenant. Així, encara que resulta paradoxal per l’aparença i l’aparat de la crisi, les ones cerebrals han reduït notablement la seua complexitat. En el futur podria aplicar-se aquesta tècnica a sistemes predicatius capaços d’enregistrar l’activitat EEG del focus epilèptic mitjançant elèctrodes intracranials i així, si detecten els canvis característics, permetre al subjecte prendre mesures de seguretat, algun fàrmac o, fins i tot, descarregar sobre el focus impulsos elèctrics que avorten el procés.
‘Sweet dreams are made of this…’
Durant el son, la nostra activitat cerebral experimenta nombrosos canvis i completa cicles que es distribueixen durant la nit seguint uns patrons de normalitat coneguts. És signe de bona salut. Així, el son normal passa progressivament de la somnolència al son superficial abans d’entrar en el son profund, reparador. Tanmateix, no hi romanem dins tota la nit i ocasionalment eixim a estats de son lleuger. El son REM és una altra de les fases que visitem, i se suposa que dins té lloc l’activitat onírica. Aquests canvis de fase es defineixen principalment a partir dels traçats de l’EEG.
«…de vegades, es pot arribar a extraure informació a partir de dades en les quals aparentment no hi ha més que desordre»
La dimensió fractal de l’EEG de vigília s’aproxima al valor 1,4, és a dir, prop del comportament aleatori 1,5, i per tant el més complex. Podem especular que en raó de la gran quantitat d’informació que durant la vigília el cervell ha de processar de forma simultània, aquesta viatja continguda en paquets de molt curta durada i molt barrejada entre si, el que dóna lloc a un senyal necessàriament complex. A mesura que el son es fa profund, la dimensió fractal disminueix fins el valor 1,1: l’activitat cerebral se simplifica, el cervell no ha de processar tanta informació simultània i els missatges poden viatjar en trens d’ones més llargs que durant la vigília. Això dota l’EEG d’una certa estructura i, per tant, la complexitat mitjana disminueix (figura 4). Veiem així que la dimensió fractal contribueix al coneixement de la funció cerebral durant el son. De forma més pràctica, podria utilitzar-se en la distinció entre fases de son i vigília.
Les conclusions que s’extrauen mitjançant l’estudi de l’entropia de Shannon reforcen les anteriors. Ens indiquen que en l’estat de la vigília, la informació circula en trens d’ones d’una durada típica de la dècima de segon. Amb l’inici del son, aquests paquets allarguen la seua durada. En el son REM el traçat EEG, el qual és molt similar al de la vigília (i per això també se’l coneix com a son paradoxal), correspon a un temps característic de mig segon, propi d’una vertadera etapa de son.
Fora de servei
Hi ha situacions en les quals les funcions cerebrals són tan anormals que l’activitat del subjecte queda limitada. Un cas extrem és durant l’anestèsia. Estudis recents analitzen que l’entropia de Shannon pot proporcionar un índex per a avaluar el grau de profunditat de l’anestèsia. Seria semblant a la presa de la temperatura corporal per un simple termòmetre. La idea és ajustar al màxim la dosi d’anestèsia que rep el pacient durant una intervenció quirúrgica.
El Parkinson i la demència van acompanyats d’una dimensió fractal baixa. Es tracta, per tant, de malalties caracteritzades per una disminució al nivell de complexitat de l’activitat neuronal col·lectiva. A primera vista, aquesta conclusió pot semblar evident. No ho és, perquè l’argument en direcció oposada també és consistent amb la imatge clínica d’aquests malalts: una dimensió fractal pròxima a 1,5 es correspon amb un contingut d’informació pràcticament nul.
Amb l’EEG tenim al nostre abast un senyal ric en informació del qual tal vegada només hem arribat a desxifrar una part molt petita. Respecte a la caracterització de l’EEG mitjançant tècniques d’anàlisi no lineal, els primers resultats semblen prometedors. D’un costat apareixen contribucions a la caracterització de la funció cerebral, i de l’altre es guanya en coneixement sobre els mecanismes col·lectius del funcionament neuronal. Però probablement estem, en aquest nou terreny, en una situació semblant a la que Berger visqué fa quasi un segle.