Modelo cerebral biológico iguala animais na aprendizagem e abre novas descobertas

Novo modelo biomimético de circuitos cerebrais, baseado na biologia, aprendeu tarefa simples de categorização visual com desempenho similar ao de animais, sem usar dados de experimentos com animais.
O modelo foi desenvolvido do zero para reproduzir conectividades neuronais e a comunicação elétrica e química entre regiões cerebrais, incluindo cortex, tronco encefálico, estriado e uma estrutura denominada neurônio ativo tonal (TAN).
Durante o aprendizado, houve sincronização entre cortex e estriado na faixa beta, associada às decisões corretas de classificação, assim como ocorre nos animais.
Cerca de 20 por cento das neurônios apresentaram atividade “incongruente” que previa erro; quando esses neurônios influenciaram redes, houve erro na classificação, sinal observado também em dados de animais.
Pesquisadores planejam ampliar o modelo, testar intervenções e aplicações em neurotecnologia e fármacos; a equipe envolve Dartmouth, MIT e Stony Brook, com financiamentos de fundações e instituições de apoio.

Desenvolvimento biomimético avança em simulação cerebral

Um novo modelo computacional, inspirado de forma próxima à biologia, aprendeu uma tarefa simples de categorização visual tão bem quanto animais de laboratório. Além disso, revelou comportamentos neurais curiosos ainda não vistos em dados de experiments com animais.

O modelo foi criado do zero para reproduzir conectividade e comunicação química e elétrica entre regiões cerebrais. Não houve treino com dados de experiments com animais; o desempenho vem de regras neurobiológicas embutidas no desenho.

Aplicado à tarefa de observar padrões de pontos e decidir a qual grupo eles pertencem, o modelo gerou atividade neural e resultados comportamentais muito próximos aos observados em animais. Progresso de aprendizado foi semelhante ao animal.

Como nasceu o modelo e o que ele faz

O desenho incorpora microcircuitos chamados de primitives, que simulam conexões entre neurônios excitadores e inibidores, em uma arquitetura de competição tipo winner-take-all. Circuits conectam cortex, brainstem, striatum e uma estrutura de acetilcolina.

Ao longo do aprendizado, o modelo exibiu sincronização entre cortex e striatum na faixa beta das oscilações, associada a respostas corretas na tarefa. A dinâmica é alinhada a padrões observados em pesquisas com animais.

Foi identificada uma fração de neurônios — cerca de 20% — cuja atividade associou-se de forma previsível ao erro. Quando influenciavam redes, o modelo cometia equívocos na categorização.

Implicações e próximos passos

Os pesquisadores questionam se tais neurônios incongruentes podem ter função adaptativa quando regras mudam, sugerindo exploração de alternativas de comportamento. A equipe planeja ampliar regiões e neuromoduladores no modelo.

O estudo visa não apenas entender o funcionamento do cérebro, mas testar intervenções terapêuticas em estágios iniciais. A iniciativa envolve Dartmouth, MIT e Stony Brook, com a criação da Neuroblox.ai para aplicações biotecnológicas.

Financiamento veio de Baszucki Brain Research Fund, Office of Naval Research e Freedom Together Foundation. A pesquisa foi publicada na Nature Communications.