Una rebanada pegajosa de pizza. Un montón de papas fritas crujientes. Helado goteando por un cono en un caluroso día de verano. Cuando miras cualquiera de estos alimentos, una parte especializada de tu corteza visual se ilumina, según un nuevo estudio de neurocientíficos del MIT.

Esta población recién descubierta de neuronas que responden a los alimentos se encuentra en el flujo visual ventral, junto con poblaciones que responden específicamente a rostros, cuerpos, lugares y palabras. El hallazgo inesperado puede reflejar el significado especial de los alimentos en la cultura humana, dicen los investigadores.

«La comida es fundamental para las interacciones sociales humanas y las prácticas culturales. No es solo el sustento», dice Nancy Kanwisher, profesora Walter A. Rosenblith de Neurociencia Cognitiva y miembro del Instituto McGovern para la Investigación del Cerebro y del Centro para Cerebros, Mentes y Máquinas del MIT.. «La comida es fundamental para tantos elementos de nuestra identidad cultural, práctica religiosa e interacciones sociales, y muchas otras cosas que hacemos los humanos».

Los hallazgos, basados ​​en un análisis de una gran base de datos pública de respuestas del cerebro humano a un conjunto de 10.000 imágenes, plantean muchas preguntas adicionales sobre cómo y por qué se desarrolla esta población neuronal. En estudios futuros, los investigadores esperan explorar cómo las respuestas de las personas a ciertos alimentos pueden diferir según sus gustos y disgustos, o su familiaridad con ciertos tipos de alimentos.

El postdoctorado del MIT Meenakshi Khosla es el autor principal del artículo, junto con el científico investigador del MIT N. Apurva Ratan Murty. El estudio aparece en la revista Current Biology.

Categorías visuales

Hace más de 20 años, mientras estudiaba el flujo visual ventral, la parte del cerebro que reconoce objetos, Kanwisher descubrió regiones corticales que responden selectivamente a las caras. Más tarde, ella y otros científicos descubrieron otras regiones que responden selectivamente a lugares, cuerpos o palabras. La mayoría de esas áreas se descubrieron cuando los investigadores se propusieron buscarlas específicamente. Sin embargo, ese enfoque basado en hipótesis puede limitar lo que termine encontrando, dice Kanwisher.

«Podría haber otras cosas que quizás no pensemos en buscar», dice ella. «E incluso cuando encontramos algo, ¿cómo sabemos que eso es en realidad parte de la estructura dominante básica de ese camino, y no algo que encontramos solo porque lo estábamos buscando?»

Para tratar de descubrir la estructura fundamental de la corriente visual ventral, Kanwisher y Khosla decidieron analizar un gran conjunto de datos disponible públicamente de respuestas de imágenes de resonancia magnética funcional (fMRI) de cerebro completo de ocho sujetos humanos mientras veían miles de imágenes.

«Queríamos ver cuándo aplicamos una estrategia basada en datos y libre de hipótesis, qué tipos de selectividades aparecen y si son consistentes con lo que se había descubierto antes. Un segundo objetivo era ver si podíamos descubrir nuevas selectividades que no se han formulado hipótesis antes, o han permanecido ocultos debido a la resolución espacial más baja de los datos de fMRI», dice Khosla.

Para ello, los investigadores aplicaron un método matemático que les permite descubrir poblaciones neuronales que no pueden identificarse a partir de los datos tradicionales de IRMf. Una imagen de resonancia magnética funcional se compone de muchos vóxeles, unidades tridimensionales que representan un cubo de tejido cerebral. Cada vóxel contiene cientos de miles de neuronas, y si algunas de esas neuronas pertenecen a poblaciones más pequeñas que responden a un tipo de entrada visual, sus respuestas pueden quedar ahogadas por otras poblaciones dentro del mismo vóxel.

El nuevo método analítico, que el laboratorio de Kanwisher ha utilizado previamente en datos de fMRI de la corteza auditiva, puede desentrañar respuestas de poblaciones neuronales dentro de cada vóxel de datos de fMRI.

Usando este enfoque, los investigadores encontraron cuatro poblaciones que correspondían a grupos previamente identificados que respondían a rostros, lugares, cuerpos y palabras. «Eso nos dice que este método funciona, y nos dice que las cosas que encontramos antes no son solo propiedades oscuras de esa vía, sino propiedades importantes y dominantes», dice Kanwisher.

Curiosamente, también surgió una quinta población, y esta parecía ser selectiva para las imágenes de alimentos.

«Al principio nos desconcertó bastante esto porque la comida no es una categoría visualmente homogénea», dice Khosla. «Cosas como las manzanas, el maíz y la pasta se ven muy diferentes entre sí, pero encontramos una sola población que responde de manera similar a todos estos alimentos diversos».

La población específica de alimentos, que los investigadores denominan componente alimentario ventral (VFC), parece estar distribuida en dos grupos de neuronas, ubicadas a ambos lados de la FFA. El hecho de que las poblaciones de alimentos específicos se distribuyan entre otras poblaciones de categorías específicas puede ayudar a explicar por qué no se han visto antes, dicen los investigadores.

«Creemos que la selectividad alimentaria había sido más difícil de caracterizar antes porque las poblaciones que son selectivas para los alimentos se entremezclan con otras poblaciones cercanas que tienen respuestas distintas a otros atributos de estímulo. La baja resolución espacial de la IRMf nos impide ver esta selectividad porque las respuestas de diferentes poblaciones neuronales se mezclan en un vóxel», dice Khosla.

Alimentos vs no alimentos

Los investigadores también usaron los datos para entrenar un modelo computacional del VFC, basado en modelos anteriores que Murty había desarrollado para las áreas de reconocimiento de lugares y rostros del cerebro. Esto permitió a los investigadores realizar experimentos adicionales y predecir las respuestas del VFC. En un experimento, alimentaron al modelo con imágenes combinadas de alimentos y artículos no alimentarios que se veían muy similares, por ejemplo, un plátano y una luna creciente amarilla.

«Esos estímulos coincidentes tienen propiedades visuales muy similares, pero el atributo principal en el que difieren es comestible versus no comestible», dice Khosla. «Podríamos alimentar esos estímulos arbitrarios a través del modelo predictivo y ver si todavía respondería más a los alimentos que a los no alimentarios, sin tener que recopilar los datos de fMRI».

También podrían usar el modelo computacional para analizar conjuntos de datos mucho más grandes, que consisten en millones de imágenes. Esas simulaciones ayudaron a confirmar que el VFC es altamente selectivo para imágenes de alimentos.

A partir de su análisis de los datos de fMRI humanos, los investigadores encontraron que en algunos sujetos, el VFC respondió un poco más a los alimentos procesados ​​como la pizza que a los alimentos no procesados ​​como las manzanas. En el futuro, esperan explorar cómo factores como la familiaridad y el gusto o disgusto por un alimento en particular pueden afectar las respuestas de las personas a ese alimento.

También esperan estudiar cuándo y cómo esta región se especializa durante la primera infancia y con qué otras partes del cerebro se comunica. Otra pregunta es si esta población selectiva de alimentos se verá en otros animales como los monos, que no le dan a la comida el significado cultural que le dan los humanos.

La investigación fue financiada por los Institutos Nacionales de Salud, el Instituto Nacional del Ojo y la Fundación Nacional de Ciencias a través del Centro de Cerebros, Mentes y Máquinas del MIT.