Ciencia y Tecnología
El hallazgo que reescribe los manuales de neurociencia: cada neurona alberga múltiples procesadores
Un estudio publicado en ‘Science’ demuestra por primera vez en animales vivos que las dendritas de las neuronas realizan cálculos independientes del cuerpo celular, lo que multiplica exponencialmente la capacidad de cómputo del cerebro y obliga a reconsiderar los modelos computacionales utilizados en educación e investigación.
Investigadores de la Universidad de Texas Southwestern Medical Center han obtenido la primera evidencia directa en animales vivos de que las dendritas —las ramificaciones de las neuronas— procesan información de manera autónoma, desafiando décadas de modelos que consideraban a la neurona como una única unidad de cómputo. El hallazgo, publicado el pasado mes de julio en la revista Science, revela que el cerebro humano podría tener una capacidad de procesamiento muy superior a la estimada hasta ahora, con implicaciones directas para campos como la inteligencia artificial y la neuroeducación.
Un cambio de paradigma en la comprensión del cerebro
Durante años, los manuales han descrito la neurona como un procesador único: las dendritas recogen señales, el cuerpo celular las procesa y el axón transmite la respuesta. Sin embargo, la morfología real de estas células dista mucho de los esquemas simplificados que pueblan los libros de texto. Las neuronas se extienden en complejas ramificaciones arbóreas que les permiten recibir información de miles de vecinas. “La naturaleza dedica mucho esfuerzo y energía a mantener esas estructuras ramificadas”, señala Attila Losonczy, autor principal del estudio, lo que sugiere que su función va más allá de ser meros “cables pasivos”.
El equipo de Losonczy utilizó tecnología de imagen de voltaje para registrar la actividad de neuronas individuales en el hipocampo de ratones mientras navegaban por entornos virtuales en busca de recompensas. Los resultados muestran que, en entornos familiares, la actividad de las dendritas coincidía con la del cuerpo celular. Sin embargo, al modificar la ubicación de la recompensa, algunas dendritas retuvieron información de la experiencia anterior, mientras que el cuerpo celular se adaptaba rápidamente al cambio. En entornos completamente nuevos, las dendritas se adelantaron al cuerpo celular, codificando la nueva ubicación antes de que este lo hiciera.
Implicaciones para la educación superior y la investigación
Este descubrimiento obliga a actualizar los modelos computacionales utilizados en neurociencia y disciplinas afines. Como explica Antonio Fernandez-Ruiz, neurocientífico de la Universidad de Cornell, que no participó en el nuevo trabajo: “Quizás la mejor analogía es que una neurona en sí misma es ya una red neuronal”. Esta perspectiva transforma la comprensión de procesos fundamentales como el aprendizaje y la memoria, con implicaciones para la psicología cognitiva, la inteligencia artificial y la pedagogía.
Beverley Clark, de University College London, que tampoco participó en la investigación, añade que esta capacidad independiente de las dendritas permite que cada neurona sea “super flexible”, y subraya: “Lo que ocurre en el cuerpo celular captura solo una parte del poder del cerebro. Es lo que se ve a través del árbol dendrítico lo que realmente importa”. Para las facultades y escuelas que forman a futuros neurocientíficos e ingenieros, estos hallazgos exigen una revisión de los currículos y los modelos teóricos que se enseñan en las aulas.
Consecuencias para la inteligencia artificial
La confirmación de que una neurona funciona como múltiples procesadores, y no como uno solo, tiene implicaciones directas en el desarrollo de la inteligencia artificial. Los modelos actuales de redes neuronales artificiales, inspirados en versiones simplificadas de la neurona, podrían estar infravalorando drásticamente la complejidad del cerebro humano.
Eilif Muller, investigador de la Universidad de Montreal, señala que “en la comunidad de inteligencia artificial, las dendritas están infravaloradas”, y sugiere que comprender estos mecanismos podría permitir “aprender de forma rápida pero estable”. Esta capacidad de aprendizaje rápido y estable es precisamente uno de los grandes desafíos de la IA actual. De hecho, investigaciones en computación neuromórfica ya exploran la implementación de dendritas artificiales en chips para mejorar la eficiencia energética y el rendimiento de las redes neuronales, como recoge un artículo de IEEE Spectrum sobre hardware inspirado en el cerebro.
Según un informe de Nature Electronics (2025), los avances en computación neuromórfica que imitan la plasticidad dendrítica podrían reducir el consumo energético de los modelos de IA en varios órdenes de magnitud, acercando la eficiencia del cómputo artificial a la del biológico.
Tecnología al servicio del descubrimiento
El estudio ha sido posible gracias a avances tecnológicos significativos. Los investigadores emplearon sensores de voltaje genéticamente codificados que permiten registrar directamente la actividad eléctrica con precisión temporal de diezmilésimas de segundo, en lugar de los sensores de calcio tradicionales que ofrecen una visión más indirecta. Además, se utilizó un sistema de estabilización de imagen 3D que compensa el movimiento del tejido cerebral, desarrollado por BrainVisionCenter y Femtonics Ltd., que ha permitido medir la actividad en neuronas en movimiento.
