En la Universidad alemana de Würzburg, una de las más antiguas, un equipo de neurocientíficos ha medido la actividad cerebral de 800 voluntarios para realizar predicciones sobre las puntuaciones de inteligencia individuales basadas en las diversas áreas cerebrales.
Su estudio, que difunde PNAS Nexus, hace hincapié en hallazgos cruciales: posibles diferencias en el código neuronal de distintas facetas de la inteligencia que no se pueden detectar a nivel conductual y una distribución en todo el cerebro de características cerebrales funcionales relevantes que amplía las propuestas por las principales teorías de la inteligencia.
En un contexto más amplio, estos neurocientíficos ofrecen un marco para futuros estudios de predicción que prioricen conocimientos significativos sobre la base neuronal de rasgos humanos complejos sobre el rendimiento predictivo.
Los investigadores utilizaron conjuntos de datos del proyecto de intercambio de datos a gran escala estadounidense, el Human Connectome Project. Con la ayuda de fMRI, un método de imágenes que mide los cambios en la actividad cerebral, se examinaron a más de 800 personas, tanto en reposo como mientras realizaban diversas tareas.
El equipo analizó varias conexiones que mapean la fuerza de la comunicación entre diferentes regiones cerebrales y realizó predicciones sobre las puntuaciones de inteligencia individuales basadas en estas observaciones.
Las técnicas modernas de aprendizaje automático pueden aprender tales relaciones generales en datos neuronales y, en consecuencia, se han vuelto cada vez más prominentes también en la investigación sobre la inteligencia.
Reconocen estos científicos que pretendían “cerrar esta brecha proporcionando medios y métodos ejemplares para examinar sistemáticamente la importancia de las características cerebrales para predecir rasgos humanos. Específicamente, usamos FC (conexiones cerebrales) de 806 adultos sanos evaluados durante el estado de reposo y siete estados de tarea para predecir la inteligencia general, cristalizada y fluida con modelos de aprendizaje automático no lineal. Estimamos sistemáticamente la contribución de diferentes características de conectividad cerebral probando el rendimiento predictivo de redes cerebrales individuales y combinaciones de redes con selección de conexión cerebral”.
“También comparando el rendimiento de predicción de conexiones cerebrales funcionales seleccionadas al azar con conexiones propuestas como relevantes por teorías de inteligencia establecidas, e identificando una red de conexiones cerebrales más críticas para la predicción de inteligencia usando una modificación de propagación de relevancia por capas (LRP), un método para estimar la relevancia de las características”.
“En los últimos años se han publicado muchos estudios que predicen la inteligencia a partir de las conexiones cerebrales y también logran un rendimiento predictivo bastante bueno”, recuerda Kirsten Hilger, directora del grupo. Sin embargo, los neurocientíficos cuestionan su significado más profundo, ya que las predicciones nunca serían tan precisas como los resultados de una prueba de inteligencia.
“Por lo tanto -añade- pretendíamos alejarnos de la predicción pura de las puntuaciones de inteligencia y, en su lugar, comprender mejor los procesos fundamentales del cerebro. Esperamos que esto ofrezca una mejor comprensión del código neuronal de las diferencias individuales en inteligencia«.
Estos neurocientificos distinguieron tres tipos de inteligencia en sus predicciones: la inteligencia fluida se refiere a la capacidad de resolver problemas lógicos, reconocer patrones y procesar nueva información, independientemente del conocimiento existente o las habilidades aprendidas.
La inteligencia cristalizada engloba los conocimientos y habilidades que una persona adquiere a lo largo de su vida. Esto incluye el conocimiento general, la experiencia y la comprensión del lenguaje y los conceptos. Surge a través de la educación y la experiencia.
Juntas, estas dos formas conforman la inteligencia general. El mejor desempeño predictivo se logró con la general, seguida de la cristalizada y la fluida.
Varias consideraciones teóricas determinaron qué conexiones cerebrales diferentes se examinaron. También probaron conexiones seleccionadas al azar. Una observación crucial fue su distribución en todo el cerebro, así como el número puro, que fueron más importantes para el rendimiento predictivo, mucho más que entre qué regiones cerebrales exactas se situaban las conexiones individuales.
Para Hilger, “la intercambiabilidad de las conexiones seleccionadas sugiere que la inteligencia es una propiedad global de todo el cerebro. Pudimos predecirla no solo a partir de un conjunto específico de conexiones cerebrales, sino de diferentes combinaciones distribuidas por todo el cerebro”.
Si bien las teorías establecidas a menudo se centran en áreas específicas del cerebro, como la corteza prefrontal, los resultados de este estudio sugieren que las conexiones entre regiones cerebrales adicionales son importantes.
“Las conexiones de las regiones cerebrales propuestas en los modelos neurocognitivos de inteligencia más populares produjeron mejores resultados que las conexiones seleccionadas al azar. Sin embargo, los resultados fueron aún mejores cuando se añadieron conexiones complementarias”, subraya Kirsten Hilger.