![\"(cc)](\"https:\/\/www.cienciacognitiva.org\/files\/2013-17-cc-Doug88888.jpg\")
(cc) Doug88888.<\/p><\/div>\n
La actividad basal del cerebro ha sido conceptualizada tradicionalmente como \u201cruido\u201d. Sin embargo, el avance en los m\u00e9todos de an\u00e1lisis de neuroimagen ha permitido descifrar patrones coherentes de actividad en este estado de \u2018reposo\u2019. Estos patrones, lejos de ser aleatorios, parecen corresponderse en parte con los sistemas cerebrales cl\u00e1sicos, lo que sugiere que nos encontramos ante un funcionamiento \u2018por defecto\u2019 de distintas redes cerebrales. Esta Funci\u00f3n Cerebral por Defecto facilitar\u00eda nuestra adaptaci\u00f3n al medio mediante una constante predicci\u00f3n y sincronizaci\u00f3n con el mismo.<\/em><\/p>\n [Versi\u00f3n en pdf]<\/a><\/p>\n Ignorada hasta hace poco m\u00e1s de 10 a\u00f1os, la Funci\u00f3n Cerebral por Defecto (DMBF, por sus siglas en ingl\u00e9s) ha aparecido como una nueva forma de estudiar el cerebro. Cl\u00e1sicamente, los estudios de neuroimagen se han centrado en determinar la activaci\u00f3n de ciertos sistemas cerebrales ante diferentes tareas. Pero, \u00bfqu\u00e9 pasa cuando no existe una tarea que realizar? El hecho de que los picos de actividad ante est\u00edmulos concretos supongan \u00fanicamente un incremento del consumo de energ\u00eda del 5% respecto al metabolismo basal cerebral sugiere que gran parte del gasto se produce bajo una situaci\u00f3n \u2018por defecto\u2019 del cerebro y, por tanto, que \u00e9sta debe tener alguna relevancia funcional (Raichle, 2010).<\/p>\n El estudio del estado \u2018en reposo\u2019 es posible gracias al avance en las t\u00e9cnicas de an\u00e1lisis de neuroimagen multivariadas, las cuales permiten analizar conjuntamente actividad en regiones cerebrales distantes en el espacio (McKeown y Sejnowski, 1998). Algunas de estas t\u00e9cnicas implican la aplicaci\u00f3n del an\u00e1lisis de componentes independientes, el v\u00f3xel semilla y la teor\u00eda de grafos (para informaci\u00f3n adicional, v\u00e9ase Cole, Smith y Beckmann, 2008; McKeown y Sejnowski, 1998; Wang, Zuo y He, 2010). Mediante su uso, se han conseguido detectar correlaciones temporales en la actividad del cerebro durante registros en los que los participantes permanecen absolutamente pasivos. Estas correlaciones en las fluctuaciones espont\u00e1neas de la actividad cerebral definen m\u00faltiples redes funcionales por defecto que est\u00e1n activas en situaciones donde no existe ninguna tarea experimental concreta (Greicius, Supekar, Menon y Dougherty, 2009; Raichle et al. 2001, Beckmann et al. 2005).<\/p>\n Pese a que esta actividad se considera espont\u00e1nea, las correlaciones revelan que las redes de activaci\u00f3n en ausencia de una tarea mantienen un patr\u00f3n similar a los sistemas cerebrales cl\u00e1sicamente entendidos (Smith et al., 2009). Por ejemplo, las \u00e1reas del sistema visual no s\u00f3lo intervienen en tareas que demandan su labor espec\u00edficamente (informaci\u00f3n visual), sino que, en ausencia de tarea, tambi\u00e9n est\u00e1n coactivas (Raichle, 2010). Es importante recalcar que este hecho es com\u00fan a todos los sistemas estudiados. Por lo tanto, no se deber\u00eda entender la DMBF como un \u00fanico sistema anat\u00f3mico con propiedades funcionales espec\u00edficas (Raichle, 2010).<\/p>\n As\u00ed, la DMBF permite de manera primordial conexiones funcionales no limitadas anat\u00f3micamente (Raichle, 2010). De esta manera, los mapas establecidos por las fluctuaciones espont\u00e1neas parecen funcionar bajo el esquema de redes de \u201cmundo peque\u00f1o\u201d. La arquitectura de estas redes se caracteriza por la existencia de una serie de nodos centrales (\u201chubs\u201d) conectados localmente de forma densa con zonas cercanas y, al mismo tiempo, enlazados entre s\u00ed mediante largas conexiones. Desde esta perspectiva, se entiende la organizaci\u00f3n cerebral como un sistema complejo eficiente en el que la flexibilidad y rapidez en el procesamiento permiten una mejor adaptaci\u00f3n al medio y la predicci\u00f3n de los eventos futuros (Dosenbach et al., 2008). Dicha eficiencia se logra, especialmente, gracias a que regiones espacialmente separadas pueden interactuar de manera r\u00e1pida. Esta visi\u00f3n en red del cerebro, en contraposici\u00f3n con los modelos cl\u00e1sicos modulares, est\u00e1 en consonancia con recientes propuestas sobre el funcionamiento cerebral de corte constructivista (Lindquist y Barrett, 2012).<\/p>\n Por tanto, la DMBF, soportada por las redes de \u201cmundo peque\u00f1o\u201d, propicia nuestra adaptaci\u00f3n al medio mediante la integraci\u00f3n de informaci\u00f3n compleja de diferente procedencia. F\u00edsicamente, esta integraci\u00f3n se lleva a cabo bajo un estado de predominancia de los potenciales corticales lentos (PCL; actividad el\u00e9ctrica pre y postsin\u00e1ptica de muy baja frecuencia) a lo largo del cerebro (Raichle, 2010). Crucialmente, los PCL estar\u00edan condicionando el resto de frecuencias de la actividad el\u00e9ctrica cerebral, relacionadas con la actividad cognitiva cl\u00e1sicamente entendida, lo cual sugiere de nuevo una importante influencia de la DMBF en los sistemas de funciones cognitivas b\u00e1sicas (He, 2013; Raichle, 2010) y superiores, como la consciencia (He y Raichle, 2009).<\/p>\n En conjunto, la interpretaci\u00f3n actual de la funcionalidad de la DMBF mantiene una clara inspiraci\u00f3n bayesiana, al entender que gran parte del cerebro trabaja como un sistema de evaluaci\u00f3n y predicci\u00f3n de la informaci\u00f3n capaz de sustentar la mayor\u00eda de nuestro comportamiento. As\u00ed, la DMBF se postula como ese estado de alta comunicaci\u00f3n entre los diferentes sistemas cerebrales a la base de nuestra interacci\u00f3n constante con el medio. S\u00f3lo cuando determinadas demandas computacionales de la situaci\u00f3n son excesivas, esta funci\u00f3n se suprime parcialmente en favor de una mayor implicaci\u00f3n de \u00e1reas cerebrales concretas, relacionadas espec\u00edficamente con los procesos requeridos (Raichle, 2010). It is a move forward from being required to know a person who knows a person. These days, you can without much of a stretch satisfy that inclination to drink or party while being underage just by having web access. You can find trusted fake id websites<\/a> by the dozen, and each has its own specific manner of making and conveying fakes.<\/p>\n Pese a las m\u00faltiples cuestiones a\u00fan por resolver, el estudio de la conectividad funcional apunta a ser esencial en lo que supone uno de los grandes retos de la ciencia actual: entender c\u00f3mo funciona el cerebro. Las aportaciones potenciales de esta estrategia de investigaci\u00f3n parecen determinantes dentro de la neurociencia cognitiva, como ponen de manifiesto el desarrollo de ambiciosos proyectos (p.ej., el Human Connectome Project: https:\/\/humanconnectome.org\/) y el descubrimiento de su relaci\u00f3n con ciertas patolog\u00edas, como el Alzheimer (Damoiseaux, Prater, Miller, y Greicius, 2012).<\/p>\n Referencias<\/strong><\/p>\n Cole, D. M., Smith, S. M, y Beckmann, C. F. (2008). Advances and pitfalls in the analysis and interpretation of resting-state FMRI data. Frontiers in Systems Neuroscience<\/em>, 4(8), 1\u201315.<\/p>\n Damoiseaux, J. S., Prater, K. E., Miller, B. L., y Greicius, M. D. (2012). Functional connectivity tracks clinical deterioration in Alzheimer\u2019s disease. Neurobiology of Aging<\/em>, 33(4), 828.e19\u201330.<\/p>\n Dosenbach, N. U. F., Fair, D. A., Cohen, A. L., Schlaggar, B. L., y Petersen, S. E. (2008). A dual-networks architecture of top-down control. Trends in Cognitive Sciences<\/em>, 12(3), 99\u2013105.<\/p>\n Greicius, M. D., Supekar, K., Menon, V., y Dougherty, R. F. (2009). Resting-state functional connectivity reflects structural connectivity in the Default Mode Network. Cerebral Cortex<\/em>, 19(1), 72\u201378.<\/p>\n He, B. J. (2013). Spontaneous and task-evoked brain activity negatively interact. The Journal of Neuroscience<\/em>, 33(11), 4672-4682.<\/p>\n He, B. J., y Raichle, M. E. (2009). The fMRI signal, slow cortical potential and consciousness. Trends in Cognitive Sciences<\/em>, 13(7), 302\u2013309.<\/p>\n Lindquist, K. A., & Barrett, L. F. (2012). A functional architecture of the human brain: Emerging insights from the science of emotion. Trends in Cognitive Sciences<\/em>, 16(11), 533-540.<\/p>\n McKeown, M. J., y Sejnowski, T. J. (1998). Independent component analysis of fMRI data: Examining the assumptions. Human Brain Mapping<\/em>, 6(5-6), 368\u2013372.<\/p>\n Raichle, M. E. (2010). Two views of brain function. Trends in Cognitive Sciences<\/em>, 14(4), 180\u2013190.<\/p>\n Smith, S. M., Fox, P. T., Millera, K. L., Glahn, D. C., Fox, P. M., Mackay, C. E., \u2026 Beckmann, C. F. (2009). Correspondence of the brain\u2019s functional architecture during activation and rest. Proceedings of the National Academy of Sciences<\/em>, 106(31), 13040\u201313045.<\/p>\n Wang, J., Zuo, X., y He, Y. (2010). Graph-based network analysis of resting-state functional MRI. Frontiers in Systems Neuroscience<\/em>, 4(16), 1\u201314.<\/p>\n Manuscrito recibido el 1 de octubre de 2013.
\nAceptado el 30 de diciembre de 2013.<\/p>\n","protected":false},"excerpt":{"rendered":"