¿Te has preguntado alguna vez si las personas inteligentes piensan más rápido que las que no lo son tanto? Un equipo de investigadores de los laboratorios del Instituto de Salud de Berlín (BIH) y Charité – Universitätsmedizin Berlin en colaboración con un miembro del equipo de Barcelona, ha resuelto el misterio Y, sorprendentemente, al contrario de la percepción popular, las personas inteligentes no necesariamente piensan más rápido.
Y es que, aunque ante preguntas simples, las personas inteligentes suelen ser veloces en su respuesta, cuando los problemas se vuelven más desafiantes, la situación se invierte, al menos para cierto tipo de pregunta. Según las conclusiones del estudio, publicado en la revista Nature Communications, las personas más inteligentes se toman su tiempo, aumentando también sus probabilidades de que acierten en la respuesta. Así, cuando el nivel de dificultad es más alto, los que tienen un cociente intelectual alto, se toman su tiempo.

Utilizando simulaciones cerebrales personalizadas de 650 participantes, todos ellos dentro del Proyecto Human Connectome, que utiliza fMRI para observar la forma en que se activan las conexiones cerebrales cuando están desafiadas y en reposo. Los cocientes intelectuales de todos los participantes se midieron mediante pruebas convencionales y los investigadores exploraron la relación entre los patrones de activación, el CI medido y el rendimiento en las pruebas.
Los participantes con coeficientes intelectuales más altos pudieron ver rápidamente las soluciones a los problemas fáciles. Sin embargo, ese no fue el caso cuando la complejidad de los problemas aumentó. Todavía produjeron las soluciones correctas, pero les tomó mucho más tiempo responder las preguntas.
Más tiempo, pero menos errores
Observaron que los cerebros con una sincronía reducida entre áreas tienden a "sacar conclusiones precipitadas", mientras que los cerebros de individuos con puntuaciones más altas tardan más, pero cometen menos errores.
A partir de esto, desarrollaron un modelo de cerebro humano "general", que luego refinan utilizando datos individuales para crear "modelos de cerebro personalizados". “Es el equilibrio correcto de excitación e inhibición de las neuronas lo que influye en la toma de decisiones y más o menos permite que una persona resuelva problemas”, apuntan los investigadores en un comunicado de prensa.
El equipo reprodujo con éxito la actividad de los cerebros individuales y descubrió que estos cerebros "in silico" (hechos por ordenador) se comportaban de manera diferente entre sí, reflejando sus contrapartes biológicas. Los cerebros simulados representaron con precisión el rendimiento intelectual y los tiempos de reacción de los cerebros humanos originales.

Curiosamente, tanto en los sujetos humanos como en los modelos cerebrales, los cerebros "más lentos" exhibieron más sincronía. Descubrieron que una mayor coordinación temporal dentro del cerebro permitió que los circuitos de toma de decisiones en el lóbulo frontal deliberaran por más tiempo, en comparación con cerebros menos sincronizados.
"La sincronización, es decir, la formación de redes funcionales en el cerebro, altera las propiedades de la memoria de trabajo y, por lo tanto, la capacidad de 'soportar' períodos prolongados sin tomar una decisión", explica Michael Schirner, autor principal del estudio y científico del laboratorio de Ritter. “En tareas más desafiantes, debe almacenar el progreso anterior en la memoria de trabajo mientras explora otras rutas de solución y luego las integra entre sí. Esta recopilación de evidencia para una solución particular a veces puede llevar más tiempo, pero también conduce a mejores resultados.
Estos hallazgos podrían afectar significativamente nuestra comprensión de la función cerebral y los científicos exponen que resultará inmensamente útil en el manejo de enfermedades neurodegenerativas y mejorará los resultados de los pacientes ante la posibilidad de crear medicina personalizada, donde los planes de tratamiento individuales se diseñen en función de una comprensión profunda y simulada del cerebro único de un paciente. Es lo que nos espera en el futuro. Y es realmente prometedor.
Referencia:
Schirner, M., Deco, G. & Ritter, P. Learning how network structure shapes decision-making for bio-inspired computing. Nat Commun 14, 2963 (2023). https://doi.org/10.1038/s41467-023-38626-y