Avances en el conocimiento y modelado computacional del cerebro autista: Una revisión de literatura

Advances in knowledge and computational modeling of the autistic brain: A literature review

Contenido principal del artículo

Eduard Puerto

Resumen

El estudio del funcionamiento del cerebro permite, no sólo el descubrimiento de sus principios, sino también en la construcción de máquinas que lo emulen cada vez más inteligentes. En ese sentido, las neurociencias están aportando importantes conocimientos sobre cómo los diferentes elementos del cerebro interactúan en el procesamiento de información, para dar origen a funciones cognitivas de alto nivel (aprendizaje, conciencia, qualía, etc.),
que caracterizan la conducta humana. Por otra parte, existen cerebros que viene con una maquinaria neuronal distinta caracterizados por sus capacidades cognitivas extraordinarias, comúnmente conocidos como autistas. A partir de estos dos hechos se planteó el siguiente interrogante. ¿Qué tanto se sabe sobre el autismo y como se ha avanzado en su modelado a nivel computacional?. Este artículo da una respuesta particular a modo de síntesis teórica del fenómeno autista y avances que a nivel computacional se han logrado en cuanto a simulación, emulación y desarrollo de herramientas de apoyo relacionados con este complejo fenómeno. Lo anterior con base en más de 50 estudios tomados de bases de datos científicas, tales como: Nature, Scopus, ACM, IEEE, Google scholar, entre otras.

Palabras clave: Neurociencia computacional, autismo, tecnologías de exploración cerebral, savant, modelos computacionales TEA, herramientas de apoyo TEA, anatomía del cerebro autista.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Referencias (VER)

Aguilar, J. (2005). A survey about fuzzy cognitive maps papers. International journal of computational cognition, 3(2),
27-33.

Alivisatos, P., Chun, M., Church, G., Greenspan, R., Roukes, M., & Yuste, R. (2012). The brain activity map project and the challenge of functional connectomics. Neuron, 74(6),
970-974.

Veros, M. (2016). VirtuaCyL: desarrollo y validación de un sistema ubicuo basado en Android para refuerzo educativo de niños con autismo dentro de la metodología Teacch (tesis máster en Inteligencia Artificial). Universidad Politécnica de Valencia, Valencia, España.

American Psychiatric Association. (2013). Diagnostic and statistical manual of mental disorders (Fifth edition). Recuperado de http://dsm.psychiatryonline.org/doi/book/10.1176/appi.books.9780890425596

Anderson, J. (2013). The architecture of cognition. Psychology Press. 340.

Baron, S, et al. (2002). Development of a new screening instrument for autism spectrum disorders - the Q-CHAT. Paper presented at the International Meeting for Autism Research. Orlando, FL.

Baron, S., Leslie, A. M., & Frith, U. (1985). Does the autistic child have a “theory of mind”?. Cognition, 21(1),
37-46.

Bellani, M., Fornasari, L., Chittaro, L., & Brambilla, P. (2011). Virtual reality in autism: state of the art. Epidemiology and psychiatric sciences, 20(03),
235-238.

Bone, D., Bishop, S., Black, M., Goodwin, M., Lord, C., & Narayanan, S. (2016). Use of machine learning to improve autism screening and diagnostic instruments: Effectiveness, efficiency, and multinstrument fusion. Journal of Child Psychology and Psychiatry, 57(8),
927-937.

Cai, D., & otros. (2013). Improved tools for the brainbow toolbox. Nature methods, 10(6),
540-547.

Carandini, M., & Heeger, D. (2013). Normalization as a canonical neural computation. Nature Reviews Neuroscience, 14(2),
152-152.

Vidal, L., Carvalho, N., & Fiszman, A. (July 1999). A neurocomputational model for autism. Proceedings oe the IV Brazilian Conference on Neural networks. Congresso Brasileiro de Redes Neurais. Sao José dos Campos, Brazil.

Castillo, T., Pérez, C., Lara, C., Somodevilla, M., Pineda, I., de Alba, K., y Romero, E. (2016). Authic: Herramienta computacional para niños con espectro autista. XVIII Simposio Internacional de Informática Educativa, Puebla, México.

Cattell, R., & Parker, A. (2012). Challenges for brain emulation: why is building a brain so difficult. Natural intelligence, 1(3),
17-31.

Cererols, R. (2011). Descubrir el Asperger (Segunda edición),
184.

Corrigan, N., Richards, T., Treffert, D., & Dager, S. (2012). Toward a better understanding of the savant brain. Comprehensive psychiatry, 53(6),
706-717.

Włodzisław, D., Wiesław, N., Jaroslaw M., Grzegorz, O., Krzysztof, D., Dariusz, M., & Grzegorz, M. (2012). Computational approach to understanding autism spectrum disorders. Computer Science, 13(2),
47-61.

Frey, J., Mühl, C., Lotte, F., & Hachet, M. (2013). Review of the use of electroencephalography as an evaluation method for human-computer interaction. Recuperado de https://arxiv.org/pdf/1311.2222.pdf

Friston, K., & Buzsáki, G. (2016). The Functional Anatomy of Time: What and when in the Brain. Trends in cognitive sciences, 20(7). 500-511.

Galitsky, B. (2013). A computational simulation tool for training autistic reasoning about mental attitudes. Knowledge-based systems, 50(C),
25-43.

Grandin, T., & Panek, R. (2013). The autistic brain: Thinking across the spectrum. Houghton Mifflin Harcourt. 253.

Happé, F., & Frith, U. (2006). The weak coherence account: detail-focused cognitive style in autism spectrum disorders. Journal of autism and developmental disorders, 36(1),
5-25.

Harper, S. (2010). nano-TAB: Specification to facilitate data exchange among nanotechnology resources. Cancer biomedical informatics grid, 32.

Houdé, O., & Tzourio-Mazoyer, N. (2003). Neural foundations of logical and mathematical cognition. Nature Reviews Neuroscience, 4(6),
507-514.

Howlin, P. (2012). Understanding savant skills in autism. Developmental Medicine & Child Neurology, 54 (6),
484-484.

Junek, W. (2007). Mind reading: The interactive guide to emotions. Journal of the Canadian Academy of Child and Adolescent Psychiatry, 16 (4),
182.

Kapur N. (1996). Paradoxical functional facilitation in brain-behavior research. A critical review. Brain, 119(5),
1775-1790.

Kitchenham, B. (2004). Procedures for performing systematic reviews. Software Engineering Group, Department of Computer Science, 33.

Kodandaramaiah, S. B., y otros. (2016). Assembly and operation of the autopatcher for automated intracellular neural recording in vivo. Nature protocols, 11(4),
634-654.

Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553),
436-444.

Li, K., Guo, L., Li, G., & Liu, T. (2009). Review of methods for functional brain connectivity detection using fMRI. Computerized Medical Imaging and Graphics, 33(2),
131-139.

Liu, E., & Konkle, A. (2016). Extreme male brain theory of autism. Revue interdisciplinaire des sciences de la santé-Interdisciplinary Journal of Health Sciences, 2(1),
32-43.

Lou, H., Changeux, J., & Rosenstand, A. (2016). Towards a cognitive neuroscience of self-awareness. Neuroscience & Biobehavioral Reviews. 75, 9.

Lovaas, O., Koegel, R., & Schreibman, L. (1979). Stimulus overselectivity in autism: a review of research. Psychological bulletin, 86(6),
1236-1254.

Markram, K., & Markram, H. (2010). The intense world theory-a unifying theory of the neurobiology of autism. doi: doi.org/10.3389/fnhum.2010.00224

Mccoy, D., Arrigoni, M., & Gallaher, N. (2015). Optogenetics research drives new laser technologies. Recuperado de http://www.laserfocusworld.com/articles/print/volume-51/issue-06/biooptics-world/biooptics-features/optogenetics-optogenetics-research-drives-new-laser-technologies.html

Men, W., Falk, D., Sun, T., Chen, W., Li, J., Yin, D., Zang, L., & Fan, M. (2013). The corpus callosum of Albert Einstein‘s brain: another clue to his high intelligence?. doi.org/10.1093/brain/awt252

Mottron, L., & Burack, J. (2001). Enhanced perceptual functionning in the development of autism. Lawrence Earlbaum Associates,148. J. Burack, T. Charman, N. Yirmiya, P. Zelazo (Eds.) (2001),
, The Development of Autism: Perspectives from Theory and Research.

Lawrence Erlbaum Associates, Mahwah. Mottron, L., Bouvet, L., Bonnel, A., Samson, F., Burack, J. A., Dawson, M., & Heaton, P. (2013). Veridical mapping in the development of exceptional autistic abilities. Neuroscience & Biobehavioral Reviews, 37(2),
209-228.

Muñoz, R., Nöel, R., Kreisel, S., y Mancilla, F. (2012). Proyect@ Emociones: software para estimular el desarrollo de la empatía en niños y niñas con trastornos del espectro autista. Nuevas Ideas en Informática Educativa, 59-64.

Neubauer, S. (2003). Tomografía por emisión de positrones (PET). Recuperado de http://www.cirujanosdechile.cl/revista_anteriores/PDF%20Cirujanos%202003_01/Cir.1_2003%20Tomografi%CC%81a%20positrone.pdf

Nguyen, A., Yosinski, J., & Clune, J. (2016). Understanding innovation engines: Automated creativity and improved stochastic optimization via deep learning. Evolutionary Computation, 24(3),
545-572.

O’Laughlin, C., & Thagard, P. (2000). Autism and coherence: A computational model. Mind & Language, 15(4),
375-392.

Ojeda, J. (2015). Un método basado en algoritmos genéticos de apoyo al diagnóstico TEA. Actas de Ingeniería, 1, 84-93.

Olds, J., Rubin, P., MacGregor, D., Madou, M., McLaughlin, A., Oliva, A.,€¦Wong, P. (2013). Implications: Human cognition and communication and the emergence of the cognitive society. Science Policy Reports, 223-253.

Ozonoff, S., Pennington, B., & Rogers, S. (1991). Executive function deficits in high-functioning autistic individuals: relationship to theory of mind. Journal of child Psychology and Psychiatry, 32(7),
1081-1105.

Parsons, S., & Cobb, S. (2011). State-of-theart of virtual reality technologies for children on the autism spectrum. European Journal of Special Needs Education, 26(3),
355-366.

Pellicano, E., & Burr, D. (2012). When the world becomes ‘too real’: a Bayesian explanation of autistic perception. Trends in cognitive sciences, 16(10),
504-510.

Plomin, R., Haworth, & Davis, O. (2009). Common disorders are quantitative traits. Nature Reviews Genetics, 10, 872-878.

Portero, P. (2016). Automatización de las torres de Hanói: Herramienta de apoyo para el estudio de la función ejecutiva “Planificación” en niños con síndrome de Asperger. CIAIQ2016, 4, 104-112.

Puerto, E. (2016). Estado actual de los estudios cerebrales a nivel computacional. Metanoia, 15.

Ramachandran, V. (2012). Lo que el cerebro nos dice. Paidós, 304-313.

Ramachandran, V., & Oberman, L. (2007). Broken mirrors: a theory of autism. Scientific American, 17, 20-29.

Rizzolatti, G., & Sinigaglia, C. (2016). The mirror mechanism: a basic principle of brain function. Nature Reviews Neuroscience, 17(12),
757-765.

Rosenberg, A., Patterson, J., & Angelaki, D.(2015). A computational perspective on autism. Proceedings of the National Academy of Sciences, 112(30),
9158-9165.

Scassellati, B. (2005). Quantitative metrics of social response for autism diagnosis. doi:10.1109/ROMAN.2005.1513843.

Selfe, L., & Nadia. (1977). Nadia: A case of extraordinary drawing ability in an autistic child. Academic Press, 143.

Son, J., & Mishra, A. (2016). A Survey of Brain Inspired Technologies for Engineering. doi: 10.1109/RoboMech.2016.7813135

Tammet, D. (2007). Born on a blue day: Inside the extraordinary mind of an autistic savant. Simon and Schuster, 240.

Tarantino, L., Mazza, M., Valenti, M., & De Gasperis, G. (2016). Towards an integrated approach to diagnosis, assessment and treatment in autism spectrum disorders via a gamified TEL system. In Methodologies and intelligent systems for technology enhanced learning, 6th International Conference, Sevilla, España.

Treffert, D., & Christensen, D. (2005). Inside the mind of a savant. Scientific American, 293(6),
108-113.

Tronnier, V., & Rasche, D. (2015). Deep brain stimulation. Textbook of Neuromodulation, 61-72.

University-of-Maryland. (2012). Tomografía por emisión de positrones (TEP). Retrieved from http://umm.edu/Health/Medical/SpanishEncy/Articles/Tomografia-por-emision-de-positrones-TEP

Vattikuti, S., & Chow, C. (2010). A computational model for cerebral cortical dysfunction in autism spectrum disorders. Biological psychiatry, 67(7),
672-678.

Welling, H. (1994). Prime number identification in idiots savants: Can they calculate them?. Journal of autism and developmental disorders, 24(2),
199-207.

Yeo, B., & Eickhoff, S. (2016). Systems neuroscience: A modern map of the human cerebral cortex. Nature, 536, 152-154.

Zimmerman, A. (Ed.). (2008). Autism: Current theories and evidence. Baltimore, EEUU