Imágenes: un indicio esencial para el estudio de la mente

Investigadores del Laboratorio de Inteligencia Artificial Aplicada desarrollan un proyecto piloto para analizar imágenes que permitan representar estados mentales alterados. De este modo, buscan armar un diccionario de elementos de imágenes presentes en los cuadros de Vincent Van Gogh, que posibiliten recorrer alguna trayectoria de pensamiento, determinar atributos en esas imágenes e identificar patrones asociados a trastornos específicos. Con ese fin, entrenan redes profundas que permitan conformar un modelo robusto en inteligencia artificial.

Desde el Laboratorio de Inteligencia Artificial Aplicada (LIAA) del ICC, se estudian distintos productos del pensamiento a través de sofisticadas técnicas y herramientas computacionales. En el contexto de este enfoque -neurociencia computacional aplicada- que apunta a utilizar la computación para colaborar en el entendimiento del comportamiento humano, existe un área definida como “Psiquiatría Computacional” (ver nota anterior del ICC) en la cual se ha desarrollado una vasta experiencia hacia el objetivo de caracterizar estados mentales alterados a través del discurso del paciente.

Hasta el momento los investigadores han trabajado en herramientas de análisis de texto o audio sobre discursos expresivos de pacientes psiquiátricos, pudiendo medir alteraciones en pacientes que padecen esquizofrenia y predecir con efectividad cuáles de ellos tendrán un brote psicótico. Sin embargo, en este contexto los científicos del LIAA también se han interrogado si las imágenes no serían una medida indirecta de lo que sucede en el cerebro. “Hace muchísimo tiempo que la psicología experimental pide a los pacientes que dibujen, no sólo que hablen. Las teorías importantes de psicoanálisis se basan en la caligrafía y en la interpretación de imágenes, dibujos  o sueños de pacientes para poder estudiar posibles patologías. Nuestra pregunta entonces es: ¿Por qué no armar un diccionario de elementos de imágenes que permita caracterizar estados mentales alterados?”, plantea Diego Fernández Slezak, director del LIAA e investigador de CONICET en el ICC.  

El investigador comenta que, ante esta fuerte inquietud del grupo de trabajo, decidieron encarar un proyecto piloto para ensayar la idea de analizar imágenes. Tomaron el caso del pintor holandés Vincent Van Gogh, un artista del siglo XIX muy estudiado al que se le conocen una infinidad de textos debido a que tuvo un intercambio muy fluído con su hermano Theo a través de cartas. Además Van Gogh pintó unos 900 cuadros y más de 1600 dibujos a lo largo de toda su vida, definiendo un lenguaje propio de imágenes y fue conocido por las enfermedades mentales que padeció, que de hecho lo llevaron al suicidio. Cabe recalcar que de acuerdo a la biibliografía existente, aparecen distintas hipótesis de diagnóstico sobre los trastornos del pintor, que van desde trastornos bipolares y esquizofrenia hasta epilepsia del lóbulo temporal.

“Estamos armando un diccionario de elementos de imágenes en los cuadros de Van Gogh que nos permita generar una representación de su estado mental a partir de las imágenes, al igual que como lo hacíamos con texto”, precisa Fernández Slezak. Para ello, los investigadores del LIAA analizan y segmentan las imágenes de los cuadros y buscan detectar atributos que permitan representar esos estados mentales a partir de los dibujos.

Para cumplir con esa tarea se toman los cuadros, se entrenan redes profundas con esos cuadros para generar un modelo y desde el modelo se pueden extraer atributos que en definitiva son vectores que aprenden de estas redes. “De esta manera podemos representar a los cuadros de Van Gogh como un conjunto de vectores de estos atributos, seguir la trayectoria de estos atributos e identificar patrones en esas trayectorias asociados a estados mentales alterados. A partir de allí armamos un diccionario de atributos y vemós cómo se comportan a lo largo del tiempo”, puntualiza el investigador y doctor en ciencias de la computación.

En base a esta primera prueba piloto los investigadores podrían entender cómo era el arte específico de Van Gogh cuando se cortó la oreja e intentar determinar si los atributos de esos dibujos tienen robustez suficiente para detectar estados mentales alterados. Fernández Slezak aclara que este es un primer paso para trabajar con imágenes en psiquiatría computacional, y que si el modelo les llegara a funcionar abriría una puerta importante para poder ser utilizado en la comunidad psicoanálitica o psiquiátrica, que comúnmente recurre a la técnica de interpretar imágenes para realizar diagnósticos o  tratamientos. “Es un camino a explorar, el proyecto recién empieza. A futuro si el modelo es válido se podría convocar a psicólogos afines a estas actividades de investigación, armar un grupo control, evaluar qué tipo de entrevistas psicoanáliticas se pueden llegar a implementar, hacerlas en el grupo control, ver si eso funciona bien, y después ir adaptando el modelo a pacientes depresivos o trastornos obsesivos compulsivos. Claramente hay varias patologías que podrían ser atacadas con este proyecto”, concluye el director del Laboratorio de Inteligencia Artificial Aplicada.

Deep Learning como aliado estratégico de las imágenes

De acuerdo a los investigadores del LIAA, el valor agregado de usar Deep Learning en este tipo de proyectos consiste en que no están forzados a decidir cuáles son los atributos que cada investigador quiere mirar en la imagen antes de analizarla. En este sentido, la vieja escuela de análisis de imágenes con redes neuronales buscaba bordes, contrastes, texturas, objetos, etc. Por ende, el investigador iba eligiendo cuáles eran los atributos a buscar. 

Sin embargo, ahora se pueden entrenar estas redes e ir a buscar cuáles son los atributos que se usaron para detectar lo que finalmente se detectó. “Las redes definen cuáles son los atributos a buscar, con Deep Learning de golpe uno puede empezar a ganar cierto ‘insight` de cuáles son los atributos interesantes a tener en cuenta por este tipo de técnicas”, explican. 

La Inteligencia Artificial (IA) desde lo macro y lo micro. 

Ante la pregunta sobre en qué estado del arte se encuentra la IA y cómo visualizan este tema desde el Laboratorio del ICC, el investigador Diego Fernández Slezak reflexiona al respecto: 

“Si bien nuestro objeto de estudio es observar y entender si la computadora puede replicar de algún modo el comportamiento humano, es decir, una combinación de problemas entre cerebro y máquina, aún no podemos analizar cualquier cosa del cerebro sino que tratamos de simplificar el objeto de estudio a aquello que podemos manejar. Me refiero a que estudiamos aquellos productos de pensamiento más estereotipados que se puedan medir cuantitativamente y traducirse a una computadora pero no podemos modelar sensaciones como el amor o el odio.

Hay una analogía para explicar esto que me gusta mucho que es la analogía de la Termodinámica. En la física del siglo XIX se conocen diversos fenómenos de la termodinámica como el calor, la presión, la temperatura, etc. pero no se entendía cómo era que los átomos se combinaban, se movían e interactuaban para generar esos fenómenos macroscópicos que podíamos medir con un termómetro. En algún momento apareció la Mecánica Estadística, que resolvió el problema de las teorías termodinámicas. Entonces explicó las conexiones entre átomos, combinaciones de átomos, fenómenos y las interacciones entre ellos, cómo es que fríamente se unían, se movían, se combinaban y generaban estos efectos macroscópicos. Esta teoría de termodinámica es lo que permitió conectar el mundo macroscópico de los fenómenos que vemos y podemos medir con el mundo microscópico del hardware que implementa esos fenómenos (los átomos y sus combinaciones).

La propia analogía nos lleva a entender qué es lo que estamos investigando en el cerebro. Actualmente ni siquiera sabemos medir los fenómenos macroscópicos (el comportamiento humano y sus productos de pensamiento), no tenemos ese termómetro o medidor de presión para poder desarrollar una teoría que unifique el conocimiento sobre cómo es que llegamos de neuronas e impulsos eléctricos a la sensación de dolor, amor o estados mentales alterados. Esto nos explica en qué estadío estamos y por qué hacemos lo que hacemos, por qué nos concentramos en tratar de entender con una lupa macroscópica cómo es que el cerebro está funcionando y lo que nos dice claramente esa analogía es que hasta que no tengamos bien definido los fenómenos macroscópicos, visibles y fáciles de entender, difícilmente podamos contar con una teoría que logre conectar ese funcionamiento del cerebro con el comportamiento humano. Estamos hablando de neuronas que se conectan en módulos que pueden ser el cerebelo y las distintas áreas del cerebro, el hemisferio izquierdo y el derecho, y todavía no tenemos un termómetro que pueda medir calor a nivel macroscópico. Por ello se hace muy difícil esa traducción de teorías de la mente.

Ese es el ‘paraguas’ en que nos paramos desde nuestro Laboratorio para atacar distintos problemas, desde el lugar macroscópico del habla, los fenómenos en la comunicación humana y el análisis de texto y audio, y también desde imágenes del cerebro, que sería más a nivel microscópico, tratar de entender las señales eléctricas que se provocan en el cerebro y cómo esto eventualmente puede conectarse con algún fenómeno macroscópico. Entonces, en nuestra actividad de investigación lo atacamos desde dos lugares pero aún no tenemos un entendimiento de ninguno de los dos lados, por lo que mucho menos tenemos una teoría unificadora que logre conectar esos dos mundos. Es, en definitiva, el norte hacia donde se dirige el área de neurociencia computacional.”