La negatividad de desajuste, abreviada como MMN (por sus siglas en inglés, mismatch negativity), es un componente de potencial relacionado con eventos derivado de los registros de electroencefalograma (EEG). A diferencia de muchos potenciales evocados que requieren atención activa, la MMN surge de forma automática cuando un sonido "desviado" e infrecuente rompe una secuencia de sonidos "estándar" repetidos. Esta cualidad automática la hace particularmente valiosa como herramienta clínica y de investigación, ya que elimina la variable de confusión de si un paciente está cooperando o manteniendo la concentración durante la prueba.
¿Qué es la negatividad de desajuste?
La negatividad de desajuste (MMN, por sus siglas en inglés) es un componente de los potenciales provocados por eventos registrado mediante electroencefalograma (EEG) que refleja la detección automática y preatencional del cerebro ante cambios auditivos. Esta respuesta automática se evoca típicamente mediante la presentación de una secuencia de tonos estándar idénticos, seguida de un tono "desviado" infrecuente que difiere en frecuencia, duración u otras características acústicas.
El cerebro detecta esta desviación, generando una deflexión de voltaje de polaridad negativa que alcanza su punto máximo aproximadamente entre 100 y 200 milisegundos después del cambio. Registrada de manera más prominente sobre los electrodos frontales y centrales del cuero cabelludo, esta forma de onda característica sirve como el indicador principal de la negatividad de desajuste.
Dos propiedades distinguen a la MMN de otras respuestas cerebrales:
Primero, es automática. Una persona puede estar leyendo un libro, viendo una película muda o ignorando activamente los sonidos por completo, y la MMN seguirá apareciendo.
Segundo, es preatencional. El cerebro realiza la comparación entre el sonido desviado y la huella de memoria de los sonidos estándar antes de que intervenga la atención.
Estas características convierten a la MMN en un índice de la capacidad fundamental del cerebro para detectar cambios, de forma independiente a procesos cognitivos superiores que podrían estar deteriorados o ser variables entre individuos.
La contraparte magnética de la MMN, registrada mediante magnetoencefalografía y abreviada MMNm, representa el mismo proceso subyacente de detección de cambios auditivos. Debido a que la MEG ofrece una sensibilidad espacial diferente a la del EEG, la combinación de ambas modalidades de registro ayuda a los investigadores a separar las contribuciones de diferentes regiones cerebrales. La MMNm se localiza en la corteza auditiva y en las estructuras circundantes del lóbulo temporal, lo que confirma que la respuesta se origina en áreas de procesamiento sensorial en lugar de regiones asociativas superiores.
Cómo genera el cerebro la negatividad de desajuste
La generación de la MMN está impulsada por mecanismos neuronales complejos y dinámicos en la corteza auditiva, los cuales los investigadores exploran activamente a través de sofisticados modelos neurocomputacionales. Aunque no existe un único consenso a nivel celular sobre qué ocurre exactamente cuando un sonido desviado desencadena esta respuesta, dos hipótesis principales han dado forma a décadas de investigación científica: la hipótesis de la adaptación y la hipótesis del ajuste del modelo.
La hipótesis de la adaptación sugiere que las neuronas de la corteza auditiva responden a los sonidos estándar repetidos reduciendo gradualmente sus tasas de disparo, un proceso conocido como adaptación específica del estímulo. Cuando se introduce un sonido desviado poco frecuente, este activa una población separada y fresca de neuronas no adaptadas. Bajo esta perspectiva, la MMN es esencialmente una respuesta diferencial entre poblaciones neuronales adaptadas y no adaptadas.
Por el contrario, la hipótesis del ajuste del modelo propone un mecanismo cognitivo activo en lugar de una fatiga neuronal pasiva. Postula que el cerebro construye continuamente un modelo interno predictivo de su entorno auditivo. Cuando los sonidos estándar se repiten, refuerzan esta expectativa; cuando ocurre un sonido desviado, este viola la expectativa y obliga al cerebro a actualizar su representación interna. La forma de onda de la MMN, por lo tanto, refleja este proceso activo de actualización del modelo.
El marco de codificación predictiva y los modelos de neuronas de picos
Para conciliar estas explicaciones en conflicto, los investigadores recurren cada vez más a la codificación predictiva como un marco unificador. La codificación predictiva ve al cerebro como un motor de predicción activo que anticipa las entradas sensoriales para procesar la información de manera más eficiente.
La corteza auditiva aprende regularidades estadísticas de los sonidos precedentes para generar predicciones. Cuando los estímulos entrantes coinciden con estas expectativas, el procesamiento avanza sin problemas; cuando un sonido se desvía, un error de predicción se propaga a través de la jerarquía cortical. Como resultado, la MMN es la firma electrofisiológica de una señal de error de predicción.
Un modelo de neuronas de picos detallado y biológicamente plausible de la corteza auditiva respalda este marco. Este modelo estructura las neuronas excitadoras e inhibidoras en una arquitectura cortical en capas que contiene distintas unidades de procesamiento funcional:
Unidades de entrada que reciben datos sensoriales brutos.
Unidades de predicción que representan las expectativas ambientales aprendidas.
Unidades de error de predicción que señalan desajustes cuando las entradas y las predicciones entran en conflicto.
Al incorporar una regla de aprendizaje sináptico que depende de la transmisión de los receptores NMDA, esta red ajusta dinámicamente sus predicciones basándose en las estadísticas de transición de los sonidos recientes.
Este modelo computacional explica con éxito varias características clave de la MMN observadas empíricamente:
Escalamiento dependiente de la frecuencia: La amplitud de la MMN aumenta proporcionalmente a cuánto difiere el sonido desviado del tono estándar.
Sensibilidad a patrones locales: El modelo reproduce respuestas a repeticiones inesperadas en secuencias alternas (por ejemplo, registrando un error de predicción cuando una secuencia alterna ABABAB cambia repentinamente a ABABAA), lo que refleja una dependencia de las probabilidades de transición locales en lugar de reglas estadísticas globales.
Respuestas a la omisión: El modelo genera un error de predicción incluso cuando un sonido esperado se omite por completo.
Sensibilidad farmacológica: El modelo es altamente sensible a los antagonistas de los receptores NMDA, lo que coincide con estudios clínicos que muestran que el bloqueo de estos receptores reduce o elimina la amplitud de la MMN.
Además, un experimento complementario de magnetoencefalografía (MEG) validó estas afirmaciones del modelo, mostrando que las respuestas de la MMN provienen de predicciones corticales activas en lugar de una simple habituación sináptica, lo que proporciona un sólido apoyo empírico para la explicación de la codificación predictiva.
Modelos generativos e inferencia bayesiana en el procesamiento auditivo
Otro destacado modelo neurocomputacional aborda la corteza auditiva a través de la perspectiva de la inferencia bayesiana. Este marco neurocientífico modela al cerebro como un sistema que actualiza continuamente una representación generativa probabilística del mundo sensorial utilizando un filtrado bayesiano generalizado.
En este sistema, la MMN representa la actividad eléctrica colectiva generada por las neuronas de error de predicción a medida que realizan inferencias sobre los estados ocultos de la dinámica jerárquica. Este enfoque bayesiano produce formas de onda de MMN altamente realistas que reflejan los datos empíricos, capturando con precisión cómo la probabilidad y la magnitud del desvío moldean la respuesta:
A medida que un sonido desviado se vuelve más probable, la violación de la expectativa disminuye, reduciendo la amplitud de la MMN.
A medida que el sonido desviado se vuelve menos distinguible acústicamente de los estándares, la latencia de la respuesta MMN aumenta mientras que su amplitud disminuye.
En conjunto, tanto la codificación predictiva como los modelos bayesianos convergen en la misma verdad fundamental: la MMN es la firma eléctrica de un cerebro que pronostica activamente su entorno auditivo y señala cuándo la realidad sensorial entra en conflicto con las expectativas internas.
Hipótesis | Mecanismo | Idea central |
|---|---|---|
Adaptación | Las neuronas se fatigan por sonidos repetidos | Respuesta diferencial entre poblaciones adaptadas |
Ajuste del modelo | El cerebro actualiza activamente el modelo interno | La MMN refleja la violación de expectativas |
Codificación predictiva | El cerebro predice la próxima entrada sensorial | La MMN señala el error de predicción |
La MMN como biomarcador en la esquizofrenia
Desde principios de la década de 1990, diversos estudios han documentado una reducción en la amplitud de la MMN en pacientes con esquizofrenia en comparación con individuos sanos. Esta atenuación parece ser robusta y sistemática, apareciendo en distintos laboratorios, protocolos de registro y poblaciones de pacientes.
Un paradigma auditivo oddball convencional revela déficits significativos tanto en la MMN por desviación de duración como por desviación de frecuencia en pacientes con esquizofrenia. Este deterioro es tan confiable que la MMN se propone ampliamente como un biomarcador clínico: una medida fisiológica objetiva capaz de indexar la progresión de la enfermedad y probar la eficacia terapéutica.
Diferentes desviaciones acústicas rastrean distintas dimensiones de la patología:
MMN por desviación de frecuencia: La reducción de la amplitud empeora a medida que avanza la enfermedad, correlacionándose estrechamente con la duración de la enfermedad y el deterioro cognitivo y funcional. Esto convierte a la MMN por desviación de frecuencia en un marcador valioso de la progresión de la enfermedad.
MMN por desviación de duración: Los déficits en esta área siguen una trayectoria diferente y están más fuertemente vinculados a la vulnerabilidad genética, sirviendo como un marcador de rasgo que permanece relativamente estable a lo largo del tiempo.
Además, los distintos generadores neurales que contribuyen a la MMN se ven afectados de manera diferente en la esquizofrenia:
Generadores del lóbulo temporal: Las alteraciones aquí se vinculan con déficits en la percepción y discriminación auditiva básica, lo que puede contribuir a síntomas positivos como las alucinaciones auditivas.
Generadores del lóbulo frontal: La reducción de la actividad en la corteza frontal está vinculada a un deterioro en el cambio de atención, correlacionándose con síntomas negativos como el aislamiento social y el afecto plano.
Adaptación neuronal frente a detección de desviación en la esquizofrenia
Una pregunta crítica es si el déficit de la MMN en la esquizofrenia proviene de una falla en la adaptación sensorial o de una falla en la detección activa de la desviación. En un paradigma oddball estándar, estos dos procesos se confunden porque la respuesta del cerebro al tono desviado depende tanto de cómo se adapta al tono estándar repetitivo como de cómo detecta el cambio novedoso.
Para aislar estos mecanismos, Koshiyama et al. utilizaron un paradigma de control de muchos estándares (many-standards). En este diseño, se presentan múltiples tonos de frecuencias variables con la misma probabilidad, de modo que ningún tono individual se repite lo suficiente como para desencadenar la adaptación. El tono desviado se compara entonces con este fondo variado, aislando la detección de la desviación de los efectos de la adaptación.
Cuando se evaluó a pacientes con esquizofrenia utilizando ambos paradigmas, los resultados revelaron una alteración selectiva en la detección de la desviación. Mientras que su adaptación neuronal a los tonos repetidos permaneció completamente intacta, su capacidad para detectar cambios acústicos y generar un error de predicción en respuesta a un entorno alterado se vio significativamente comprometida.
Mejores prácticas metodológicas para provocar la negatividad de desajuste
El principio fundamental para registrar una MMN limpia e interpretable es presentar una regularidad auditiva (un sonido estándar repetitivo) y violar ocasionalmente esa regularidad con un sonido desviado infrecuente. La forma en que se construye esta violación determina qué aspecto del procesamiento neural se puede evaluar.
1. Principios fundamentales: Paradigma oddball estándar
El paradigma oddball estándar se basa en tres parámetros de estímulo clave que moldean de manera sistemática la respuesta MMN resultante:
Tipo de desviación: Las desviaciones pueden diferir de los estándares en varias dimensiones acústicas, como la frecuencia o la duración. En la investigación clínica a menudo se requiere incluir desviaciones tanto de frecuencia como de duración porque reflejan diferentes dimensiones de la patología neural y de la progresión de la enfermedad.
Probabilidad del desviado: Los tonos desviados con menor probabilidad generan amplitudes de MMN más grandes porque representan una ruptura más inesperada en la regularidad ambiental.
Magnitud del desviado: Diferencias acústicas más grandes entre los sonidos estándar y desviados provocan amplitudes de MMN mayores y latencias de respuesta más cortas.
2. Distinción de procesos: Paradigma oddball frente al de muchos estándares
Un paradigma oddball de estándar único confunde intrínsecamente dos procesos neuronales separados: la adaptación pasiva al estándar repetitivo y la detección activa del desviado.
Para aislar la detección de desviaciones, los investigadores utilizan el paradigma de muchos estándares. Al presentar una amplia variedad de frecuencias de tono con probabilidades iguales, la adaptación se distribuye uniformemente en todo el conjunto de estímulos.
La comparación de los paradigmas oddball y de muchos estándares dentro del mismo experimento ayuda a los investigadores a determinar si una anomalía en la MMN proviene de una adaptación deteriorada, de una detección de desviaciones deteriorada o de una combinación de ambas.
3. Evaluación de la predicción activa: Más allá del oddball estándar
Evaluar las explicaciones de la codificación predictiva requiere diseños que vayan más allá de los cambios en las características físicas simples:
Violaciones de patrones: Presentar patrones repetitivos (por ejemplo, ABABAB) establece una predicción de alternancia. Una repetición inesperada (por ejemplo, ABABAA) desencadena una MMN, lo que demuestra la detección de reglas estructurales complejas.
Paradigmas de omisión: Cuando se omite por completo un sonido predecible en una secuencia rítmica, el cerebro sigue generando una señal de error de predicción, lo que demuestra que la MMN refleja una expectativa activa en lugar de una mera habituación sensorial.
4. Localización de fuentes: EEG frente a MEG
Aunque el EEG estándar proporciona registros de superficie robustos, precisar los generadores neuronales específicos de la MMN a menudo requiere MEG. La MEG registra la contraparte magnética (MMNm) y ofrece una resolución espacial superior para desentrañar las contribuciones de los generadores del lóbulo temporal (discriminación sensorial) y de los generadores del lóbulo frontal (cambio de atención).
Conclusión
La negatividad de desajuste es una respuesta cerebral automática y preatencional ante el cambio auditivo. Surge cuando un sonido viola una regularidad establecida por estímulos precedentes, indexando la capacidad del cerebro para la memoria sensorial y la precisión perceptiva. Décadas de investigación la han consolidado como un fenómeno electrofisiológico confiable con propiedades bien caracterizadas.
Dos hipótesis principales han competido para explicar los mecanismos neuronales que subyacen a la MMN. La hipótesis de la adaptación la atribuye a la fatiga neuronal diferencial, mientras que la hipótesis del ajuste del modelo postula la actualización activa de las representaciones internas. La codificación predictiva ha surgido como un marco unificador que explica una amplia gama de características empíricas. Modelos computacionales detallados construidos sobre principios de codificación predictiva reproducen la sensibilidad de la MMN a la probabilidad del desviado, la magnitud del desviado, las repeticiones inesperadas, la omisión de sonidos y los antagonistas de los receptores NMDA. Los experimentos de MEG también respaldan la afirmación central de que la MMN refleja una predicción cortical activa en lugar de una habituación pasiva.
En la esquizofrenia, la reducción de la amplitud de la MMN es un hallazgo robusto y sistemático. La MMN por desviación de frecuencia rastrea la progresión de la enfermedad y el deterioro cognitivo, mientras que la MMN por desviación de duración puede indexar la vulnerabilidad genética. El déficit parece ser específico para la detección de la desviación, mientras que la adaptación neuronal permanece intacta. Esta especificidad tiene como objetivo identificar un objetivo claro para el desarrollo de tratamientos, y la traducibilidad de la MMN entre especies busca convertirla en un biomarcador práctico para las pruebas de fármacos preclínicas.
Registrar datos de MMN significativos requiere una metodología cuidadosa. El tipo, la probabilidad y la magnitud del desviado deben seleccionarse con referencia deliberada a los principios computacionales que rigen la respuesta. El paradigma de muchos estándares debe acompañar al oddball convencional cuando sea necesario separar la adaptación de la detección de desviaciones. Diseños no convencionales que utilizan repeticiones inesperadas u omisiones de sonido pueden probar predicciones específicas del marco de codificación predictiva. Cuando la localización de la fuente es importante, el registro de la MMNm mediante MEG complementa al EEG. Estas consideraciones metodológicas garantizan que la MMN continúe sirviendo como una herramienta precisa tanto para la neurociencia básica como para la traducción clínica.
Referencias
Garrido, M. I., Kilner, J. M., Stephan, K. E., & Friston, K. J. (2009). The mismatch negativity: a review of underlying mechanisms. Clinical neurophysiology, 120(3), 453-463. https://doi.org/10.1016/j.clinph.2008.11.029
Wacongne, C., Changeux, J. P., & Dehaene, S. (2012). A neuronal model of predictive coding accounting for the mismatch negativity. The Journal of neuroscience, 32(11), 3665-3678. https://doi.org/10.1523/JNEUROSCI.5003-11.2012
Lieder, F., Stephan, K. E., Daunizeau, J., Garrido, M. I., & Friston, K. J. (2013). A neurocomputational model of the mismatch negativity. PLoS computational biology, 9(11), e1003288. https://doi.org/10.1371/journal.pcbi.1003288
Näätänen, R., & Kähkönen, S. (2009). Central auditory dysfunction in schizophrenia as revealed by the mismatch negativity (MMN) and its magnetic equivalent MMNm: a review. International Journal of Neuropsychopharmacology, 12(1), 125-135. https://doi.org/10.1017/S1461145708009322
Koshiyama, D., Kirihara, K., Tada, M., Nagai, T., Fujioka, M., Usui, K., ... & Kasai, K. (2020). Reduced auditory mismatch negativity reflects impaired deviance detection in schizophrenia. Schizophrenia bulletin, 46(4), 937-946. https://doi.org/10.1093/schbul/sbaa006
Preguntas frecuentes
¿Qué es la negatividad de desajuste (MMN)?
La negatividad de desajuste, o MMN, es una señal cerebral eléctrica registrada con EEG que ocurre cuando un sonido "desviado" e infrecuente rompe un patrón de sonidos "estándar" repetidos. Refleja la capacidad automática del cerebro para detectar cambios y se genera incluso cuando la persona no está prestando atención a los sonidos.
¿Por qué se considera que la MMN es automática y preatencional?
La MMN es automática porque aparece incluso cuando la persona está leyendo, viendo una película o ignorando activamente los sonidos. Es preatencional porque el cerebro compara el sonido desviado con la huella de memoria de los sonidos estándar antes de que intervenga la atención consciente.
¿Cuáles son las dos hipótesis principales sobre cómo genera el cerebro la MMN?
La hipótesis de la adaptación propone que los sonidos estándar repetidos hacen que las neuronas reduzcan su tasa de disparo, de modo que un sonido desviado poco frecuente activa neuronas "frescas" que producen una respuesta mayor. La hipótesis del ajuste del modelo propone que el cerebro construye activamente un modelo interno del entorno auditivo, y la MMN refleja el proceso de actualización de ese modelo cuando un desviado viola las expectativas.
¿Cómo explica la codificación predictiva la MMN?
La codificación predictiva es un marco unificador que considera al cerebro como un sistema que predice activamente los sonidos futuros basándose en regularidades aprendidas. Cuando la entrada real se desvía de la predicción, se genera una señal de error de predicción, y la MMN se entiende como la manifestación electrofisiológica de dicho error de predicción.
¿Qué es el paradigma de muchos estándares y por qué se utiliza?
El paradigma de muchos estándares presenta muchos tonos diferentes con la misma probabilidad, de modo que ningún tono individual se repite lo suficiente como para causar adaptación neuronal. Esto permite a los investigadores aislar la detección de la desviación de los efectos de adaptación, los cuales se confunden en un paradigma oddball convencional.
¿Qué es la MMNm y en qué se diferencia de la MMN?
La MMNm es la contraparte magnética de la MMN, registrada con magnetoencefalografía (MEG) en lugar de EEG. Ofrece una mejor resolución espacial para separar las contribuciones de diferentes regiones cerebrales, como los generadores del lóbulo temporal y del lóbulo frontal.
¿Qué factores se deben considerar al diseñar un experimento de MMN?
Los investigadores deben seleccionar deliberadamente el tipo, la probabilidad y la magnitud del desviado, ya que estos parámetros moldean sistemáticamente la respuesta MMN. Los desviados con menor probabilidad y mayor magnitud producen amplitudes más grandes, y el uso de desviados tanto de frecuencia como de duración es esencial para los estudios clínicos. El paradigma de muchos estándares debe acompañar al oddball convencional cuando sea necesario separar la adaptación de la detección de desviaciones.
Emotiv es un líder en neurotecnología que ayuda a avanzar la investigación en neurociencia mediante herramientas accesibles de EEG y datos cerebrales.
Descargo de responsabilidad médica: La información proporcionada en este sitio web es solo para fines educativos e informativos y no pretende ser un consejo médico o de salud. Este contenido puede contener errores y no debe ser utilizado para tomar decisiones de salud, médicas o de estilo de vida que alteren la vida. Busque siempre el consejo de su médico u otro proveedor de salud calificado para cualquier pregunta que pueda tener con respecto a una afección o tratamiento médico.
Christian Burgos
