Juan Moisés De La Serna: Aproximación A Las Neuromatemáticas: El Cerebro Matemático

Aproximación a las Neuromatemáticas

El Cerebro Matemático

Juan Moisés de la Serna

Editorial Tektime

2020

“Aproximación a las Neuromatemáticas: el Cerebro Matemático”

Escrito por Juan Moisés de la Serna

1ª edición: febrero 2020

© Juan Moisés de la Serna, 2020

© Ediciones Tektime, 2020

Todos los derechos reservados

Distribuido por Tektime

https://www.traduzionelibri.it

No se permite la reproducción total o parcial de este libro, ni su incorporación a un sistema informático, ni su transmisión en cualquier forma o por cualquier medio, sea éste electrónico, mecánico, por fotocopia, por grabación u otros medios, sin el permiso previo y por escrito del editor. La infracción de los derechos mencionados puede ser constitutiva de delito contra la propiedad intelectual (Art. 270 y siguientes del Código Penal).

Diríjase a CEDRO (Centro Español de Derechos Reprográficos) si necesita fotocopiar o escanear algún fragmento de esta obra. Puede contactar con CEDRO a través de la web www.conlicencia.com o por el teléfono en el 91 702 19 70 / 93 272 04 47.

Mucho se ha hablado de las matemáticas en los últimos años sobre todo en cuanto a la necesidad de una educación aplicada a edades tempranas, por ejemplo en el caso de la economía, como forma de preparar a los menores para su futuro desempeño como ciudadano.

Incluso se han producido mejoras en los procesos de aprendizaje relacionados con la incorporación de nuevas herramientas pedagógicas importadas de otros países.

Pero la mayor revolución se ha producido desde las neurociencias y el avance que ha tenido en los últimos años lo que ha permitido estudiar y comprender el funcionamiento del cerebro mientras desarrolla funciones como las matemáticas.

De ahí la necesidad de contar con obras actualizadas que aborden las distintas temáticas relacionado con el campo de las neurociencias y las matemáticas.

Un libro accesible para todos los que quieran profundizar en el conocimiento del cerebro, y cómo aprovechar su potencial en cuanto a la educación matemática se refiere.

Cuando uno piensa en un genio matemático lo suele hacer de alguien especialmente dotado, capaz de resolver casi cualquier problema, y al que apenas le cuesta encontrar las soluciones. En este texto se abordará el concepto de inteligencia matemática, prestando especial atención al cerebro, y cómo este va a facilitar la labor de la formación en el área de las matemáticas. Todo ello basado en los principios del aprendizaje y en el desarrollo de las habilidades cognitivas necesarias para las matemáticas.

Hablar de genialidad es hacerlo de alguien especialmente dotado para una o varias áreas, ya sea para la música, la pintura o las matemáticas. Si bien la sociedad reconoce a algunos genios por sus obras y producciones, en ocasiones los avances de determinadas áreas no son suficientemente admirados como en el caso de las matemáticas. Cautivarse al ver un cuadro o al escuchar una partitura realizada por un genio, es relativamente fácil y provoca en el espectador cierta sensación de pequeñez, pero cuando se trata de las matemáticas genera desconcierto y falta de entendimiento.

Si le preguntamos a cualquier persona por el nombre de genios, seguramente será capaz de mencionar a más de un personaje histórico, así en el caso de la pintura, puede que señale a Manet, Rubens, Van Gogh, Picasso,…; en la filosofía, Aristóteles, Sócrates, Descartes,…; en la música Mozart, Beethoven, Verdi,…; pero ¿y si esa misma pregunta se le realiza sobre las matemáticas?, ¿cuántos matemáticos famosos sería capaz de recordar?, seguro que mencionaría a Einstein, y puede que a Newton, incluso recuerde a Pitágoras, pero pocos más será capaz de indicar.

Pero este libro no quiere quedarse únicamente en la descripción de lo que hace diferente a un genio matemático con respecto a los demás, sino que va un poco más allá, aproximándose desde las neurociencias a esta temática, es decir descubriendo cómo funciona el cerebro cuando se ha de enfrentar a una tarea matemática.

Si bien el estudio del cerebro no es reciente, en los últimos años se ha producido una gran acumulación de información sobre este órgano y su funcionamiento, gracias al avance de la técnica, especialmente de las no invasivas, que permiten comprobar cómo opera el cerebro mientras se están realizando algunas actividades, en el caso que nos ocupa en este libro, mientras se resuelven tareas matemáticas.

Un pequeño inciso para realizar una distinción entre técnicas invasivas y no invasivas, la primera hace referencia a aquellas técnicas que requieren una manipulación directa del cerebro, y que suelen conllevar operaciones quirúrgicas o implantes neuronales entre otros; en cambio, las técnicas no invasivas son aquellas que nos permiten saber sobre el cerebro y su funcionamiento desde el exterior, gracias a procesos de inferencia, precisamente basado en cálculos matemáticos.

Así las técnicas no invasivas más empleadas y conocidas son las referentes al EEG (ElectroEncefaloGrama) que recoge la información del cuero cabelludo y a partir de ahí se infiere cómo está funcionando el cerebro; el TAC (Tomografía Axial Computarizada) que permite obtener imágenes mediante rayos X; o la RMf (Resonancia Magnética Funcional) donde se emplean radiofrecuencias y un potente imán para observar al cerebro trabajando. Todas estas técnicas empleadas de forma individualizada o en combinación, nos permiten observar qué centros neuronales se están activando, lo que indica la parte del cerebro que está interviniendo ante una determinada tarea, y no ante otra.

Esto, junto con los aportes teóricos posibilita conocer cómo funciona el cerebro, ante las distintas tareas a las que se enfrenta la persona, en el caso del interés del libro, ante tareas matemáticas. Pero la relación de las neurociencias y las matemáticas no sólo van en el sentido de conocer qué estructuras participan en una tarea matemática u otra, sino que se han hecho importantes aportaciones matemáticas para desentrañar el cerebro, como en el caso del Alzheimer, una enfermedad crónica y neurodegenerativa, sabiendo que mucho se ha avanzado en los últimos años en cuanto a la identificación de biomarcadores, es decir, índices que están presentes cuando se diagnostica la enfermedad de Alzheimer y que sirven para buscar pistas de cómo se va produciendo este avance.

La aproximación tradicional busca encontrar el factor más destacado de esta progresión, para que, una vez identificado se pueda intervenir sobre el mismo para detener sus consecuencias sobre el cerebro. Hasta ahora ha existido multitud de biomarcadores detectados, algunos relacionados con la edad, ya que el Alzheimer se suele producir a edades muy avanzadas; y otras exclusivas del Alzheimer, pero que por sí sólo no explica la progresión de la enfermedad, entonces ¿se puede predecir matemáticamente el avance del Alzheimer?

Esto es lo que ha tratado de responderse mediante una investigación realizada desde el Departamento de Informática Biomédica, Universidad de Tesalia (Grecia); junto con la Fundación Educativa Comunitaria Novela Global y Enzymoics (Australia); el Centro de Investigación Biomédica (EE.UU.); y la Unidad de Metabolómica y Enzimología, Grupo de Biología Fundamental y Aplicada, Centro de Investigación Médica Rey Fahd, Universidad Rey Abdulaziz (Arabia Saudita) (Alexiou, Mantzavinos, Greig, & Kamal, 2017) .

En este estudio no se contemplaron a los participantes en sí, pues se trata de una aproximación matemática basada en la estadística bayesiana, sobre los distintos biomarcadores que actualmente se conocen que tienen un papel destacable en el avance de la enfermedad de Alzheimer. La idea es asumir que todos los biomarcadores que hasta ahora se han descubierto reflejado en la literatura científica, tienen su papel en el avance del Alzheimer, pero con una importancia diferencial, esto es, puede que haya unos biomarcadores más relevantes para el avance, mientras que otros a pesar de tener presencia, no es tan destacable su papel. Para ello se han adoptado ocho posibles situaciones en la enfermedad de Alzheimer (xxx), siguiendo la revisión de Abbott y Folgan (2016).