Una de las ciencias más complejas es sin duda la que tiene que ver con el cerebro humano. El primer problema que se enfrenta es que no es posible experimentar y hacer investigación en cerebros humanos vivos. No se puede dañar una parte de un cerebro, por ejemplo, para saber qué consecuencias tiene.
Por ende, estamos ante un sistema que en muchos sentidos es una caja negra y en muchas ocasiones las conclusiones de los neurocientíficos van cambiando en la medida que nacen nuevas tecnologías no invasivas para estudiar al cerebro.
Sin embargo, es claro que hay un gran interés en las neurociencias. La University College London (UCL) ha trabajado en esto por mucho tiempo y ha hallado quiénes son los neurocientíficos más importantes en la investigación en las neurociencias.
Para ello, usó un programa que analizó unos 2.5 millones de artículos del tema, viendo las citas entre ellos y calculando una especie de calificación sobre la influencia de un autor sobre otro. Entre los más destacados son Karl Friston (número 1), Raymond Dolan (número 2) y Chris Frith (número 7), los tres de la UCL.
El programa de computadora usado se llama Semantic Scholar, y es una herramienta en línea construida por el Allen Institute for Artificial Intelligence (AI2) cuya sede está en Seattle, Washington. Cuando debutó el uso de este programa, calculó quiénes eran los científicos más importantes del cómputo, basándose en 2 millones de artículos en ese rubro.
El equipo del AI2 expandió su cuerpo a 10 millones de artículos, de los cuales, 25% son de neurociencias. Esperan expandir a toda la literatura biomédica el siguiente año. Esto les daría unos 20 millones de artículos los cuales podrían analizarse.
Semantic Scholar trabaja de la siguiente manera: «usamos aprendizaje por computadora, procesamiento de lenguaje natural y visión de máquinas para adentrarnos en la semántica», a decir, de Oren Etzioni, CEO de AI2 y líder del proyecto.
De acuerdo a esto, los neurocientíficos de mayor influencia de acuerdo al software son:
- Karl J. Friston University College London, U.K. Statistical parametric mapping, voxel-based morphometry, dynamic causal modeling
- Raymond J. Dolan University College London, U.K. Emotional influences on cognition
- Marcus E. Raichle Washington University in St. Louis, U.S. Default mode, functional neuroimaging
- Trevor W. Robbins University of Cambridge, U.K. Neural basis of drug addiction and impulsive-compulsive behavior
- Terrence J. Sejnowski University of California, San Diego, U.S. Computational neurobiology studies of behavior
- Alan C. Evans McGill University, Montreal, Canada Brain imaging, modeling of structural brain networks and large-scale brain databasing
- Chris D. Frith University College London, U.K. Social cognition, cognitive basis of schizophrenia
- Randy L. Buckner Harvard University, U.S. Tethering hypothesis, neuroinformatics, open data
- Anders M. Dale University of California, San Diego, U.S. Brain imaging software (Free Surfer)
- Jonathan D. Cohen Princeton University, U.S. Cognitive control, and its disturbance in psychiatric disorders
Cabe decir que Sematic Scholar no solamente usa la bibliografía de los artículos, sino que las fechas de publicación, afiliaciones de los autores y hasta el tipo de experimentos e inclusive los métodos usados. La meta, indican, es poderle preguntar en inglés al sistema. «Es algo como Siri para la ciencia, pero esperemos que mejor».
Semantic Scholar, de acuerdo al neurocientífico computacional Sam Gershman, de la Universidad de Harvard, tiene ventajas sobre Google Scholar. Puede hacer búsquedas más refinadas de los artículos, entre otras cosas.
Curiosamente Gershman descubrió problemas que son literalmente de todos los buscadores: datos sucios, quizás corruptos, por ejemplo, en los nombres de los científicos, que aparecen escritos de diversas formas. Vamos, que muchos metadatos tienen esta dificultad. Etzione aclara a estas críticas que el sistema tiene errores, pero es un trabajo no finalizado aún.
Referencias: Science Mag