El refrán español «la cara es el espejo del alma» nos recuerda que el rostro de una persona nos ofrece mucha información sobre su estado de ánimo, sus intenciones y sus emociones. En muchos mamíferos ocurre lo mismo, aunque los humanos no sepamos interpretarlo. Se publica en Science una correlación entre las expresiones faciales de ratones y la actividad de las neuronas en su corteza insular. El análisis de los resultados apunta a que la expresión facial no es una respuesta refleja, sino que comunica las emociones, tanto si son positivas o negativas, como su grado de intensidad. Un resultado fascinante que apunta a que algún día podremos entender las emociones de muchos animales (al menos de los mamíferos).

En 1872, Charles Darwin escribió en su libro The Expression of the Emotions in Man and Animals que las emociones son innatas, universales y tienen una función comunicativa. Los estudios psicológicos apuntan a que ciertas emociones son universales en todos los humanos. Pero la expresión facial de las emociones solo ha sido estudiada en ciertos animales que nos son próximos, como los primates y los perros; en los ratones nuestros sesgos pueden jugar una mala pasada. Por ello, Nejc Dolensek (Max Planck Institute of Neurobiology) y sus colegas han recurrido a algoritmos de aprendizaje automático (machine learning) usados en inteligencia artificial. Un algoritmo de aprendizaje no supervisado ha logrado clasificar las expresiones faciales de los ratones en función de emociones como asco (quinina), placer (sacarosa), malestar (cloruro de litio), miedo (escape), miedo pasivo (parálisis) y dolor (punzada en la cola).

La cultura y la sociedad modulan las expresiones humanas de las emociones. El estudio de la expresión facial de las emociones en los mamíferos permitirá determinar si los mecanismos neuronales asociados a las emociones están bien conservados. Además, podría tener aplicaciones clínicas en psiquiatría, pues la lectura mediante inteligencias artificiales de las emociones en roedores permitirá usarlos como modelos para trastornos psiquiátricos. El artículo es Nejc Dolensek, Daniel A. Gehrlach, …, Nadine Gogolla, «Facial expressions of emotion states and their neuronal correlates in mice,» Science 368: 89-94 (03 Apr 2020), doi: https://doi.org/10.1126/science.aaz9468; más información en Benoit Girard, Camilla Bellone, «Revealing animal emotions,» Science 368: 33-34 (03 Apr 2020), doi: https://doi.org/10.1126/science.abb2796.

En los experimentos se ha sometido a los ratones a diversos estímulos sensoriales mientras se grababa en vídeo sus expresiones faciales (con la cabeza fijada, headpost) y el movimiento de su cola. Sus expresiones faciales son visibles para una persona, pero su relación con las emociones subyacentes no es fácil de reconocer. Para el análisis de las expresiones faciales se han usado histogramas de gradientes orientados (HOG), una técnica que se usa para el reconocimiento de caras usando algoritmos de soporte vectorial (SVM).

La ventaja de los HOG es que usa características del rostro que no cambian bajo rotaciones, traslaciones, cambios de escala o cambios de iluminación. Cada fotograma del vídeo es una imagen en blanco y negor que se divide en ventanas de 32 × 32 píxeles; el gradiente de intensidad principal en dicha ventana es un vector en 2D que se representa con un ángulo; el vector HOG está formado por 5040 de dichos ángulos. El software de análisis se ha desarrollado en Python. La información suplementaria del artículo presenta los detalles para los interesados.

La expresión facial para cada estímulo se ha obtenido mediante un algoritmo de semejanza entre vectores HOG. Se ha comparado la expresión estimulada con la expresión neutra; luego se ha construido una matriz de semejanza entre ambas (HOG similarity matrix). Se ha aplicado un algoritmo de clasificación no supervisado a dichas matrices para determinar la expresión típica asociada a cada emoción.

Para confirmar la relación entre expresión facial y emociones se han manipulado éstas usando estimulación optogenética en la corteza insular posterior (pIC), la corteza insular anterior (aIC) y el pálido ventral (VP, o globus pallidus). La estimulación directa evoca emociones específicas, lo que induce expresiones faciales. Se han estimulado regiones de la corteza insular análogas a la que se han observado en humanos. Sin entrar en más detalles, se confirma que las expresiones faciales reflejan estados encefálicos y, con ello, el estado emocional interno.

Se ha usado microscopia por excitación de dos fotones para medir la actividad neuronal en la corteza insular. Esta técnica se basa en la excitación de dos fotones, descrita por Maria Goeppert-Mayer en su tesis doctoral de 1931, y observada por primera vez en 1961. Se usa para determinar la actividad neuronal a partir del flujo de calcio en estas células. Para ello se requiere implantar un sensor en el encéfalo del ratón mediante cirugía. Los resultados muestran una buena correlación entre la actividad neuronal y la expresión facial.

En resumen, un artículo muy completo que muestra que las expresiones faciales de los ratones se correlacionan con sus emociones ante ciertos estímulos. Como intuyó Darwin parece que esta asociación está bien conservada evolutivamente, al menos entre los mamíferos. Futuros estudios en otros animales de laboratorio (ratas, musarañas, lémures y monos) tendrán que confirmarlo. Sin lugar a dudas, algún día, entenderemos la comunicación de las emociones en los mamíferos gracias a sus expresiones faciales.