A pesquisa dos sonhos é prejudicada pela dependência do relatório verbal subjetivo do sonhador. Não podemos verificar de forma independente se uma pessoa tem sonhado. Tudo o que temos é seu relatório que ele realmente teve um sonho. Se vemos os padrões característicos da atividade do cérebro do sono REM em uma máquina de EEG, nossa confiança em que essa pessoa está sonhando é aumentada, mas nunca absolutamente certa. Quando as pessoas são despertadas de REM, nem sempre relatam um sonho. No entanto, a maioria das pessoas, na maioria das vezes, relata um sonho quando despertou do sono REM.
Mesmo que admitamos que uma pessoa experimente um sonho quando ele ou ela entra no sono REM, não temos idéia do que está sonhando. Para descobrir o que as pessoas sonham, temos que perguntar. Mais uma vez, somos totalmente dependentes do relatório subjetivo se quisermos estudar o conteúdo dos sonhos.
Seria bom se não tivéssemos que perguntar à pessoa sobre o que era o sonho. Se, em vez disso, conhecesse o código neural básico com o qual o cérebro processa o conteúdo cognitivo, então poderíamos simplesmente consultar o código exibido nos padrões de atividade cerebral e depois derivar o conteúdo do sonho. Claro que estamos muito longe de decifrar o código neural que o cérebro humano usa para representar o conteúdo cognitivo, MAS uma publicação recente nos moveu um passo mais perto de fazer exatamente isso.
Horikawa et al (Science, Vol. 340, 4 de abril de 2013) recrutaram 3 voluntários para estudar sua atividade cerebral (medida por fMRI e EEG) durante o estado de transição do sono (S1) quando muitas pessoas experimentam alucinações hipnagógicas. Quando os voluntários passaram para este estado S1, eles foram despertados e relataram verbalmente sua experiência visual durante o sono. Os padrões de atividade de fMRI foram utilizados como entrada em um programa de simulação de computador que tratou os padrões fMRI como código para palavras que representam objetos visuais. Esses códigos de objetos visuais foram rotulados com palavras derivadas da descrição verbal do sujeito de sua experiência visual durante o sono. Por exemplo, se a pessoa informou que tinha visto uma casa vermelha enquanto o fMRI apresentava um padrão X no córtex visual, então a máquina descobriu que o padrão X ou um padrão semelhante ao X sempre indicava "casa vermelha".
Uma vez que a máquina aprendeu um grande número dessas associações padrão-objeto, poderia prever o que o sujeito estava vendo durante o sono, baseado unicamente nos padrões de fMRI. Os pesquisadores não tiveram que pedir ao sujeito que relatasse sua experiência visual. A máquina poderia fazer isso (pelo menos 60% do tempo) se os padrões de fMRI atuais coincidissem com aqueles em seu repertório de emparelhamentos de imagem-objeto aprendidos.
Existem várias implicações significativas e questões para a pesquisa de sonhos … Primeiro, quando os voluntários de Horikawa confirmaram que a máquina estava em grande parte correta em suas previsões sobre o que eles estavam observando em seu sono, isso implicaria que, eventualmente, seríamos capazes de analisar registros de neuroimagem de estados de sono e poder contar sobre o que as pessoas sonham.
Se, algum dia, olhamos para milhares desses registros de neuroimagem de um grande grupo de assuntos e, em seguida, juntem um resumo do que essas pessoas sonham, podemos então coletar os relatórios de sonhos associados dessas pessoas e comparar os relatórios com os registros de neuroimagem . Se essa comparação corresponder muito bem (além do que você esperaria com base no acaso), podemos confiar mais facilmente nos relatórios verbais das pessoas sobre o conteúdo dos sonhos. Podemos estar cada vez mais confiantes de que os relatórios das pessoas sobre seus sonhos geralmente não são enganosos, verídicos ou verdadeiros.
Em segundo lugar, à medida que nosso conhecimento do impacto dos sonhos no comportamento de vigília aumenta, poderemos tratar as pessoas com distúrbios sonolentos dolorosos (como pesadelos repetitivos) de forma mais eficaz. Se, por exemplo, o monstro X sempre aparece com o padrão de fMRI Y e o fármaco z elimina o padrão Y do fMRI e o paciente relata o alívio após o tratamento, então podemos inferir que a imagem dos sonhos e seu padrão associado ao cérebro estavam causando o sofrimento.
Em terceiro lugar, como a ciência do sonho começa a identificar certas imagens de conteúdo de sonhos recorrentes como fortes preditores de padrões de comportamento de vigília, a análise da máquina dessas imagens dos sonhos pode ser usada para prever padrões de comportamento de vigília.
Em quarto lugar, será fascinante comparar assinaturas cerebrais para imagens de sonhos recorrentes com suas contrapartes acordadas. Ver uma casa vermelha em um sonho requer a mesma assinatura neural que ver uma casa vermelha durante a vigília da vida? Os resultados de Horikawa sugerem que a resposta é sim, mas isso pode não ser o caso quando nos afastamos do catálogo de imagens visuais simples estudadas nos assuntos de Horikawa.
Em quinto lugar, o conteúdo interessante dos sonhos mais frequentemente diz respeito às emoções. As emoções estão associadas às assinaturas neurais. A máquina pode aprender a prever o conteúdo emocional dos sonhos com base nas assinaturas neurais?
