Cuando una voz y una melodía suenan a la vez, o una detrás de otra en cuestión de milisegundos, cualquier oyente reconoce ambas casi al instante. Un nuevo estudio publicado en Science Advances aporta una explicación: el córtex auditivo contiene, solo en los patrones acústicos básicos del sonido, información suficiente para separar el habla de la música en condiciones normales de escucha. Para comprobarlo, los investigadores utilizaron la banda sonora de una película de Harry Potter.

Qué son las modulaciones espectrotemporales

El córtex auditivo sigue cómo cambia el sonido en el tiempo y cómo se reparte su energía entre las distintas frecuencias. Los científicos llaman a estos patrones modulaciones espectrotemporales. Estudios previos con imagen cerebral y electrodos han identificado regiones que responden de forma selectiva al habla, a la música o al canto, y esto ha alimentado un debate: ¿hacen falta mecanismos cerebrales especializados en cada categoría de sonido o basta con procesar las características acústicas básicas?

Gran parte de los experimentos anteriores empleaba sonidos cortos y aislados, muy distintos de las mezclas continuas que se oyen en la vida diaria. Eso dificultaba atribuir a los mismos procesos lo que ocurre con mezclas más complejas. Los autores de este trabajo recuerdan que varios estudios influyentes han defendido que, a partir de las áreas auditivas no primarias, el procesamiento se vuelve cada vez más no lineal y codifica los sonidos como objetos más independientes de la variación acústica de bajo nivel.

Cómo se hizo el experimento

El equipo creó modelos computacionales que relacionan la actividad cerebral, los patrones acústicos y los juicios de los oyentes. En el experimento participaron 11 pacientes con epilepsia que llevaban electrodos implantados por motivos clínicos y que escucharon casi ocho minutos de la banda sonora doblada al francés de Harry Potter y la piedra filosofal. En un experimento aparte, 19 adultos sanos pulsaban un botón cuando oían habla, música o ambas cosas en la misma grabación.

Con los datos de los pacientes, los investigadores localizaron 39 puntos de registro, repartidos por las áreas auditivas de ambos hemisferios, que seguían de forma fiable esos patrones. Después entrenaron modelos informáticos para estimar las características temporales y espectrales de la banda sonora a partir de las grabaciones de los electrodos. Las características codificadas por el cerebro predijeron si el otro grupo de oyentes declaraba escuchar habla o música.

Resultados: qué predice cada tipo de sonido

Los modelos basados en las características reconstruidas desde puntos de registro individuales lograron una precisión del 54 % al 60 % para el habla y del 54 % al 71 % para la música, por encima del 50 % que marca el azar. Los modelos que usaron directamente las características acústicas de la banda sonora rindieron mucho mejor: del 97 % al 99 % para el habla y del 99 % al 100 % para la música.

  • Habla: los juicios dependían sobre todo de los cambios rápidos del sonido a lo largo del tiempo.
  • Música: los juicios dependían sobre todo de los patrones detallados entre frecuencias.

En otro experimento con cinco participantes, que escucharon una mezcla controlada de voz y música de órgano, el equipo obtuvo etiquetas de habla y música de referencia. Los modelos alcanzaron una precisión igualmente alta y patrones de características comparables.

Ritmos cerebrales y lateralidad

El análisis también reveló cómo procesa el cerebro estos sonidos. La actividad rápida en la banda gamma contribuyó más al seguimiento de los patrones temporales, mientras que la actividad más lenta en la banda alfa contribuyó más al seguimiento de los patrones de frecuencia. Ambos hemisferios aportaron información, pero la coincidencia entre la actividad cerebral y el sonido fue más fuerte en el izquierdo para el habla y en el derecho para la música.

Estos hallazgos encajan con lo que se sabe de otras áreas del lenguaje, como las descritas en el estudio de la UCSF sobre el área de Wernicke y el plano de las palabras habladas, y con otras investigaciones recientes sobre cómo el cerebro organiza la información, como el trabajo de la Clínica Mayo sobre memoria e hipocampo.

Lo que el estudio no demuestra

Los autores son cautos. El trabajo indica que las representaciones acústicas contienen información útil sobre la categoría del sonido, en línea con resultados previos, pero no establece que el cerebro use solo estas características para clasificar lo que oye. Según escriben, sus resultados no excluyen mecanismos específicos de cada categoría en etapas posteriores del procesamiento, en regiones asociativas de orden superior, pero sí indican que el dominio acústico ya aporta la información necesaria para distinguir entre habla y música.

La muestra también es pequeña y está formada, en el experimento principal, por pacientes con epilepsia, lo que conviene tener presente al interpretar los resultados. Aun así, el uso de una grabación continua y realista, en lugar de sonidos aislados, acerca el experimento a la escucha cotidiana y ofrece una base para seguir investigando qué ocurre más allá de las primeras etapas de la vía auditiva.

Fuente: Jérémie Ginzburg et al., Auditory cortical coding of spectrotemporal modulations is sufficient to support perceptual categorization of speech and music, Science Advances (2026). DOI: 10.1126/sciadv.aed8025.