Como o Seu Cérebro Reconhece um Rosto em Meio à Multidão

Estamos por volta de 1996, no fim de uma noite, no McGovern Institute do MIT. Nancy Kanwisher está sentada diante de uma estação de trabalho, revisando as primeiras imagens de ressonância magnética funcional já analisadas de um único participante, e Josh McDermott e Marvin Chun estão amontoados ao lado dela para observar a superfície cortical renderizada que brilha na tela. Na face inferior do hemisfério direito, um pequeno trecho do giro fusiforme, de aproximadamente um centímetro quadrado, se acende com cerca do dobro da intensidade diante de fotografias de rostos em comparação com fotografias de objetos, mãos, casas e rostos embaralhados. O sinal é tão nítido que não precisa ser calculado pela média de muitas pessoas para ser visto. Ele está ali, em um único cérebro, em uma única tela.

O artigo chegaria ao Journal of Neuroscience no ano seguinte, com o título "A área fusiforme da face", e aquele trecho ganharia um nome, a FFA, que a área ainda usa três décadas depois. Aquele único ponto brilhante levanta a pergunta de que trata este artigo. De todo o mundo visual que flui para os seus olhos, como o cérebro destaca um rosto, distingue-o de todos os outros rostos que você já viu e faz isso em uma fração de segundo, em meio a uma multidão, sob iluminação ruim, de um ângulo estranho? A resposta envolve uma linha de montagem específica de regiões corticais, um conjunto dedicado de detectores de rostos e um transtorno raro que revela para que serve todo o sistema.

A Linha de Montagem Visual Que Constrói Objetos

Reconhecer qualquer coisa pela visão começa com uma longa cadeia de processamento ao longo da parte inferior do cérebro, chamada de via visual cortical ventral. Ela começa no córtex visual primário (V1), bem na parte de trás da cabeça, depois segue para frente pelas áreas V2 e V4 e, por fim, chega ao córtex inferotemporal, geralmente abreviado como IT. Cada estação ao longo do caminho acrescenta uma camada de complexidade, de modo que o padrão bruto de luz e sombra na retina é gradualmente transformado em algo que significa um rosto, uma xícara ou uma árvore.

O V1 lida com os ingredientes mais básicos, as bordas locais e os trechos orientados de contraste que compõem qualquer imagem. O V2 pega esses fragmentos e constrói contornos mais complicados, incluindo contornos ilusórios (bordas que você percebe mesmo onde nenhuma borda existe fisicamente) e a separação de uma figura em relação ao seu fundo. O V4 combina o processamento de forma com a seletividade para cor. Quando os sinais chegam ao córtex inferotemporal, os neurônios individuais têm campos receptivos amplos e respondem a objetos complexos inteiros, muitas vezes com um tipo útil de estabilidade chamado invariância, ou seja, o mesmo neurônio continua respondendo ao mesmo objeto mesmo quando ele muda de posição ou de tamanho. O IT é onde o cérebro armazena a seletividade para categorias aprendidas, e é aqui, nas profundezas do lobo temporal, que vive a maquinaria dos rostos.

Essa divisão de trabalho não era óbvia. Em um capítulo de 1982 que hoje é clássico, intitulado "Dois sistemas visuais corticais", Mortimer Mishkin e Leslie Ungerleider, que trabalhavam no Instituto Nacional de Saúde Mental, basearam-se em experimentos de lesão seletiva em macacos para argumentar que a visão se divide em duas vias paralelas além do V1. A via do quê, ventral, que passa por V2, V4 e IT, carrega a identidade dos objetos, ou seja, o que uma coisa é. Uma via dorsal separada, a via do onde, que passa por V2 e V5/MT até o córtex parietal posterior, carrega a localização espacial e guia a ação, ou seja, onde uma coisa está e como alcançá-la. O reconhecimento de rostos é claramente uma tarefa da via do quê.

Os Primeiros Neurônios Que Se Importaram com Rostos

Muito antes de alguém conseguir escanear um cérebro humano vivo, a primeira pista de que o córtex continha especialistas em categorias veio de um único laboratório e de uma recepção profundamente cética. Charles Gross, que trabalhava em Princeton a partir do fim da década de 1960, inseria microeletrodos no córtex inferotemporal de macacos da espécie Macaca e registrava neurônios individuais, um de cada vez. Alguns desses neurônios, ele descobriu, respondiam de forma forte e específica a imagens de mãos e a imagens de rostos, e quase nada a outros estímulos.

Quando os primeiros artigos surgiram no início da década de 1970, a área não acreditou neles, ou pelo menos não soube o que fazer com eles. A suposição predominante era de que o córtex não continha neurônios sintonizados com algo tão específico e de alto nível quanto um rosto, e um resultado tão surpreendente despertava a suspeita de que fosse um artefato. A descoberta só se tornou canônica aos poucos, depois que outros laboratórios a replicaram e, principalmente, depois que finalmente chegaram as ferramentas de imagem capazes de localizar um equivalente humano. Gross estava certo, mas foi preciso uma geração e uma nova tecnologia para resolver a questão.

O Trecho Que Acendeu com o Dobro do Brilho

Essa nova tecnologia foi a ressonância magnética funcional, e foi ela que colocou Kanwisher, McDermott e Chun diante daquela estação de trabalho em meados da década de 1990. O artigo deles de 1997, "A área fusiforme da face: um módulo do córtex extraestriado humano especializado na percepção de rostos", relatou um trecho de aproximadamente um centímetro quadrado no giro fusiforme inferior direito que respondia com cerca do dobro da intensidade a fotografias de rostos em comparação com uma ampla variedade de imagens de controle. O efeito favorecia o hemisfério direito de forma confiável de uma pessoa para outra, e a área fusiforme da face passou a se tornar a região seletiva para categorias mais estudada do cérebro humano.

A FFA não está sozinha. Próximos a ela, na via ventral, estão outros trechos sintonizados com outras classes de coisas, com destaque para a área parahipocampal de lugares, ou PPA, que responde preferencialmente a cenas e lugares em vez de rostos. Então o quadro que surgiu não era o de um reconhecedor de objetos de uso geral, mas o de um pequeno arquipélago de especialistas, cada um lidando preferencialmente com uma categoria específica de estímulo, todos apoiados na mesma via ventral. Acontece que os rostos simplesmente têm a ilha mais proeminente e mais bem caracterizada.

Quase uma década depois, as descobertas em macacos e em humanos foram costuradas no nível das células individuais. Doris Tsao e Winrich Freiwald, trabalhando com Margaret Livingstone em Harvard, primeiro usaram a ressonância magnética funcional em macacos acordados para localizar trechos discretos de rostos no córtex inferotemporal, depois inseriram microeletrodos de tungstênio em cada trecho e registraram neurônios individuais. O relato deles de 2006 na Science descobriu algo impressionante, que quase todos os neurônios que registraram dentro de um trecho de rostos eram seletivos para rostos. Essa era a descoberta de Gross ampliada e organizada, não mais células dispersas, mas grupos densos e dedicados. Trabalhos posteriores dos laboratórios de Tsao e Freiwald descreveram uma hierarquia ao longo dos trechos, com os trechos posteriores representando rostos de forma específica para o ponto de vista, atrelada a um determinado ângulo, e os trechos mais anteriores construindo uma representação da identidade invariante ao ponto de vista, a mesma pessoa reconhecida independentemente de como a cabeça esteja virada.

Quando o Sistema Falha

Uma das formas mais poderosas de aprender o que uma região do cérebro faz é estudar o que acontece quando ela para de funcionar, e, no caso do reconhecimento de rostos, essa assinatura clínica tem um nome e uma longa história. Em 1947, Joachim Bodamer, um neurologista alemão da clínica neurológica de Tübingen, publicou uma série de casos de três pacientes que tinham perdido a capacidade de reconhecer rostos após uma lesão na região occipitotemporal do cérebro. Ele cunhou o termo prosopagnosia, do grego prosopon para rosto e agnosia para não-conhecimento, um não-conhecimento de rostos.

O que tornava esses casos tão importantes era a sua seletividade. Os pacientes ainda conseguiam enxergar perfeitamente bem, ainda conseguiam reconhecer objetos, muitas vezes ainda conseguiam identificar uma pessoa pela voz, pelo modo de andar ou por um chapéu característico, mas o próprio rosto, como rota para a identidade, simplesmente estava indisponível. Um rosto familiar, mesmo o de um cônjuge, era registrado como rosto, mas não como alguém em particular. Essa foi a primeira evidência clínica de que o reconhecimento de rostos poderia falhar por conta própria enquanto o resto da visão permanecia intacto, que é exatamente o que se esperaria se o cérebro dedicasse uma maquinaria de propósito específico aos rostos em vez de tratá-los como qualquer outro objeto.

A prosopagnosia surge em duas formas. A forma adquirida resulta de uma lesão no giro fusiforme direito e no córtex occipitotemporal inferior ao redor, normalmente após um derrame, um traumatismo craniano ou a remoção cirúrgica de tecido, e é relativamente rara. A forma do desenvolvimento é diferente, uma dificuldade vitalícia de reconhecer rostos em pessoas que têm visão normal, inteligência normal e nenhuma lesão cerebral detectável. Ela é muito mais comum do que a maioria das pessoas imagina, com prevalência estimada em cerca de 2 por cento da população, o que significa que é provável que alguém que você conhece tenha dificuldades silenciosas com rostos e simplesmente tenha aprendido a compensar. Brad Duchaine e Ken Nakayama sistematizaram os critérios diagnósticos dessa forma do desenvolvimento ao longo dos anos 2000, dando aos pesquisadores uma maneira confiável de identificá-la e estudá-la.

Um Mapa das Etapas Entre o Rosto e o Nome

A neurociência nos diz onde fica a maquinaria, mas a psicologia fornece um mapa complementar das etapas pelas quais a mente passa entre ver um rosto e saber de quem ele é. O arcabouço padrão veio de Vicki Bruce e Andy Young, cujo artigo de 1986, "Compreendendo o reconhecimento de rostos", no British Journal of Psychology, propôs uma sequência de estágios cognitivos que ainda organiza a área.

No modelo deles, o reconhecimento começa com a codificação estrutural, que constrói uma descrição do rosto que você está olhando independente do ponto de vista, abstraída do ângulo e da iluminação específicos. Essa descrição é então comparada com as unidades de reconhecimento de rostos, modelos armazenados para cada rosto familiar, para determinar se você já viu essa pessoa antes. Se uma correspondência é encontrada, os nós de identidade da pessoa ligam o rosto reconhecido a tudo o que você sabe sobre aquele indivíduo, seu trabalho, onde você o conheceu, o fato de que ele lhe deve dinheiro. Somente no estágio final é que a recuperação do nome lê o nome de fato. Essa arquitetura em estágios explica de forma elegante uma experiência cotidiana frustrante, o momento em que você reconhece um rosto e se lembra exatamente de quem é a pessoa, mas não consegue evocar o nome dela. No modelo de Bruce e Young, isso é uma falha clara na última etapa, com a identidade recuperada, mas o estágio do nome deixando de disparar.

A Área da Face Foi Construída para Rostos ou para Expertise?

Uma boa descoberta científica gera uma boa discussão, e a FFA produziu uma que se arrasta desde que o artigo de 1997 chegou. A pergunta é enganosamente simples. A área fusiforme da face é genuinamente um módulo de rostos, ou é uma região que apenas se tornou muito boa em rostos porque rostos são aquilo que todos nós mais praticamos?

A explicação da modularidade, defendida por Kanwisher e seus colegas, sustenta que a FFA é um módulo cortical específico para rostos, fruto de uma especialização evoluída ou moldada pela experiência para a classe particular de estímulo que são os rostos. Segundo essa visão, os rostos são especiais, e o cérebro os trata como tais, com um hardware dedicado. A explicação concorrente, a da expertise, defendida por Isabel Gauthier e colegas em Vanderbilt, propõe em vez disso que a FFA é especializada na discriminação minuciosa dentro de qualquer categoria que você tenha praticado o suficiente para se tornar um especialista, distinguindo uma coisa quase idêntica de outra. Os rostos, segundo essa visão, são apenas a expertise universal, a única categoria que todo ser humano que enxerga pratica intensamente desde a infância, então a região parece seletiva para rostos porque os rostos são o problema de discriminação que todo mundo dominou. O debate não foi resolvido de forma clara, e a posição honesta é que ambas as explicações capturam algo real sobre uma região que é, ao mesmo tempo, confiavelmente preferencial por rostos e claramente moldada pela experiência. Essa tensão genuína e contínua é, em si, um sinal de que a FFA continua sendo um problema de pesquisa ativo em vez de um caso encerrado.

Principais Conclusões

Reconhecer um rosto depende da via ventral do quê, uma cadeia de processamento que vai do córtex visual primário (V1) por V2, V4 e até o córtex inferotemporal, onde cada estágio acrescenta complexidade até que objetos inteiros e categorias aprendidas passem a ser representados; Mishkin e Ungerleider distinguiram essa via do quê de uma via dorsal do onde em 1982. Charles Gross registrou os primeiros neurônios seletivos para rostos no córtex inferotemporal de macacos no início da década de 1970 diante de uma recepção cética, uma descoberta confirmada quando Kanwisher, McDermott e Chun localizaram a área fusiforme da face humana com ressonância magnética funcional em 1997, um trecho do hemisfério direito que dispara com cerca do dobro da intensidade para rostos em comparação com outras imagens, e novamente quando Tsao e Freiwald mostraram em 2006 que quase todos os neurônios dentro de um trecho de rostos em macacos são seletivos para rostos, com uma hierarquia que vai da identidade específica para o ponto de vista à invariante ao ponto de vista. A prosopagnosia, nomeada por Bodamer em 1947 e dividida em uma forma adquirida rara e uma forma do desenvolvimento que afeta cerca de 2 por cento das pessoas, demonstra que o reconhecimento de rostos pode entrar em colapso enquanto o resto da visão sobrevive, e o modelo de Bruce e Young de 1986 mapeia as etapas cognitivas da codificação estrutural à recuperação do nome, enquanto o debate não resolvido entre a explicação da modularidade de Kanwisher e a explicação da expertise de Gauthier mantém genuinamente em aberto a questão de por que essa região existe.