La música es una capacidad esencialmente humana: está presente de alguna forma en casi todas las sociedades y difiere sustancialmente de sus análogos más cercanos en los animales. Los investigadores han debatido durante mucho tiempo si el cerebro humano tiene mecanismos dedicados a la música y, si es así, qué cálculos realizan esos mecanismos. Estas cuestiones tienen importantes implicaciones para entender la organización del córtex auditivo, la base neural de déficits sensoriales como la amusia, las consecuencias de la experiencia auditiva y los fundamentos computacionales del comportamiento auditivo.

Un equipo de neurocientíficos del instituto de Tecnología de Massachusetts (MIT) ha identificado un conjunto de neuronas que responden, en específico, a la combinación de voz y música. El estudio examinó la representación neural de la música y de los sonidos naturales en general utilizando grabaciones intracraneales del cerebro humano (ECoG, o electrocorticografía), que tienen una resolución espacio-temporal sustancialmente mejor que los métodos de neuroimagen no invasivos.

Mediante un algoritmo analizaron los conjuntos de datos que entregaron las grabaciones y encontraron que se replicaban  muchos hallazgos anteriores incluyendo la selectividad de frecuencia tonotópica, la sintonía de modulación espectrotemporal, las respuestas de inicio espacialmente organizadas, así como la selectividad para el habla, la música y las vocalizaciones.

La selectividad sobre el canto se demostró utilizando un método de descomposición estadística que no tenía en cuenta la propiedad de los estímulos y las respuestas de los electrodos individuales. Estos resultados sugieren que la música está representada por múltiples poblaciones neuronales distintas que son selectivas para diferentes aspectos de la música, al menos una de las cuales responde específicamente al canto.

El punto específico de la respuesta se encuentra en la parte superior del lóbulo temporal cerca de las regiones que reaccionan ante la música y el lenguaje. Esta ubicación sugiere que la población neuronal puede responder a características como el tono percibido, o la interacción entre las palabras y el tono percibido, antes de enviar la información a otras partes del cerebro para su posterior procesamiento.