Investigadores han desarrollado una interfaz cerebro-computadora (ICC) que permite a un hombre paralizado controlar un brazo robótico usando solo sus pensamientos. Esta innovadora tecnología traduce las señales cerebrales en movimiento, ofreciendo una posible vía para restaurar la independencia de las personas con parálisis. A diferencia de las ICC anteriores que rápidamente perdían precisión, este nuevo sistema utiliza inteligencia artificial (IA) para adaptarse a los cambios naturales en la actividad cerebral que ocurren con el aprendizaje y la práctica, manteniendo la funcionalidad durante un período sin precedentes de siete meses.
Investigadores de la Universidad de California en San Francisco (UCSF) han logrado un avance significativo en la tecnología de interfaces cerebro-computadora (ICC), permitiendo a un hombre paralizado controlar un brazo robótico con una estabilidad y precisión notables durante un período prolongado. Este avance aborda una limitación crítica de las ICC anteriores, que típicamente perdían funcionalidad en uno o dos días debido a la adaptabilidad natural del cerebro. El núcleo de este éxito reside en un nuevo modelo de IA capaz de ajustarse dinámicamente a sutiles cambios en la actividad cerebral a medida que el usuario aprende y refina los movimientos imaginados. Como explica el neurólogo Karunesh Ganguly, MD, PhD, “Esta combinación de aprendizaje entre humanos e IA es la siguiente fase para estas interfaces cerebro-computadora”, destacando la importancia de este enfoque sinérgico para lograr una “función sofisticada y realista”.
El principal obstáculo para la eficacia a largo plazo de las ICC ha sido la plasticidad inherente del cerebro. Los sistemas anteriores luchaban por mantener una decodificación precisa de las señales neuronales a medida que el cerebro se adaptaba y cambiaba los patrones utilizados para representar los movimientos, incluso los imaginados. El equipo de Ganguly descubrió que, si bien la *forma* de estos patrones de actividad cerebral permanecía consistente, su *ubicación* se desplazaba ligeramente de un día para otro a medida que el participante practicaba repetidamente movimientos imaginados. Esta información se obtuvo observando patrones similares en animales que aprendían nuevos movimientos, lo que llevó a la hipótesis de que el mismo fenómeno ocurría en humanos. Este descubrimiento, publicado en *Cell* el 6 de marzo, fue fundamental para desarrollar un modelo de IA específicamente diseñado para tener en cuenta estos desplazamientos diarios, permitiendo que la ICC permaneciera funcional durante un récord de siete meses.
La metodología del estudio se centró en un participante paralizado por un derrame cerebral que había perdido tanto el habla como la función motora. Se implantaron pequeños sensores en la superficie de su cerebro para capturar la actividad neuronal asociada con los movimientos imaginados. Durante un período de dos semanas, se le pidió al participante que imaginara mover diferentes partes de su cuerpo (manos, pies y cabeza) mientras los sensores registraban la actividad cerebral correspondiente. Estos datos sirvieron como el conjunto de entrenamiento para el modelo de IA. El análisis del equipo confirmó el desplazamiento de la ubicación de los patrones de actividad cerebral, incluso cuando la representación general del movimiento permanecía estable. Esta comprensión les permitió crear una IA que pudiera rastrear eficazmente estos patrones cambiantes y mantener una decodificación precisa de las intenciones del participante.
Inicialmente, controlar el brazo robótico directamente resultó impreciso. Para abordar esto, Ganguly implementó una fase de entrenamiento de realidad virtual. El participante practicó controlar un brazo robótico virtual, recibiendo retroalimentación en tiempo real sobre la precisión de sus visualizaciones. Esto le permitió refinar sus movimientos imaginados y fortalecer las vías neuronales asociadas con acciones específicas. Este entrenamiento virtual fue crucial para establecer una fuerte “firma” neural para cada movimiento, preparando al participante para controlar el brazo robótico físico. El uso de retroalimentación fue clave; permitió al participante aprender y ajustar activamente sus estrategias mentales, optimizando la conexión entre su actividad cerebral y las acciones deseadas del robot.
Después del entrenamiento virtual, el participante pasó a controlar el brazo robótico real. Sorprendentemente, solo unas pocas sesiones de práctica fueron necesarias para transferir las habilidades aprendidas en el entorno virtual al mundo físico. Pudo recoger bloques con éxito, girarlos y moverlos a nuevas ubicaciones. Más significativamente, demostró la capacidad de realizar tareas funcionales, como abrir un armario, recuperar una taza y sostenerla hasta un dispensador de agua. Estos logros destacan el potencial práctico de la ICC para restaurar la independencia y mejorar la calidad de vida de las personas con parálisis. El éxito de estas tareas demuestra el poder de combinar el entrenamiento virtual con un modelo de IA dinámico para cerrar la brecha entre la intención y la acción.
Crucialmente, la ICC mantuvo la funcionalidad durante un período prolongado, requiriendo solo una breve “puesta a punto” de 15 minutos para ajustar cualquier desviación en las representaciones del movimiento. Este proceso de ajuste subraya la adaptabilidad del modelo de IA y su capacidad para aprender y compensar continuamente los cambios en el cerebro. Esta estabilidad a largo plazo representa un avance significativo con respecto a las ICC anteriores, que a menudo requerían una recalibración frecuente o eventualmente perdían la funcionalidad por completo. La capacidad de mantener el control con una intervención mínima es esencial para la aplicación práctica y la usabilidad a largo plazo.
De cara al futuro, el equipo de Ganguly se centra en refinar los modelos de IA para mejorar la velocidad y la fluidez de los movimientos del brazo robótico. También están planeando probar la ICC en un entorno doméstico, un paso crítico hacia la implementación en el mundo real y la evaluación de su impacto en la vida diaria de las personas con parálisis. El objetivo final es proporcionar a las personas con parálisis la capacidad de realizar tareas cotidianas de forma independiente, como alimentarse o beber agua, acciones que pueden mejorar drásticamente su calidad de vida. Como afirma con confianza Ganguly, “Estoy muy seguro de que hemos aprendido cómo construir el sistema ahora, y que podemos hacer que esto funcione”, lo que refleja el optimismo del equipo y su compromiso de traducir esta investigación en beneficios tangibles para quienes lo necesitan.
Investigadores de la UCSF han desarrollado una interfaz cerebro-computadora (ICC) que permite a un hombre paralizado controlar un brazo robótico durante un récord de siete meses con ajustes mínimos. El avance se basa en un modelo de IA que se adapta a los cambios diarios en la actividad cerebral a medida que el usuario aprende y refina los movimientos imaginados. Este control sostenido, logrado a través de la práctica virtual y en el mundo real, ofrece un paso significativo hacia la restauración de la independencia para personas con parálisis. Los trabajos futuros se centran en mejorar la velocidad y la fluidez, con planes para pruebas en el hogar. Este avance señala un futuro prometedor donde los neuroprótesis se integran a la perfección con el cerebro, pero la investigación continua y las consideraciones éticas son vitales para desbloquear todo el potencial de esta tecnología y garantizar un acceso equitativo para todos aquellos que podrían beneficiarse.
Leave a Reply