Robótica controlada por la mente: el éxito de la interfaz cerebro-computadora de la UCSF

Un equipo de investigadores de la Universidad de California en San Francisco (UCSF) ha desarrollado una interfaz cerebro-computadora (ICC) única que acerca al mundo a los robots controlados mentalmente. Así es como este nuevo sistema podría cambiar la forma en que interactuamos con nuestros dispositivos a largo plazo y ayudar a quienes han perdido alguna extremidad a recuperar una mejor calidad de vida.

Interfaz cerebro-computadora (BCI)

El uso de BCIs continúa expandiéndose en el mercado. Estos dispositivos permiten a las personas controlar dispositivos utilizando únicamente el pensamiento. Funcionan mediante diversos sensores electromagnéticos que pueden monitorear los cambios en la actividad cerebral. Estos sistemas utilizan las representaciones somatotópicas distintivas del cerebro de acciones simples, como tocar con el dedo, para determinar sus movimientos.

Problemas con la interfaz cerebro-computadora actual

Las BCI ofrecen oportunidades interesantes al mercado, pero la tecnología aún se encuentra en una etapa incipiente. Desventajas significativas, como el costo de programación de estos dispositivos y la necesidad de reajustarlos constantemente para lograr una calibración adecuada, siguen limitando su adopción. Afortunadamente, un nuevo estudio profundiza en la necesidad de reajustes de las BCI y presenta un novedoso sistema que ofrece soporte a largo plazo para BCI.

Estudio de la interfaz cerebro-computadora

El estudio titulado “El muestreo de la plasticidad representacional de movimientos imaginados simples a lo largo de los días permite el control neuroprotésico a largo plazo"¹ Publicado en la revista científica Cell proporciona detalles sobre cómo permitir el control neuroprotésico complejo a largo plazo.

Robótica controlada por la mente

El objetivo del estudio fue monitorear, catalogar y descubrir cambios en la actividad cerebral en tareas cotidianas y movimientos simples. Para lograrlo, los investigadores rastrearon los cambios en la estructura representacional de la actividad cerebral a lo largo de los días mediante el control de BCI.

Interfaz cerebro-computadora de electrocorticografía

La BCI de electrocorticografía permitió a los ingenieros comparar la actividad neuronal con una cuadrícula de ECoG unihemisférica que representa los movimientos imaginarios de las partes del cuerpo. Este enfoque fue necesario para determinar la estructura representacional del cerebro. En concreto, el equipo utilizó la separación por pares como métrica de seguimiento.

La BCI integra modelos de inteligencia artificial (IA) para ajustarse a los cambios graduales en los patrones de actividad neuronal a lo largo del tiempo. Estos cambios, conocidos como deriva representacional, ocurren a medida que el cerebro se adapta a tareas motoras repetidas. La IA perfecciona su interpretación de las señales cerebrales, lo que permite al participante mantener el control del brazo robótico durante meses. El estudio utilizó una interfaz cerebro-computadora intracortical, donde se implantaron diminutos electrodos directamente en el cerebro para registrar la actividad neuronal. A diferencia de la electrocorticografía (ECoG), que coloca sensores en la superficie cerebral, los implantes intracorticales proporcionan registros de alta resolución, pero requieren la implantación directa en el tejido cerebral.

Plasticidad

La plasticidad se refiere a la capacidad del cerebro para adaptarse a los cambios en el entorno, la salud o las experiencias. En concreto, la plasticidad sináptica, la plasticidad homeostática y la neurogénesis adulta del cerebro experimentan cambios estructurales y funcionales adaptativos a diario.

Estos pequeños cambios pueden no ser perceptibles para los humanos, pero las BCI deben superar este desafío para mantenerse estables. Por ello, los investigadores trazaron cronológicamente la distancia promedio de Mahalanobis de cada sesión para facilitar su seguimiento.

Deriva representacional

La deriva neuronal es otro fenómeno que los ingenieros deben tener en cuenta al crear su sistema BCI. La deriva se refiere a los cambios en la actividad y el comportamiento a lo largo del tiempo. La deriva ocurre con la mayoría de las memorias a largo plazo relacionadas con las habilidades motoras.

Al comprender que las representaciones neuronales de movimientos familiares evolucionan continuamente, el equipo construyó una variedad común utilizando datos de diferentes días. Monitorearon los cambios diarios exactos y las diferencias específicas, especialmente en los centroides neuronales que no se encontraron en el constructo de las representaciones originales.

Varianza representacional neuronal

Los ingenieros lograron explicar la varianza neuronal representacional de cada acción. Así, el equipo descubrió una estructura metarrepresentacional con límites de decisión generalizables para cada repertorio de acciones, que podían localizarse a medida que se desplazaban a lo largo de la red mental.

Cabe destacar que el equipo estudió previamente la varianza mental en animales. Fue durante estos estudios que observaron por primera vez que las acciones cotidianas eran fácilmente decodificables con alta precisión mediante sensores BCI. También observaron que las acciones estimulaban diferentes centroides en el sistema neuronal a medida que transcurría el tiempo.

Interfaz cerebro-computadora a largo plazo

Este descubrimiento llevó a los ingenieros a rastrear las representaciones de las migraciones a través de la red cerebral para lograr el control de la BCI a largo plazo. En concreto, los investigadores pudieron rastrear y ajustar la plasticidad y la deriva a lo largo del día mediante una IA propia.

Prueba de interfaz cerebro-computadora

Como parte de la fase de prueba, los ingenieros recopilaron datos durante 30 acciones en 49 ensayos y 32 acciones en 48 ensayos. Cabe destacar que la prueba se centró en una sola parte del cuerpo: la mano. El primer paso fue seleccionar un subconjunto de acciones y medir su estructura representativa en diferentes contextos, con el objetivo final de controlar un brazo robótico Jaco virtual.

Participantes de la prueba de interfaz cerebro-computadora

Los ingenieros seleccionaron a un participante que sufría tetraparesia grave y anartria debido a un ictus bilateral del tronco encefálico. El ictus fue tan grave que le quitó la capacidad de hablar y moverse. Los participantes tetrapléjicos no sufrieron daño cognitivo, lo que los hacía ideales para el estudio.

Después de conectar al paciente al BCI actualizado, se le dieron varias tareas que variaban en dificultad, desde visualizar el movimiento de diferentes partes de su cuerpo, como la punta de su dedo, la cabeza o la pierna, hasta los micro movimientos de su dedo índice.

El equipo utilizó BCI basadas en ECoG para registrar las representaciones cerebrales de cada acción. La BCI mejorada ofreció a los ingenieros mayor resolución y la capacidad de manipular las representaciones con precisión y basada en la retroalimentación. Cabe destacar que no se observó ningún movimiento corporal del paciente, pero la actividad mental fue la misma que si no estuviera paralizado.

Brazo robótico de control

El siguiente paso fue integrar el brazo robótico Kinova Jaco para realizar pruebas. En la primera fase, se le pidió al paciente que manipulara el dispositivo utilizando su capacidad mental. La prueba consistía en que el paciente intentara levantar un objeto y moverlo a una nueva ubicación. Esta prueba inicial mostró poca controlabilidad y poca fiabilidad por parte del usuario.

Entorno virtual 3D

Reconociendo la necesidad de proporcionar más retroalimentación al controlador, el equipo creó un brazo robótico virtual. Este enfoque permite a los usuarios refinar su control y proporcionar retroalimentación valiosa, lo que les permite monitorear su progreso y capacidades. Los ingenieros creen que este rápido aprendizaje durante la sesión será crucial para los futuros sistemas de entrenamiento protésico.

Prueba de tiempo de ajuste de la interfaz cerebro-computadora

Uno de los mayores avances de este estudio es que los ingenieros pudieron utilizar el mismo brazo protésico y paciente con una recalibración de tan solo 15 minutos, tras meses de espera entre sesiones. El término utilizó la red neuronal recurrente profunda (RNN) para ajustar la plasticidad y la deriva.

Tras meses de espera, se le indicó al paciente que volviera a enviar mensajes de texto y se le asignaron tareas específicas. Se realizaron dos pruebas complejas de agarre y manipulación de objetos con distintos niveles de dificultad para comprobar el correcto funcionamiento del sistema.

La primera tarea requería que el paciente alcanzara y girara el brazo para agarrar un objeto y moverlo a otra ubicación. Sorprendentemente, el equipo logró una tasa de éxito media del 90%, completando la tarea en tan solo 60.8 s. Las siguientes tareas fueron aumentando en dificultad, y la última requería que el paciente abriera un armario, sacara una taza y la acercara a un dispensador de agua hasta llenarla.

Resultados de la prueba de interfaz cerebro-computadora

Los resultados de la prueba demostraron que la BCI mejorada podía rastrear la varianza neuronal y proporcionar mayor precisión neuronal. El estudio demostró que las señales cerebrales de movimiento se mantienen estables a lo largo del tiempo, pero sus ubicaciones de operación varían ligeramente.

La IA se ajusta automáticamente para rastrear estos cambios, lo que permite sistemas fácilmente configurables que funcionan de forma similar a los dispositivos listos para usar de una PC. El equipo también descubrió datos interesantes durante su investigación.

Observaron que cada extremidad presenta patrones de iniciativa similares en las personas. Por ejemplo, pueden observar los patrones cerebrales y observar la diferencia entre los movimientos de la mano derecha e izquierda. Además, el equipo concluyó que reducir rápidamente la varianza es vital para la toma de decisiones perceptiva.

Además, el estudio demuestra que las estadísticas neuronales como la varianza se pueden rastrear y regular para aumentar las distancias de representación durante el control de BCI sin cambios somatotópicos.

Beneficios de la interfaz cerebro-computadora

Existe una larga lista de beneficios que se obtienen al combinar el aprendizaje humano con la IA. Estos sistemas podrían algún día ayudar a quienes sufren pérdidas dolorosas a recuperar el control de su vida y permitirles realizar sus actividades diarias sin estrés.

Estabilidad

El estudio demostró cómo el ajuste de la BCI puede proporcionar estabilidad a estos dispositivos de control. La decisión del equipo de utilizar una variedad de baja dimensión y distancias de representación relativas para un repertorio de movimientos imaginados simples resultó ser la decisión correcta.

Nuevo record

Hasta esta prueba reciente, el tiempo máximo que una BCI funcionaba sin recalibración era de unos 2 a 3 días. Esta necesidad de recalibración constante relegó estos dispositivos a solo pruebas. Ahora, la BCI mejorada puede durar hasta 7 meses sin actualizaciones, lo que abre la puerta a prótesis más eficientes y económicas, entre otras.

Más eficiente

La BCI mejorada solo tarda unos 15 minutos en recalibrarse cada 6 meses. Esta es una actualización importante respecto al sistema anterior, que requería calibración cada 3 días debido a la degradación del rendimiento durante periodos prolongados en tareas que requieren alta precisión.

Investigadores de la interfaz cerebro-computadora

Investigadores de la Universidad de California en San Francisco fueron dirigidos por el profesor de neurología y miembro del Instituto Weill de Neurociencias de la UCSF, el Dr. Karunesh Ganguly. El artículo fue coescrito por el investigador en neurología Nikhilesh Natraj, Dr. Sarah Seko, Adelyn Tu-Chan y Reza Abiri, de la Universidad de Rhode Island. Cabe destacar que el proyecto fue financiado por los Institutos Nacionales de Salud y el Instituto Weill de Neurociencias de la UCSF.

El futuro de la interfaz cerebro-computadora

Según el equipo, el objetivo ahora es que el brazo robótico sea más fluido y tenga mayor capacidad de respuesta. También quieren ampliar los comandos que mapean con BCI para aumentar la versatilidad y las capacidades del dispositivo. En el futuro, esperan abarcar otras partes del cuerpo.

Aplicaciones reales y cronología de las interfaces cerebro-computadora

Este avance podría tener un impacto revolucionario en múltiples industrias. La capacidad de controlar e interactuar con dispositivos mediante controles mentales representaría una importante mejora respecto a los métodos actuales. También podría abrir la puerta a una nueva era en la atención médica, la electrónica y la educación.

Si bien las implementaciones actuales se encuentran en etapas experimentales, las aplicaciones clínicas generalizadas podrían volverse factibles dentro de los próximos 5 a 10 años, dependiendo de los resultados de más investigaciones y las aprobaciones regulatorias. Como tal, hay mucho entusiasmo en torno a las posibilidades futuras de esta tecnología.

Médico

Un área donde se prevé un uso inmediato de esta tecnología es el sector protésico. El uso de la tecnología BCI se considera para muchos la cumbre de los sistemas de control protésico. Este reciente descubrimiento promete mucho para devolver la autonomía a las personas con parálisis, permitiéndoles interactuar con su entorno mediante dispositivos controlados por el pensamiento.

Empresas innovadoras que lideran el desarrollo de interfaces cerebro-computadora

La carrera por crear computadoras y dispositivos controlados por el cerebro ha llevado a varias empresas a invertir millones en I+D. Estas empresas buscan marcar el comienzo de una nueva era en la salud y la ciencia utilizando dispositivos que superan los teclados y los métodos de entrada tradicionales actuales. Aquí tenemos una empresa pionera en estos esfuerzos y que se está consolidando en el mercado.

sincronizador

Synchron comenzó a operar en 2012 como una empresa de neurotecnología de vanguardia. Cabe destacar que la empresa se denominó SmartStent. En 2016, cambió su nombre a Synchron, lo que refleja su enfoque en el desarrollo de BCI mínimamente invasivas para ayudar a pacientes con pérdida de movilidad.

Actualmente, Synchron ofrece una variedad de productos, incluyendo una interfaz neural endovascular llamada Stentrode. Este dispositivo se introduce en el cuerpo a través de las arterias y se implanta en el cerebro para apoyar las habilidades motoras. Este producto representa la constante innovación de Synchronous en el sector.

Además, la empresa ha obtenido subvenciones de la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos (DARPA), el Departamento de Defensa de Estados Unidos (DoD) y el Consejo Nacional de Investigación Médica y de Salud de Australia.

Quienes deseen entrar en el mercado de BCI deberían investigar más sobre Synchron. Su posicionamiento en el mercado y sus esfuerzos pioneros siguen sentando las bases para futuras interfaces informáticas basadas en IA, entre otras.

Las interfaces cerebro-computadora lo cambiarán todo.

Los avances actuales en BCI podrían hacer que tus sueños de ciencia ficción parezcan obsoletos. Las computadoras del futuro podrán comunicarse directamente contigo a través del pensamiento, abriendo la puerta a una nueva era de evolución humana. Por ahora, estos ingenieros merecen un aplauso de pie por su esfuerzo.

Conozca otros avances en robótica Hoy.

Estudios referenciados:

^{1. Ganguly, K., Natraj, N., Seko, S., Tu-Chan, A. y Abiri, R. (2024). El muestreo de la plasticidad representacional de movimientos imaginados simples a lo largo de los días permite el control neuroprotésico a largo plazo. Célula, 2024. https://doi.org/10.1016/j.cell.2024.02.029}