Una nueva interfaz cerebro-ordenador permite a personas con parálisis convertir el pensamiento de estar escribiendo con la mano en un texto visible en una pantalla. El sistema, desarrollado por científicos de EE UU, consigue una rapidez similar a la de teclear en un smartphone.
Investigadores de la Universidad de Stanford (EE UU) han acoplado un software de inteligencia artificial a una interfaz cerebro-ordenador (ICO) implantada en el cerebro de un hombre con tetraplejia.
El sistema ha sido capaz de decodificar la información de la ICO para convertir rápidamente el pensamiento o intento de escribir a mano del participante en un texto visible en la pantalla de ordenador.
Los resultados del estudio, publicado en Nature, muestran que esta persona logró alcanzar una velocidad de escritura de 90 caracteres por minuto, con un 94,1 % de precisión, cuando utilizó este método.
El hombre fue capaz de escribir más del doble de rápido que con un método anterior, desarrollado por el mismo equipo y donde se seleccionaba letra a letra en un teclado virtual, y cuyos resultados se publicaron en la revista eLife en 2017.
La velocidad lograda ahora por el participante es comparable a la de la escritura típica en un smartphone por parte de personas de su mismo grupo de edad (115 caracteres por minuto), destacan los autores.
Los investigadores pidieron al participante que intentara ‘escribir’ frases como si su mano no estuviera paralizada, imaginando que sostenía un bolígrafo sobre un papel. Durante este ejercicio, la ICO utilizó una red neuronal, un tipo de aprendizaje automático, para traducir el intento de los movimientos de escritura a texto, a partir de la actividad cerebral y en tiempo real.
Según señala Jaimie Henderson, profesor de neurocirugía de la universidad estadounidense y uno de los líderes del trabajo, “los hallazgos podrían impulsar nuevos avances que beneficien a millones de personas en el mundo, que han perdido el uso de sus extremidades superiores o su capacidad de hablar debido a lesiones de la médula espinal, derrames cerebrales o esclerosis lateral amiotrófica, también conocida como enfermedad de Lou Gehrig”.
El voluntario, al que se denomina T5 en los experimentos, perdió prácticamente todo el movimiento por debajo del cuello debido a una lesión de la médula espinal en 2007.
Nueve años después, Henderson colocó dos chips de interfaz cerebro-ordenador, cada uno del tamaño de una aspirina infantil, en su lado izquierdo del cerebro. Cada chip tiene 100 electrodos que recogen las señales de las neuronas que se disparan en la parte de la corteza motora —una región de la superficie más externa del cerebro— que gobierna el movimiento de las manos.
Estas señales neuronales se envían a través de cables a un ordenador, donde los algoritmos de inteligencia artificial descodifican las señales y deducen el movimiento previsto de la mano y los dedos de T5.
Los algoritmos se diseñaron en el Laboratorio Traslacional de Prótesis Neurales de Stanford, codirigido por Henderson y Krishna Shenoy, profesor de ingeniería en esta universidad.
Shenoy y Henderson, que colideran el trabajo, llevan colaborando en el campo de la interfaz cerebro-ordenador desde 2005. Por su parte, el primer autor es Frank Willett, investigador del laboratorio y del Instituto Médico Howard Hughes.
Willet destaca que en esta investigación han aprendido que el cerebro “conserva su capacidad de predecir movimientos finos una década entera después de que el cuerpo haya perdido su capacidad de ejecutar esos movimientos”.
También, concluye, “hemos descubierto que los algoritmos de inteligencia artificial que utilizamos pueden interpretar con mayor facilidad y rapidez los movimientos complicados que implican cambios de velocidad y trayectorias curvas, como la escritura a mano”.
Referencia:
F. Willett, J. Henderson, K. Shenoy et al. “High-performance brain-to-text communication via handwriting”. Nature (12 mayo, 2021)
Las herramientas de código abierto están transformando el manejo de la esta enfermedad metabólica, a través de páncreas artificiales que permiten un control automatizado y personalizado de la glucosa. Este avance no solo mejora la calidad de vida de las personas con diabetes, sino que también abre el camino hacia tecnologías de salud accesibles y colaborativas.
La técnica permite detectar en una sola prueba todo el espectro de patógenos, como bacterias, hongos, virus y parásitos. La secuenciación metagenómica de nueva generación podría acelerar la identificación de futuras pandemias víricas. Además, ha mostrado eficacia en la identificación temprana de infecciones neurológicas.
