Robótica controlada por la mente: Éxito de la interfaz cerebro‑computadora de UCSF

Un equipo de investigadores de la Universidad de California, San Francisco (UCSF), ha desarrollado una interfaz cerebro‑computadora (BCI) única que acerca al mundo un paso más a los robots controlados por la mente. Así es como el nuevo sistema podría cambiar la forma en que interactúas con tus dispositivos a largo plazo y ayudar a quienes sufren la pérdida de extremidades a recuperar una mejor calidad de vida.

Interfaz cerebro‑computadora (BCI)

El uso de las BCI sigue expandiéndose en el mercado. Estos dispositivos permiten a los humanos controlar aparatos usando solo pensamientos. Funcionan mediante una variedad de sensores electromagnéticos que pueden monitorizar cambios en la actividad cerebral. Estos sistemas aprovechan las representaciones somatotópicas distintas del cerebro de acciones simples, como golpear con el dedo, para determinar sus movimientos.

Problemas con la interfaz cerebro‑computadora actual

Las BCI ofrecen oportunidades emocionantes para el mercado, pero la tecnología aún se encuentra en una etapa incipiente. Desventajas significativas, como el costo de programar estos dispositivos y la necesidad de reajustarlos constantemente para lograr una calibración adecuada, siguen limitando su adopción. Afortunadamente, un nuevo estudio profundiza en por qué las BCI requieren reajustes e introduce un sistema novedoso que brinda soporte de BCI a largo plazo.

Estudio de la interfaz cerebro‑computadora

Muestreo de la plasticidad representacional de movimientos imaginados simples a lo largo de días permite el control neuroprótesis a largo plazo¹ publicado en la revista científica Cell proporciona detalles sobre cómo habilitar el control neuroprótesis complejo a largo plazo.

El objetivo del estudio era monitorizar, catalogar y descubrir cambios en la actividad cerebral para tareas cotidianas y movimientos simples. Para lograr esta tarea, los investigadores siguieron los cambios en la estructura representacional de la actividad cerebral a lo largo de los días mediante el control BCI.

Interfaz cerebro‑computadora de electrocorticografía

La BCI de electrocorticografía permitió a los ingenieros comparar la actividad neuronal con una cuadrícula ECoG unihemisférica que representa movimientos imaginados de partes del cuerpo. Este enfoque fue necesario para determinar la estructura representacional en el cerebro. Específicamente, 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 con el tiempo. Estos cambios, conocidos como deriva representacional, ocurren a medida que el cerebro se adapta a tareas motoras repetidas. La IA refina su interpretación de las señales cerebrales, permitiendo al participante mantener el control del brazo robótico durante meses. El estudio utilizó una interfaz cerebro‑computadora intracortical, donde se implantaron electrodos diminutos directamente en el cerebro para registrar la actividad neuronal. A diferencia de la electrocorticografía (ECoG), que coloca sensores en la superficie del cerebro, los implantes intracorticales proporcionan grabaciones de alta resolución pero requieren una implantación directa en el tejido cerebral.

Plasticidad

La plasticidad se refiere a la capacidad de tu cerebro para adaptarse a cambios en tu entorno, salud o experiencias. Específicamente, la plasticidad sináptica, la plasticidad homeostática y la neurogénesis adulta de tu 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 media de Mahalanobis de cada sesión para proporcionar rastreabilidad.

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 cambios en la actividad y el comportamiento a lo largo del tiempo. La deriva ocurre con la mayoría de los recuerdos a largo plazo relacionados con habilidades motoras.
Comprendiendo que las representaciones neuronales de movimientos familiares evolucionan continuamente, el equipo construyó un manifold común usando datos de varios días. Monitorearon los cambios diarios exactos y diferencias específicas, especialmente en los centroides neuronales que no se encontraban en la construcción de las representaciones originales.

Variancia representacional neuronal

Los ingenieros pudieron tener en cuenta la variancia representacional neuronal de cada acción. Así, el equipo descubrió una estructura meta‑representacional con límites de decisión generalizables para cada repertorio de acciones, los cuales podían localizarse a medida que se desplazaban a través de la red mental.
Cabe destacar que el equipo previamente estudió la variancia mental en animales. Fue durante esos estudios que notaron por primera vez que las acciones cotidianas eran fácilmente decodificables con alta precisión usando sensores BCI. También observaron que las acciones estimulaban diferentes centroides a lo largo del sistema neuronal con el paso del tiempo.

Interfaz cerebro‑computadora a largo plazo

Este descubrimiento llevó a los ingenieros a rastrear las representaciones de migraciones a través de la red cerebral para lograr un control BCI a largo plazo. Específicamente, los investigadores pudieron rastrear y ajustar la plasticidad y la deriva entre días mediante una IA propietaria desarrollada.

Prueba de la interfaz cerebro‑computadora

Como parte de la fase de pruebas, 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 la estructura representacional de las acciones en diferentes contextos, con el objetivo final de controlar un brazo robótico virtual Jaco.

Participantes de la prueba de la interfaz cerebro‑computadora

Los ingenieros seleccionaron a un participante que sufría de tetraparesia severa y anarquía debido a un accidente cerebrovascular bilateral en el tronco encefálico. El accidente fue tan grave que le quitó la capacidad de hablar o moverse. Los participantes tetrapléjicos no presentaron daño cognitivo, lo que los hacía ideales para el estudio.

Después de conectar al paciente con la BCI actualizada, se le asignaron varias tareas con diferentes niveles de dificultad, desde visualizar el movimiento de distintas partes de su cuerpo como la punta del 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 realizar manipulaciones precisas impulsadas por retroalimentación de las representaciones. Cabe destacar que no se observó movimiento corporal por parte del paciente, pero la actividad mental era la misma como si no estuviera paralizado.

Control del brazo robótico

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

Entorno virtual 3D

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

Prueba del 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 solo una recalibración de 15 minutos después de esperar meses entre sesiones. El método utilizó una red neuronal recurrente profunda (RNN) para ajustar la plasticidad y la deriva.

Después de esperar varios meses, el paciente volvió a realizar pruebas y se le asignaron tareas específicas. Se configuraron dos pruebas complejas de alcance‑a‑agarre y manipulación de objetos con diferentes niveles de dificultad para verificar si el sistema funcionaba correctamente.

La primera tarea requería que el paciente alcanzara y rotara el brazo para agarrar un objeto y moverlo a otra ubicación. De manera impresionante, el equipo logró una tasa de éxito mediana del 90 % completando la tarea en solo 60,8 s. Las tareas siguientes aumentaron en dificultad, y la última exigió al paciente abrir un gabinete, sacar una taza y sostenerla bajo un dispensador de agua hasta que se llenara.

Resultados de la prueba de la interfaz cerebro‑computadora

Los resultados de la prueba mostraron que la BCI mejorada podía rastrear la variancia neuronal y proporcionar mayor precisión neuronal. El estudio demostró que las señales cerebrales para el movimiento permanecen estables con el tiempo, aunque sus ubicaciones operativas cambian ligeramente.

La IA se ajusta automáticamente para rastrear estos cambios, permitiendo sistemas configurables fácilmente que operan de forma similar a dispositivos plug‑and‑play en tu PC. El equipo también descubrió algunos datos interesantes durante su investigación.

Observaron que cada extremidad presenta patrones de iniciativa similares entre diferentes personas. Por ejemplo, pueden analizar los patrones cerebrales y distinguir la diferencia entre los movimientos de la mano derecha e izquierda. Además, el equipo concluyó que reducir la variancia rápidamente es vital para la toma de decisiones perceptivas.

Además, el estudio demuestra que estadísticas neuronales como la variancia pueden ser rastreadas y reguladas para aumentar las distancias representacionales durante el control BCI sin cambios somatotópicos.

Beneficios de la interfaz cerebro‑computadora

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

Estabilidad

El estudio demostró cómo ajustar la BCI puede proporcionar estabilidad a estos dispositivos de control. La decisión del equipo de utilizar un manifold de baja dimensión y distancias representacionales relativas para un repertorio de movimientos imaginados simples resultó ser la elección correcta.

Nuevo récord

Hasta esta prueba reciente, el tiempo máximo que una BCI funcionó sin recalibración era de aproximadamente 2‑3 días. Esta necesidad de recalibrar constantemente relegaba estos dispositivos solo a pruebas. Ahora, la BCI mejorada puede durar hasta 7 meses sin actualizaciones, abriendo la puerta a prótesis más responsivas y económicas, entre otras cosas.

Más eficiente

La BCI mejorada solo requiere alrededor de 15 minutos para recalibrarse cada 6 meses. Esto representa una mejora importante respecto al sistema anterior, que necesitaba calibración cada 3 días debido a la degradación del rendimiento en períodos prolongados para tareas que requieren alta precisión.

Investigadores de la interfaz cerebro‑computadora

Los investigadores de la Universidad de California, San Francisco, fueron liderados por el profesor de neurología y miembro del Instituto Weill de Neurociencias de UCSF, Karunesh Ganguly MD, PhD. El artículo fue co‑autorado por la investigadora en neurología Nikhilesh Natraj, PhD, 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 UCSF.

Futuro de la interfaz cerebro‑computadora

Según el equipo, el objetivo ahora es hacer que el brazo robótico sea más suave y receptivo. También desean ampliar los comandos que la BCI puede mapear para incrementar la versatilidad y capacidades del dispositivo. En el futuro, esperan incluir otras partes del cuerpo.

Aplicaciones del mundo real y cronograma para las interfaces cerebro‑computadora

Este avance podría tener un efecto revolucionario en múltiples industrias. La capacidad de controlar e interactuar con dispositivos mediante controles mentales sería una mejora importante respecto a los métodos actuales. También podría abrir la puerta a una nueva era en la atención médica, la electrónica y la educación.
Aunque las implementaciones actuales están en etapas experimentales, las aplicaciones clínicas generalizadas podrían volverse factibles dentro de los próximos 5 a 10 años, dependiendo de los resultados de investigaciones futuras y de las aprobaciones regulatorias. Por ello, existe mucho entusiasmo en torno a las posibilidades futuras de esta tecnología.

Médico

Un área donde se prevé que esta tecnología encuentre una aplicación inmediata es el sector de las prótesis. El uso de la tecnología BCI ha sido considerado por muchos como la cúspide de los sistemas de control de prótesis. Este reciente descubrimiento tiene un gran potencial para restaurar la autonomía a personas con parálisis al permitirles interactuar con su entorno mediante dispositivos controlados por el pensamiento.

Empresas innovadoras que lideran el desarrollo de la interfaz cerebro‑computadora

La carrera por crear ordenadores y dispositivos controlados por el cerebro ha llevado a varias empresas a invertir millones en I+D. Estas compañías buscan inaugurar una nueva era de salud y ciencia mediante dispositivos que superen los teclados y métodos de entrada tradicionales de hoy. Aquí hay una empresa que está liderando estos esfuerzos y ganando reconocimiento en el mercado.

Synchron

Synchron comenzó sus operaciones en 2012 como una empresa de neurotecnología de vanguardia. Cabe destacar que la compañía se llamaba SmartStent. En 2016, la empresa cambió su nombre a Synchron, reflejando su enfoque en desarrollar BCI mínimamente invasivas para ayudar a pacientes que sufren pérdida de movilidad.

Hoy, Synchron ofrece una variedad de productos, incluido un interfaz neural endovascular llamado Stentrode. Este dispositivo ingresa al cuerpo a través de las arterias y se implanta en el cerebro para proporcionar apoyo a las habilidades motoras. Este producto representa la constante innovación de Synchron en el sector.

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

Aquellos que buscan exposición al mercado de BCI deberían investigar más sobre Synchron. Su posicionamiento en el mercado y sus esfuerzos pioneros continúan sentando las bases para futuras interfaces informáticas impulsadas por IA y más.

Las interfaces cerebro‑computadora 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 mediante pensamientos, abriendo la puerta a una nueva era de evolución humana. Por ahora, estos ingenieros merecen un aplauso de pie por sus esfuerzos.

Conoce otros avances en robótica Hoy.

Estudios citados:

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