Redacción
Ingenieros de la Universidad de California en Los Ángeles (UCLA) han desarrollado un interfaz cerebro-computadora portátil y no invasivo, que incorpora un sistema de inteligencia artificial (IA) como copiloto. Este modelo permite a personas con parálisis o limitaciones motoras ejecutar tareas con mayor precisión y rapidez, como mover un cursor en un ordenador o manipular objetos con un brazo robótico.
El trabajo, publicado en Nature Machine Intelligence, supone un avance relevante en el rendimiento de los sistemas de interfaz cebro-computadora (BCI) no invasivos. Según sus autores, estas tecnologías podrían convertirse en herramientas útiles para personas con trastornos neurológicos, al mejorar la capacidad de manipular y mover objetos en la vida diaria.
El equipo diseñó algoritmos personalizados para decodificar señales de electroencefalografía (EEG) y traducirlas en intenciones de movimiento. Estas señales se combinaron con una plataforma de IA basada en visión artificial, que interpreta en tiempo real la dirección y la intención del usuario. El resultado fue una ejecución más rápida y precisa de las tareas frente al uso de un BCI sin asistencia.
«Al usar inteligencia artificial para complementar los sistemas de interfaz cerebro-computadora, buscamos vías con menor invasividad y riesgo», explica Jonathan Kao, líder del estudio y profesor asociado de ingeniería eléctrica e informática en la Escuela de Ingeniería Samueli de UCLA. «Nuestro objetivo es desarrollar sistemas IA-BCI que ofrezcan autonomía compartida y permitan a pacientes con parálisis o esclerosis lateral amiotrófica (ELA) recuperar independencia en actividades cotidianas«.
El participante con parálisis logró completar el desafío del brazo robótico en seis minutos y medio con la ayuda del copiloto de IA, mientras que sin esa asistencia no pudo finalizarlo
Actualmente, los BCI implantados quirúrgicamente pueden traducir señales neuronales en comandos, pero sus beneficios se ven limitados por los riesgos y costes de la neurocirugía. Más de dos décadas después de su primera demostración, estos dispositivos siguen restringidos a ensayos clínicos piloto. En cambio, los BCI portátiles han mostrado menor fiabilidad en la detección de señales, lo que limita su aplicación práctica.
Para superar estas limitaciones, los investigadores probaron la nueva interfaz asistida por IA con cuatro participantes: tres sin discapacidad motora y uno con parálisis de cintura para abajo. Con un gorro de EEG, los algoritmos tradujeron señales cerebrales en movimientos de cursor y de un brazo robótico. Al mismo tiempo, la IA copiloto asistía en la ejecución de dos pruebas: mover un cursor por ocho objetivos en pantalla y trasladar cuatro bloques sobre una mesa a posiciones designadas.
Todos los participantes completaron las tareas de forma más rápida con la asistencia de IA. En especial, el participante con parálisis logró completar el desafío del brazo robótico en seis minutos y medio con la ayuda del copiloto de IA, mientras que sin esa asistencia no pudo finalizarlo.
La interfaz descifra las señales eléctricas asociadas a las intenciones motoras, y la IA interpreta el objetivo previsto del usuario, sin depender de movimientos oculares, para guiar el cursor y posicionar objetos. «Los próximos pasos pueden incluir el desarrollo de copilotos más avanzados que permitan mover brazos robóticos con mayor velocidad, precisión y sensibilidad táctil, adaptándose al objeto que el usuario quiera agarrar», señala Johannes Lee, coautor principal y doctorando en UCLA. «Además, el uso de datos de entrenamiento a gran escala ayudará a mejorar la decodificación de EEG y a abordar tareas más complejas», concluye.
El sistema decodifica señales cerebrales registradas por EEG y las combina con visión artificial para interpretar en tiempo real la intención del usuario
«Los pacientes con parálisis severa causada por patologías como la esclerosis lateral amiotrófica (ELA) o por lesiones medulares suelen presentar problemas importantes de comunicación y movilidad. Sin embargo, la actividad cerebral suele conservarse intacta. Para mejorar su calidad de vida se están desarrollando interfaces cerebro-ordenador, que registran la actividad eléctrica del cerebro de estos pacientes y transforman estas señales en comandos u órdenes que se pueden utilizar para para controlar, en tiempo real, dispositivos externos como brazos robóticos, cursores de ordenador o sillas de ruedas», explica Eduardo Fernández, director del Instituto de Bioingeniería de la Universidad Miguel Hernández de Elche y del grupo de Neuroingeniería Biomédica en el Ciber-BBN, explica en declaraciones recogidas por Science Media Centre España (SMC España).
Tradicionalmente, estas interfaces se basan solo en la actividad cerebral, pero muchas acciones humanas están orientadas a objetivos concretos y pueden beneficiarse de la asistencia de la IA. El trabajo del equipo de UCLA muestra que la inteligencia artificial puede deducir el objetivo del usuario y ayudarle en sus movimientos, reduciendo la carga cognitiva sin quitarle el control.
El equipo diseñó algoritmos personalizados para decodificar señales de electroencefalografía (EEG) y traducirlas en intenciones de movimiento
No obstante, Eduardo Fernández recuerda que se trata de un estudio preliminar de prueba de concepto. «Los resultados de sus experimentos en tres controles sanos y un paciente con lesión medular sugieren que esta aproximación puede ayudar a mejorar, de manera significativa, el control del movimiento de un cursor de ordenador y las acciones de un brazo robótico. Por ejemplo, el participante con parálisis que participó en estos estudios consiguió un rendimiento casi cuatro veces superior en el control del cursor, gracias a la ayuda del asistente de IA. Además, este participante pudo controlar un brazo robótico para mover una serie de bloques a ubicaciones aleatorias, una tarea que no podía realizar sin la ayuda del asistente de IA», expone.
En su opinión, el futuro es «esperanzador» y es necesario estar preparados para poder utilizar los resultados de estas investigaciones para mejorar la calidad de vida de los pacientes con problemas de comunicación y movilidad. «Sin embargo, todavía hay que resolver muchos problemas que afectan al rendimiento y uso generalizado de estos sistemas», afirma.
