En un reciente número de la revista  Nature, (593, 249-254, 13 May 2021),  Francis Willett  et al  presentaron  los resultados  de una interface cerebro-computadora ("BCI"por su sigla en inglés) intracerebral,  que decodifica la actividad neuronal de la corteza motora cuando  imagina  los movimientos de escritura manual y  los  traduce a un texto escrito en tiempo real. Los investigadores trabajaron con un hombre paralizadlo por debajo del cuello y le pidieron que imaginara los movimientos de su mano al escribir con un lápiz sobre una hoja de papel. El sistema BCI le permitió así al participante una velocidad de escritura de 90 caracteres por minuto (la velocidad de una persona  no afectada es 115 caracteres por minuto) y una exactitud del 94 %. El alfabeto decodificado  se muestra en la imagen de la revista Nature acompaña esta nota.

Los sistemas  BCI (1,2) adquieren señales cerebrales y  con la ayuda de una computadora las analizan y las traducen a comandos que transmitidos a un dispositivo de salida que realizan actividades como escribir,  hablar o mover una prótesis. Los sistemas BCI no emplean las conexiones  normales  del cerebro hacia  los nervios periféricos y los músculos:  se limitan   a medir y decodificar  señales electromagnéticas producidas exclusivamente por el sistema nervioso central. Es por ello que   estas interfaces permiten la comunicación con el entorno a personas con diversas parálisis motoras que no pueden  mover siquiera algún  pequeño  músculo voluntario de sus cuerpos.  Un  procesador activado por la voz, movimientos de los ojos o músculos de las mejillas, tal como el que empleaba Stephen Hawking,   no constituye un sistema BCI. Tampoco se trata de un método  más propio de la ciencia ficción que permitiría "leer la mente", ya que requiere la participación voluntaria del individuo.   

Si bien existen tecnologías que emplean magnetogramas o Resonancia Magnética funcional, la mayor parte de los sistemas BCI hacen uso de  las señales eléctricas producidas por un electroencefalograma y los electrodos  para detectar estas señales se pueden colocar por encima  del cuero cabelludo o implantarlos quirúrgicamente  en distintas regiones del cerebro (BCI invasivo), con ventajas y desventajas de las distintas metodologías.

La mayor complejidad  reside en el análisis de las diversas ondas del electroencéfalograma para extraer aquellas que se correlacionan con la intención del usuario. Para ello los individuos participan en sesiones de entrenamiento, que incluyen la representación mental del movimiento deseado (cursores, prótesis, etc) y algún tipo de feedback en los ensayos exitosos como refuerzo  del aprendizaje. Las señales  resultantes  pasan luego al algoritmo que lo traduce a un comando  ejecutado por el  dispositivo de salida: una disminución o aumento de la intensidad o amplitud en una determinada frecuencia de onda del ECG se puede traducir en  la selección de la letra que alteró la calidad de la onda, el  desplazamiento de un cursor,  o el movimiento de una prótesis robótica. El algoritmo debe ser dinámico y adaptarse a  los cambios que el participante sufre durante su  re-educación cognitiva.

Hasta ahora, los sistemas BCIs para escribir en un teclado no habían podido competir con otras tecnologías no-BCI tales como el movimiento de algún pequeño músculo de la cara para elegir una de las 26  posibles letras del alfabeto latino.  No es sencillo, por el contrario,  construir un algoritmo para predecir  cual carácter desea elegir el participante, basado exclusivamente  en  su  actividad neural, tal el caso de   personas con completa parálisis de sus músculos voluntarios. El método BCI invasivo más exitoso hasta ahora  le permitió al usuario alcanzar una  velocidad no mayor a  40 caracteres  per minute. Por otra parte, las metodologías no-BCI   que siguen la trayectoria de los ojos, si bien más rápidas,  ocupan la atención visual del usuario y, a modo de ejemplo,  le impiden responder un correo electrónico mientras lo relee.

En este contexto, el enfoque  desarrollada por   Willett et al  resulta muy superior a lo conocido hasta ahora en cuanto a la velocidad y a la exactitud de la escritura, tal como se mencionó al comienzo.  Los  electrodos implantados en el participante miden la  actividad de varias neuronas  al imaginar que se escribe cada letra. A tal fin  se diseñó un algoritmo de aprendizaje automático ("machine learning" ) que descifra  el patrón de actividad neuronal  producido en múltiples ensayos. Luego de un período de entrenamiento y  la continua adaptación tanto del usuario como del algoritmo fue posible predecir  la letra que se está imaginando  el participante.

Los autores creen que en un futuro no muy lejano estos estudios básicos podrán ser aplicados a nivel clínico. Quedan por estudiar el funcionamiento de este sistema para otros lenguajes y la estabilidad y los riesgos inherentes a cualquier técnica invasiva.

Referencias

1.     Brain-computer interfaces as new brain output pathways. Wolpaw JR. J Physiol. 2007 Mar 15;579:613-9.

2.     Brain-computer interfaces in medicine. Shih JJ, Krusienski DJ, Wolpaw JR. Mayo Clin Proc. 2012 Mar;87(3):268-79.