Interfaces cerebro-computadora. El primer paso hacia la evolución cyborg

Autor: José Olin
Publicado: 2022-12-31

¿Llegará el momento en que los brazos del Dr. Octopus sean algo que puedas pedir para navidad? Considerando los avances en los últimos años de Interfaces Cerebro-Computadora (sistemas que leen señales cerebrales y permiten controlar dispositivos), creemos que es más una cuestión de cuándo que de si, y prometen revolucionar la forma en la que interactuamos con nuestro entorno. En este post veremos qué son y algunas interesantes aplicaciones.

Motivación

¿Por qué nos interesa esta tecnología?

Desde permitir a personas con limitaciones motrices severas controlar dispositivos robóticos y recuperar autonomía

hasta permitir la comunicación a personas con síndrome de enclaustramiento, que están plenamente conscientes pero no pueden moverse o hablar

O el tal vez menos urgente pero necesario permitirnos llegar a la fiesta de Halloween con disfraz del Dr. Octopus con brazos que realmente se mueven con el pensamiento.

Cualquiera que sea tu motivación, bienvenido al viaje.

¿Qué son y de qué se componen?

En 1924, Hans Berger descubrió la presencia de actividad eléctrica en el cerebro humano 1; y en 1973, J. Vidal tuvo el primer acercamiento para controlar dispositivos con estas señales 2. Desde entonces, la comunicación fluida cerebro-máquina se ha mantenido como el santo grial en las ciencias computacionales, y en los últimos años ha tenido un desarrollo vertiginoso.

Una BCI adquiere señales cerebrales, las analiza y las transforma en comandos enviados a otros dispositivos. Las BCIs adquieren la señal del sistema nervioso central, por lo que un sistema activado por voz o por señales musculares no se considera un BCI.

En principio, cualquier tipo de señal cerebral puede ser usada para controlar un sistema BCI, por lo que la etapa de adquisición de la señal puede hacerse por diversas técnicas. La más usual es el Electroencefalograma (EEG), que mide señales eléctricas en la membrana neuronal debidas a las sinapsis, aunque hay otras técnicas que miden señales magnéticas (magnetoencefalograma) o señales metabólicas como la resonancia magnética.

Avances en Interfaces Cerebro-Computadora

La mayoría de los trabajos en BCIs se realizan con EEG en el cuero cabelludo (como el del GIF del tercer brazo con la botella), que tiene la ventaja de ser fácil, seguro y relativamente barato, sin embargo las señales eléctricas son muy atenuadas al pasar por el cráneo y los tejidos, y se pierde mucha información; por ello se han explorado formas de obtener la señal desde dentro del cráneo, con las que se obtienen mejores señales pero implica una cirugía.

Aquí está probablemente el problema más importante a resolver para que las BCI lleguen a nuestros hogares y sean útiles en tareas cotidianas. Se necesita un sistema que pueda funcionar de forma segura y robusta en ambientes no controlados y que sea fácil de colocar y usar, y que a la vez pueda obtener información para tareas complejas como escribir o mover sistemas robóticos.

Afortunadamente, en los últimos años con organizaciones como BrainGate formando equipos interdisciplinarios con múltiples universidades, y empresas como Neuralink apostando por sincronizar nuestros cerebros con Inteligencias Artificiales o Facebook Reality Labs buscando leer 100 palabras por minuto con señales cerebrales, se han presentado avances muy interesantes en esta área.

A continuación te presentamos un resumen de los que encontramos más interesantes de la revista IEEE Spectrum.

BCIs para Movimiento

Implantes cerebrales y dispositivos portables permiten a personas con parálisis moverse de nuevo

Artículo de Chad Bouton.

En 2015, un grupo de neurocientíficos e ingenieros se reunió para ver a un hombre jugar Guitar Hero. Lo que hizo que este juego mundano fuera extraordinario es que el hombre había estado paralizado del pecho hacia abajo durante más de tres años, sin ningún uso de sus manos. Cada vez que movía los dedos para tocar una nota, estaba tocando una canción de autonomía restaurada.

Esta es la imagen del hombre jugando Guitar Hero y como puedes ver, los flotis son parte de las pruebas de concepto alrededor del mundo incluso en los grupos de investigación de punta.

La propuesta de este equipo es muy interesante. En lugar de mover un brazo robótico con el BCI proponen activar directamente los músculos del usuario, lo que de acuerdo a otros artículos, puede tener un impacto positivo en la recuperación de este.

Acá un video de las pruebas de uno de los primeros prototipos.

Manos protésicas controladas por la mente alcanzan nuevas hazañas

Artículo de Michelle Hampson

Los usuarios pueden mover dedos individuales simplemente pensando en ello

Durante la última década se han producido muchos avances en el campo de las extremidades artificiales. En un estudio reciente, tres amputados simplemente pensaron en mover un dedo individual de sus manos protésicas y pudieron hacerlo.

El avance depende de un nuevo decodificador de IA, que puede interpretar las señales nerviosas al final de una extremidad amputada con una especificidad sin precedentes. Permite a los usuarios controlar intuitivamente la mano protésica, con movimientos de muñeca y dedos, con una precisión del 97 al 98 por ciento. Los resultados se describen en un estudio publicado en marzo del 2022 en IEEE Transactions on Biomedical Engineering.

Existen tres enfoques principales para hacer que una máquina interactúe con el sistema nervioso de una persona: a través del cerebro, los músculos o los nervios periféricos. El implante cerebral Neuralink de Elon Musk es un ejemplo de un sistema de interfaz cerebral. Pero aunque los implantes cerebrales quizás ofrezcan la interconexión humano-máquina más completa, conlleva el riesgo de dañar el tejido cerebral.

Los sistemas que interactúan con los músculos al final de una extremidad amputada mediante electromiografía (EMG) ofrecen el grado más bajo de control y son los menos intuitivos para los usuarios; pues requieren que el usuario ejecute una secuencia compleja y antinatural de contracciones musculares para mover la extremidad artificial. Por ejemplo, tener que flexionar rápidamente el músculo A dos veces y luego el músculo B una vez para que la mano artificial cierre todos los dedos.

Este equipo se ha centrado en desarrollar una interfaz nerviosa periférica. Este enfoque implica implantes dentro de los nervios al final de la extremidad amputada.

El cerebro de un usuario envía las señales a los nervios, donde la interfaz las detecta. Luego, un algoritmo de IA decodifica las señales y envía el comando correspondiente a la extremidad artificial.

“La combinación de IA y una interfaz nerviosa periférica ofrece enormes ventajas sobre los enfoques actuales, como una interfaz cerebro-máquina basada en señales corticales o musculares”, dice Yang. “Por ejemplo, es la única tecnología actual que permite controlar los movimientos individuales de los dedos”.

Aprender a usar este nuevo sistema protésico es mucho más fácil que las tecnlogías anteriores. Los participantes del estudio usaron un guante de realidad virtual en la mano hábil, que capturó datos del movimiento de esa mano. Luego imaginaron mover la mano fantasma/lesionada mientras realizaban el mismo movimiento en la mano sana simultáneamente.

De esta manera, el decodificador de IA "aprendió" las señales nerviosas y los movimientos de mano correspondientes de usuarios individuales. Después de varias horas de entrenamiento, que implicó hacer los mismos movimientos con las manos repetidamente, los usuarios pudieron mover las manos protésicas de forma natural, de cualquier forma que deseaban.

Nota: Este proyecto no es un BCI en el sentido en que lo hemos definido, pues no captura las señales en el sistema nervioso central, sino en el periférico. Sin embargo nos ha parecido muy interesante y dado que las señales no son musculares nos pareció suficientemente BCI.

Una interfaz cerebro máquina suave y portátil

Artículo de Payal Dhar.

Dirigido por Woon-Hong Yeo, del Instituto de Tecnología de Georgia, en 2021 este equipo de investigadores publicó un artículo de un sistema pequeño y portable de EEG en cuero cabelludo, que puede funcionar de forma inalámbrica y sin necesidad de usar gel, a diferencia de los sistemas convencionales.

De acuerdo a Yeo, las mejoras en la adquisición de la señal se debe a los electrodos en forma de micro-agujas, invisibles al ojo humano, y que penetran la capa más externa de la piel sin ser sentidas por el usuario.

Adicionalmente, con el uso de algoritmos de clasificación basados en aprendizaje profundo pueden detectar la intención del usuario que debe imaginar un movimiento específico de entre cuatro posibles.

BCIs para comunicación

Una de las aplicaciones con más desarrollo son los sistemas BCI como medio de comunicación. Elegimos 3 artículos que nos parecieron significativos y que muestran claramente el avance que se ha obtenido en esta área.

Cómo las personas con parálisis pueden controlar computadoras de forma inalámbrica con sus mentes

Artículo de Michelle Hampson.

En un estudio piloto, dos voluntarios navegaron por Internet y redactaron mensajes electrónicos usando un sistema BCI inalámbrico.

Un hombre en su casa. Dos transmisores inalámbricos en su cabeza. La antena en el fondo era una de las cuatro montadas alrededor de la habitación. FOTO: BRAINGATE.ORG/IEEE

En 2015, la iniciativa BrainGate alcanzó un hito cuando voluntarios con tetraplejia pudieron escribir usando sus mentes. Pero, para lograr esta hazaña, los participantes tenían que estar conectados a una computadora estacionaria para que la inmensa cantidad de datos se transmitiera para su procesamiento.

En un avance posterior, lograron crear una interfaz inalámbrica cerebro-computadora (BCI), lo que permitía a los usuarios escribir y navegar por Internet desde la comodidad de sus hogares.

“Un BCI inalámbrico para el control de un cursor necesita amplificar y digitalizar cientos de señales eléctricas diminutas del cerebro y transmitirlas a equipos cercanos continuamente durante horas casi sin latencia”, explica John Simeral, profesor asistente de investigación en la Escuela de Ingeniería de la Universidad de Brown, que participa en la iniciativa BrainGate.

El ancho de banda y la eficiencia energética requeridos son "excepcionales", señala Simeral. Es equivalente a transmitir 48 videos de alta definición simultáneamente en una computadora portátil, con un retraso de menos de 100 milisegundos. Diseñar un transmisor inalámbrico capaz de lograr esto con bajo consumo de energía fue un esfuerzo de varios años dirigido por el profesor Arto Nurmikko, colaborador de BrainGate, y su laboratorio en la Universidad de Brown.

Récord 2017: un hombre con parálisis utiliza un implante cerebral para escribir ocho palabras por minuto

Artículo de Eliza Strickland

“Disfruté de la belleza”, escribió.

“¿Qué fue lo que más disfrutó de su viaje al Gran Cañón?” preguntaron los investigadores de Stanford.

En respuesta, un cursor flotó en la pantalla que mostraba un teclado digital, y eligió con confianza una letra a la vez. La mujer dirigió el cursor usando un chip implantado en su cerebro.

“Disfruté de la belleza”, escribió.

La mujer que hizo el viaje al Gran Cañón demostró una notable facilidad con una tarea en la que respondía a preguntas abiertas. Otro participante, un hombre de 64 años paralizado por lesión medular, estableció un nuevo récord de velocidad copiando frases, a una velocidad de ocho palabras por minuto.

Este equipo experimental estaba lejos de estar listo para uso clínico: para enviar datos desde sus chips cerebrales implantados, los participantes usaban componentes montados en la cabeza con cables que se conectan a la computadora. Pero el equipo de Jaimie Henderson, parte del consorcio multiuniversitario BrainGate, está contribuyendo al desarrollo de dispositivos que las personas pueden usar en su vida cotidiana. “Toda nuestra investigación se basa en ayudar a las personas con discapacidades”, dijo Henderson a IEEE Spectrum.

Aquí un video del sistema en funcionamiento.

El pequeño implante, del tamaño de una aspirina, se inserta en la corteza motora, la parte del cerebro responsable del movimiento voluntario. El conjunto de electrodos del implante registra señales eléctricas de las neuronas que se "disparan" cuando la persona *piensa en hacer un movimiento como mover la mano derecha, incluso si está paralizado y no puede moverla. El software de decodificación BrainGate interpreta la señal y la convierte en un comando para el cursor de la computadora.

Interfaz Cerebro-Computadora rompe el récord anterior de velocidad de escritura

Artículo de Emily Waltz, Jun 2021

Imaginar escribir a mano es más rápido que imaginar mover un cursor, en el nuevo sistema BCI.

El antiguo arte de escribir a mano acaba de llevar el campo de las BCI al siguiente nivel. Los investigadores han ideado un sistema que permite a una persona comunicarse directamente imaginando la escritura a mano de los mensajes. El enfoque permite la comunicación a una velocidad más del doble de rápida que los experimentos anteriores de escritura con BCIs.

Investigadores de la Universidad de Stanford realizaron el estudio con un hombre de 65 años con lesión medular, al que se le había implantado una matriz de electrodos en el cerebro. Los científicos describieron el experimento en la revista Nature.

Los enfoques exitosos de escritura por BCI hasta ahora, generalmente involucran imaginar mover un cursor. El más rápido de estos experimentos previos permitió a las personas escribir alrededor de 40 caracteres u 8 palabras por minuto.

En el nuevo sistema, el participante, que había estado paralizado durante alrededor de una década, imaginó los movimientos de la mano que haría para escribir. “Le pedimos intentara escribir, que imaginara que su mano se movía", dijo Frank Willett, investigador de Stanford que colaboró en el experimento.

La matriz de microelectrodos implantada en la corteza motora del cerebro del participante registra la actividad eléctrica de las neuronas individuales mientras este intenta escribir. “No ha movido la mano ni ha intentado escribir en más de diez años y todavía tenemos estos hermosos patrones de actividad neuronal”, dice Willett.

Luego, un algoritmo de aprendizaje automático decodifica los patrones cerebrales asociados con cada letra y una computadora muestra las letras en una pantalla. El participante pudo comunicarse a unos 90 caracteres, o 18 palabras, por minuto.

En comparación, una persona sin discapacidad de edad similar al participante puede escribir en un teléfono unas 23 palabras por minuto, dicen los autores. Los adultos pueden escribir en un teclado un promedio de 40 palabras por minuto.

Los investigadores reutilizaron un algoritmo de aprendizaje automático que se desarrolló originalmente para el reconocimiento de voz. El algoritmo de aprendizaje profundo, llamado red neuronal recurrente, se entrenó en el transcurso de unas pocas horas para reconocer la actividad neuronal del participante cuando imaginaba oraciones escritas a mano.

Las redes neuronales suelen estar entrenadas para reconocer el habla y las imágenes utilizando decenas de miles de horas de datos de audio o millones de imágenes, dice Willett. El desafío con el experimento de escritura a mano fue lograr una alta precisión con una cantidad limitada de datos.

También fue difícil decodificar cuándo, exactamente, el hombre estaba escribiendo una letra y cuándo no. Para ayudar con esto, tomaron prestada una herramienta de reconocimiento de voz, un modelo oculto de Markov, que ayudó a etiquetar los datos relevantes.

“La razón por la que funciona mucho mejor que escribir a máquina es que cada letra manuscrita tiene una trayectoria diferente, y un patrón muy diferente de movimientos de los dedos y acciones motoras. Esto evoca un patrón único de actividad neuronal que es fácil de distinguir”, dice Willet.

Por el contrario, los sistemas en los que el participante imagina mover un cursor, implican realizar movimientos en línea recta hacia diferentes teclas. Esto evoca patrones similares de actividad neuronal que no se distinguen fácilmente y ralentiza el sistema, dice Willett.

Las técnicas y algoritmos presentados son aplicables a otras áreas de investigación, como controlar manos protésicas, dice Chestek de la Universidad de Michigan.

Los algoritmos, en su forma actual, tienen que ser entrenados y personalizados para cada participante. También deben recalibrarse cada cierto tiempo porque, las neuronas tienden a cambiar y la matriz de electrodos puede moverse ligeramente. Como próximo paso, Willett dice que espera reducir la cantidad de tiempo de entrenamiento inicial y encontrar una manera para que los algoritmos se recalibren automáticamente.

Conclusión

Como una muestra de que es un área de mucho interés para la comunidad científica, este año una de las ganadoras de la beca de los presidentes de IEEE, que se selecciona de los trabajos presentados en la feria internacional de Ciencia e Ingeniería de Regeneron, es justamente un sistema BCI.

En algún momento del futuro que probablemente alcanzaremos a ver, controlaremos nuestros dispositivos con el pensamiento y los dispositivos de asistencia estarán cada vez más a niveles Skywalker. Los teclados serán un dispositivo del pasado, que nuestros nietos verán con curiosidad y nos preguntarán cómo era comunicarnos tan lentamente con nuestras computadoras.

Mientras tanto, ¡Hasta la Autonomía, Siempre!