Un nuevo sistema no invasivo convertiría señales cerebrales en texto escrito

Un equipo de Meta, Université PSL y la Fundación Adolphe de Rothschild presentó un sistema no invasivo que traduce señales cerebrales en texto escrito, un avance que busca acercar la comunicación asistida a pacientes paralizados sin exponerlos a los riesgos de una cirugía cerebral, informó el portal especializado TechXplore.

La propuesta combina un nuevo algoritmo de aprendizaje profundo con registros de electroencefalografía, conocida como EEG, o de magnetoencefalografía, conocida como MEG. El resultado más preciso apareció con esta última: el modelo registró una tasa media de error por carácter de 29%, frente al 65% obtenido con la primera. En los mejores participantes, el error cayó a 18% y el sistema logró descifrar correctamente distintas frases fuera del conjunto de entrenamiento.

La investigación, publicada en la revista científica Nature Neuroscience, parte de un problema concreto: algunas lesiones físicas y afecciones neurológicas pueden alterar de manera temporal o permanente el movimiento y dejar a una persona sin posibilidad de hablar, escribir en un teclado o usar dispositivos electrónicos. En ese contexto, las interfaces cerebro-computadora pueden convertir patrones de actividad cerebral en comandos informáticos o texto escrito.

El sistema prescinde de sensores cerebrales implantados

Los autores subrayaron que las neuroprótesis modernas ya pueden restaurar la comunicación en pacientes que perdieron la capacidad de hablar o moverse, pero añadieron que esos dispositivos suelen ser invasivos. Esos sistemas de mejor rendimiento requieren por lo general pequeñas sondas implantadas sobre o dentro del cerebro para detectar señales eléctricas asociadas con la actividad neuronal.

Frente a esa limitación, el nuevo método prescinde de procedimientos quirúrgicos. “Introducimos un método no invasivo para decodificar la producción de frases a partir de la actividad cerebral y demostramos su eficacia en una cohorte de voluntarios sanos”, detallaron los investigadores en el estudio citado.

Para poner a prueba el sistema, el equipo reclutó a 35 participantes sin condiciones médicas o neuropsiquiátricas conocidas. A cada uno se le pidió memorizar frases específicas, mientras los científicos registraban su actividad cerebral durante la escritura de esas oraciones en un teclado estándar.

La captura de señales se hizo con dos técnicas no invasivas. El EEG mide la actividad eléctrica del cerebro mediante sensores colocados sobre el cuero cabelludo, mientras que el MEG detecta diminutos campos magnéticos generados por neuronas activas con un casco equipado con sensores ultrasensibles.

Brain2Qwerty predice caracteres desde actividad cerebral

Con esos registros, los investigadores desarrollaron un algoritmo de aprendizaje profundo y lo entrenaron por separado con los datos de EEG y de MEG. Durante esa fase, el sistema aprendió a predecir los caracteres que los participantes escribían a partir, exclusivamente, de la actividad cerebral.

Los autores llamaron a su arquitectura Brain2Qwerty y explicaron que fue diseñada para decodificar frases mientras los participantes escribían en un teclado QWERTY oraciones brevemente memorizadas. “Con MEG, Brain2Qwerty alcanza, en promedio, una tasa de error por carácter de 29% y supera ampliamente al EEG, cuya tasa de error por carácter es de 65%”, señalaron.

Ese mismo modelo mostró que, al menos en algunos casos, la decodificación no se limitó a frases vistas durante el entrenamiento. Conforme al portal, en los mejores participantes pudo reconstruir con exactitud varias oraciones nuevas, un dato que sugiere capacidad de generalización fuera del conjunto inicial de ejemplos.

La comparación entre ambas técnicas reveló que los caracteres escritos por los participantes se podían predecir con mayor precisión a partir de registros de MEG que de EEG. Para algunos voluntarios, la tasa de error de 18% apareció como una señal temprana de que una vía no invasiva puede acercarse al desempeño que hasta ahora dominaban los sistemas implantables.

Los investigadores sostuvieron que estos resultados reducen la distancia entre los métodos invasivos y no invasivos. En palabras del estudio, ese avance “abre el camino” hacia interfaces cerebro-computadora seguras para pacientes que no pueden comunicarse.

De acuerdo con el portal, el trabajo también apunta a desarrollos futuros más allá del texto escrito. El algoritmo podría perfeccionarse para disminuir todavía más los errores y, con el tiempo, aportar a tecnologías de asistencia que permitan a personas con discapacidades motoras comunicarse con otros, usar dispositivos digitales o incluso controlar prótesis y otras herramientas de apoyo.