Interfaz Cerebro-Computadora
Una interfaz computadora-cerebro predice tus pensamientos
El estudio de Caltech muestra cómo una interfaz cerebro-computadora puede ayudar a las personas con problemas del habla.
22 de noviembre de 2022 Revisado por Ekua Hagan
Los puntos clave
- Investigadores observaron que el habla interna es altamente decodificable en la región de la circunvolución supramarginal del cerebro.
- Con esta prueba de concepto, creen que la circunvolución supramarginal puede representar potencialmente un vocabulario interno aún mayor.
- Ser capaz de construir modelos sobre el habla interna puede permitir a los científicos ayudar a las personas que no pueden vocalizar el habla.
![Geralt/Pixabay Geralt/Pixabay](https://cdn.psychologytoday.com/sites/default/files/styles/article-inline-half-caption/public/field_blog_entry_images/2022-11/pic09251.gif?itok=Ceeg25g_)
Una nueva investigación científica presentada en la conferencia Society for Neuroscience 2022 de esta semana por el Instituto de Tecnología de California (Caltech) muestra que una interfaz cerebro-máquina (ICM), también conocida como interfaz cerebro-computadora (ICC), puede predecir el monólogo interno de una personacon un alto grado de precisión.
Prueba de concepto para una ICM de habla interna de alto rendimiento
Las interfaces cerebro-máquina permiten a quienes no pueden hablar debido a enfermedades neurológicas como la esclerosis lateral amiotrófica (ELA) controlar dispositivos externos para comunicarse, usar teléfonos inteligentes, escribir correos electrónicos, comprar en línea y muchas más funciones para vivir de manera más independiente.
“Este trabajo representa la primera prueba de concepto para una ICM de habla interna de alto rendimiento”, escribieron los investigadores de Caltech en su último estudio.
Los científicos plantearon la hipótesis de que diferentes regiones del cerebro se modularían durante el habla vocalizada versus la interna. Específicamente, los investigadores estaban probando su teoría de que para el habla vocalizada, la circunvolución supramarginal (CSM) en la corteza parietal posterior (CPP) y la actividad de la corteza somatosensorial primaria (S1) se modularía y que durante el habla interna solo se modularía la actividad de la CSM.
El participante del estudio era tetrapléjico (tetrapléjico) con una lesión anterior de la médula espinal. Al participante se le implantó una matriz de electrodos múltiples de 96 canales, Neuroport Array de Blackrock Microsystems, en las áreas de la circunvolución supramarginal (CSP) y la corteza premotora ventral izquierda (CPv), así como dos matrices de microelectrodos de 48 canales en la región primaria. corteza somatosensorial (S1).
Los investigadores de Caltech optaron por utilizar una interfaz cerebro-máquina invasiva en un esfuerzo por obtener una relación y resolución favorables de señal a ruido en lugar de tecnologías de registro cerebral no invasivas como magnetoencefalografía (MEG), imágenes magnéticas (fMRI) o electroencefalografía ( EEG).
Las matrices implantadas registraron la actividad cerebral del participante mientras pensaba o hablaba internamente seis palabras y dos pseudopalabras. Los investigadores caracterizaron los cuatro procesos lingüísticos de producción del habla vocalizada, lectura de palabras, comprensión auditiva y habla interna a nivel neuronal. Observaron que el habla interna es altamente decodificable en la circunvolución supramarginal.
"En este trabajo, demostramos un decodificador robusto para el habla interna y vocalizada, que captura la actividad de una sola neurona del giro supramarginal", escribieron los investigadores de Caltech. “Un participante con tetraplejía con implante crónico y capacidad del habla pudo usar un IMC de habla interna de circuito cerrado en línea para lograr una precisión de clasificación de hasta el 91 por ciento con un vocabulario de ocho palabras”.
Con esta prueba de concepto demostrada, los investigadores creen que la región cerebral de la circunvolución supramarginal tiene el potencial de representar un vocabulario interno aún mayor.
"Al construir modelos sobre el habla interna directamente, nuestros resultados pueden traducirse en personas que no pueden vocalizar el habla o que están completamente bloqueadas", concluyeron los investigadores.
Derechos de autor © 2022 Cami Rosso Todos los derechos reservados.
A version of this article originally appeared in English.