El aprendizaje profundo de la IA mejora el desempeño de la interfaz cerebro-computadora

Source: M0DY/Pixabay

Un nuevo estudio publicado en PNAS Nexus por investigadores de la Universidad Carnegie Mellon (CMU) demuestra cómo una interfaz cerebro-computadora (ICC) no invasiva impulsada por el aprendizaje profundo (DL por sus siglas en inglés) de inteligencia artificial (IA) puede permitir a los humanos controlar continuamente un cursor usando pensamientos.

"Este estudio demuestra el potencial del uso de decodificadores basados en DL para la decodificación ICC en línea en tareas desafiantes y muestra que los sujetos pueden lograr un alto rendimiento con estos modelos", escribió el autor correspondiente, el Dr. Ben He, Docente de Ingeniería Biomédica, Profesor del Instituto de Neurociencias y Profesor invitado de Ingeniería Eléctrica e Informática en la Universidad Carnegie Mellon, junto con los coautores Dylan Forenzo, Hao Zhua, Jenn Shanahan y Jaehyun Lima.

Las interfaces cerebro-computadora permiten a los usuarios controlar dispositivos externos usando la mente. Las ICC son neurotecnología de asistencia que puede ayudar a las personas con problemas del habla o que están paralizadas a controlar dispositivos externos, como extremidades robóticas, operar una silla de ruedas motorizada y controlar el cursor de una computadora. Se proyecta que la industria cerebro-computadora alcanzará los $6.2 mil millones de dólares para 2030, según Grand View Research.

El campo de las interfaces cerebro-computadora ha estado ganando más atención de los medios de comunicación en los últimos años, en gran parte debido a que el empresario estadounidense nacido en Sudáfrica, Elon Musk, cofundó Neuralink en 2016 con Max Hodak y otros. En enero de 2024, Musk anunció en su sitio de redes sociales X (anteriormente Twitter) que su compañía ICC Neuralink se implantó en un humano. Pero esta no fue la primera vez que a los humanos se les implantaron interfaces cerebro-computadora.

Décadas antes, las primeras personas en recibir interfaces cerebro-computadora fueron un paciente con ELA y un sobreviviente de accidente cerebrovascular del tronco encefálico. En 1998, el neurocirujano de la Universidad de Emory, el Dr. Roy E. Bakay, y el neurocientífico Dr. Phillip R. Kennedy implantaron electrodos neurotróficos en el área de la corteza motora de los pacientes, lo que les permitió controlar un cursor en una computadora externa usando sus pensamientos para impulsar el habla computarizada.

Las ICC utilizan inteligencia artificial para decodificar la actividad cerebral compleja y predecir la acción prevista del usuario. La actividad cerebral se puede recopilar mediante métodos invasivos (requiere cirugía para implantar) o no invasivos, como la electroencefalografía (EEG). Los electroencefalogramas registran la actividad eléctrica del cerebro. La actividad eléctrica del cerebro se registra mediante electrodos colocados en el cuero cabelludo y una máquina de electroencefalograma amplifica las señales y luego produce una salida gráfica.

En la década de 1920, el neuropsiquiatra alemán Hans Berger (1873-1941) realizó las primeras grabaciones de electroencefalogramas del cerebro humano y publicó una serie de artículos científicos. Berger acuñó el término "electroencefalograma".

Avancemos rápidamente hasta el día de hoy, y los neurólogos usan las pruebas de EEG como un método seguro para ayudar a diagnosticar epilepsia, lesiones cerebrales, trastornos del sueño, psicosis, accidente cerebrovascular, tumores, demencia, enfermedad de Alzheimer, enfermedad de Creutzfeldt-Jakob y otras afecciones. En 2023, el tamaño del mercado mundial de dispositivos de electroencefalografía era de 1,210 millones de dólares, una cifra que se espera que casi se duplique a 2,390 millones de dólares para 2030.

"Entre los métodos no invasivos, el EEG es particularmente adecuado para los sistemas ICC debido a su alta resolución temporal, portabilidad y costo relativamente bajo", escribieron los investigadores de CMU.

Para llevar a cabo esta investigación, la actividad cerebral de participantes humanos sanos se registró de forma no invasiva utilizando Quik-Cap de EEG de 64 canales de Compumedics Neuroscan con el sistema SynAmps 2/RT para amplificar las señales. Los participantes rastrearon mentalmente un objeto en movimiento continuo en una pantalla mientras una gorra de EEG colocada en sus cabezas registraba sus señales neuronales. Una red neuronal profunda decodifica las grabaciones neuronales y predice las intenciones del participante.

Los científicos compararon su algoritmo de aprendizaje profundo de IA recientemente desarrollado con los decodificadores de aprendizaje profundo existentes con resultados alentadores.

"Evaluamos rigurosamente los decodificadores basados en DL en un total de 28 participantes humanos, y descubrimos que los modelos basados en DL mejoraron a lo largo de las sesiones a medida que se disponía de más datos de entrenamiento y superaron significativamente a un decodificador ICC tradicional en la última sesión", informaron los científicos.

Brain Computer Interface Lecturas esenciales

Interfaz cerebro-computadora permite juego de control mental

IA decodifica gestos manuales a partir de imagen cerebral

Los investigadores demostraron cómo el aprendizaje profundo de la IA, combinado con una interfaz cerebro-computadora no invasiva, puede allanar el camino para que los dispositivos de alto rendimiento no solo ayuden a los pacientes paralizados, sino que también mejoren la calidad de la vida diaria de las personas sanas en el futuro.

Copyright © 2024 Cami Rosso Todos los derechos reservados.