Los científicos han completado la primera demostración de una prótesis cerebral «plug and play» controlada por una persona paralizada.
El sistema utiliza el aprendizaje automático para ayudar al individuo a controlar una interfaz de computadora con solo su cerebro. A diferencia de la mayoría de las interfaces cerebro-computadora (BCI), la IA funcionó sin requerir un reentrenamiento diario extenso.
La autora principal del estudio, Karunesh Ganguly, profesora asociada en el Departamento de Neurología de la UC San Francisco, describió el avance en una oracion:
El campo BCI ha logrado un gran progreso en los últimos años, pero debido a que los sistemas existentes han tenido que reiniciarse y recalibrarse todos los días, no han podido aprovechar los procesos naturales de aprendizaje del cerebro. Es como pedirle a alguien que aprenda a andar en bicicleta una y otra vez desde cero. Adaptar un sistema de aprendizaje artificial para que funcione sin problemas con los sofisticados esquemas de aprendizaje a largo plazo del cerebro es algo que nunca antes se había demostrado en una persona paralizada.
[Leer:[Read: ]
El sistema utiliza una matriz de electrocorticografía (ECoG) del tamaño de una nota Post-it. La matriz se coloca directamente en la superficie del cerebro, donde monitorea la actividad eléctrica de la corteza cerebral.

Los investigadores afirman que el sistema proporciona grabaciones estables a largo plazo de la actividad neuronal. Esto le da una ventaja sobre BCI compuestas por electrodos afilados que penetran el tejido cerebral, ya que tienden a cambiar o perder la señal con el tiempo.
El equipo probó el sistema en un individuo con parálisis de las cuatro extremidades, que lo usó para controlar el cursor de una computadora en una pantalla. Al principio, le pidieron al usuario que imaginara los movimientos de su cuello y muñeca mientras observaba el movimiento del cursor. Esto llevó al algoritmo a actualizarse gradualmente para poder hacer coincidir los movimientos del cursor con la actividad cerebral.
Sin embargo, este proceso lento restringió el control del usuario. Entonces, los investigadores probaron un enfoque diferente: permitir que el algoritmo continúe actualizándose sin un reinicio diario.
Ganguly dijo que esto condujo a mejoras continuas en el rendimiento del sistema:
Descubrimos que podíamos mejorar aún más el aprendizaje asegurándonos de que el algoritmo no se actualizara más rápido de lo que el cerebro podía seguir, una frecuencia de aproximadamente una vez cada 10 segundos. Vemos esto como un intento de construir una asociación entre dos sistemas de aprendizaje, el cerebro y la computadora, que finalmente permite que la interfaz artificial se convierta en una extensión del usuario, como su propia mano o brazo.

A medida que avanzaba la prueba, el cerebro del usuario comenzó a amplificar los patrones de actividad neuronal que movían el cursor. Finalmente, desarrollaron un «modelo» mental arraigado para controlar la interfaz. Luego, los investigadores apagaron las actualizaciones del algoritmo para que el participante pudiera usar el sistema sin requerir ajustes diarios.
Cuando el sistema mantuvo su rendimiento durante 44 días sin reentrenamiento o práctica diaria, los investigadores comenzaron a agregar habilidades adicionales al BCI, como «hacer clic» en un botón virtual, sin que el rendimiento disminuya.
Ganguly ahora espera usar la grabación ECoG en sistemas robóticos más complejos, incluidas las extremidades artificiales.
«Siempre hemos sido conscientes de la necesidad de diseñar tecnología que no termine en un cajón, por así decirlo, pero que realmente mejorará la vida diaria de los pacientes paralizados», dijo. «Estos datos muestran que las BCI basadas en ECoG podrían ser la base de dicha tecnología».
Puedes leer el trabajo de investigación en el diario Biotecnología de la naturaleza.
¿Estás interesado en la IA? Luego únete a nuestro evento en línea, TNW2020, donde escuchará cómo la inteligencia artificial está transformando industrias y empresas.
Publicado el 7 de septiembre de 2020-17: 20 UTC