Científicos de la Universidad de Zaragoza y de la Escuela Politécnica Federal de Lausana (EFPL, Suiza) han desarrollado unas neuroprótesis que utilizan información del cerebro humano para adaptar su comportamiento y aprender tareas nuevas.
Las interfaces cerebro-máquina son una tecnología prometedora para mejorar la calidad de vida de miles de pacientes con problemas de movilidad, en particular aquellos que sufren parálisis.
“El nuevo paradigma consiste en permitir que la neuroprótesis aprenda parte de sus movimientos y los adapte durante la interacción con el usuario, utilizando información obtenida directamente del cerebro”, dijo Luis Montesano, responsable de la investigación.
Hasta ahora se debía entrenar el cerebro para generar patrones de actividad cerebral asociados a distintos movimientos que eran ejecutados por las neuroprótesis. Esta nueva interfaz utiliza el potencial de error, una señal cerebral que se genera automáticamente cuando el resultado de una acción de la neuroprótesis no coincide con lo esperado por el usuario. Se trata de un proceso natural, que no es necesario entrenar, un factor utilizado por los investigadores para que las neuroprótesis puedan aprender fácilmente.
“Por ejemplo, si la neuroprótesis no consigue recoger un vaso de agua que el usuario quiere beber, el potencial de error generado en el cerebro del usuario indica a la neuroprótesis que necesita cambiar o adaptar su comportamiento. De la misma forma, la máquina sabe que está cumpliendo sus objetivos cuando esta actividad no aparece”.
El cambio de paradigma más profundo radica en que el uso de esta actividad cerebral libera al usuario de la tediosa tarea de enseñarle a la prótesis cómo desea una tarea y mostrarle acciones nuevas.
La evaluación de este nuevo paradigma se realizó en dos fases. Inicialmente la neuroprótesis debe aprender los patrones específicos de los potenciales de error para el usuario. Para ello, el interfaz cerebro-máquina registra la actividad cerebral durante una tarea predefinida y la neuroprótesis utiliza esta información para aprender un detector de potenciales de error de forma automática.
En las pruebas realizadas a 12 personas, fueron capaces de entrenar el sistema, de forma que en tan solo 25 minutos con aproximadamente 300 movimientos, eran capaces de diferenciar las acciones erróneas y correctas de la prótesis con una precisión del 80%.
Estas neuroprótesis permitirían el desarrollo de nuevas interfaces cerebro-maquina como brazos robóticos o exoesqueletos capaces de adaptarse a las necesidades del paciente superando las debilidades de las neuroprótesis actuales.
Una vez que la prótesis es capaz de decodificar la percepción que el usuario hace de su comportamiento (según los potenciales de error), está en disposición de aprender nuevos movimientos que se almacenan para su posterior uso. Una innovación que puede ser particularmente útil para personas con enfermedades neurodegenerativas o discapacitadas.
Referencia: Nature