TecnoXplora » SINC

Investigadores españoles desarrollan neuroprótesis inteligentes

Investigadores españoles desarrollan neuroprótesis inteligentes

Científicos de la Universidad de Zaragoza han logrado unas neuroprótesis que utilizan información del cerebro humano para adaptar su comportamiento y aprender tareas nuevas. A partir de ahora estas máquinas, como los brazos robóticos y los exoesqueletos para personas con problemas de movilidad, ejecutarán órdenes y mejorarán las acciones de acuerdo a las necesidades del paciente a lo largo de su vida.

Publicidad

Investigadores de la Universidad de Zaragoza y de la Escuela Politécnica Federal de Lausana (EFPL, Suiza) han logrado demostrar que las máquinas pueden utilizar información directamente del cerebro humano para adaptar su comportamiento y aprender tareas nuevas. Así se recoge desde hoy en la revista Nature Scientific Reports, en la que se presenta un nuevo paradigma que permitirá el desarrollo de una generación de interfaces “cerebro-máquina”, capaces de hacer que las neuroprótesis se adapten a los humanos e incluso mejoren y aprendan acciones diferentes.

 Los interfaces cerebro-máquina (brain-machine interfaces o BMI) son una tecnología prometedora para mejorar la calidad de vida de miles de pacientes con problemas de movilidad, en particular aquellos que sufren parálisis. Este avance abre un nuevo horizonte para las personas que pierden habilidades motoras, como consecuencia de accidentes cerebrovasculares, lesiones en médula espinal o enfermedades neurodenegerativas.

Luis Montesano y Javier Mínguez, profesores de la institución aragonesa, en colaboración con el equipo del profesor Millán de Lausana, han desarrollado un método para superar las debilidades de las neuroprótesis actuales. "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”, explican.

 Coger un vaso de agua

Antes, el paciente tenía que entrenar su cerebro para generar patrones de actividad cerebral asociados a distintos movimientos que eran ejecutados por las neuroprótesis. Pero ahora, 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 coger 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”, indican Montesano y Mínguez.
 
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. Las consecuencias, sin embargo, van más lejos.

“Esta nueva forma de interacción entre las personas y las neuroprótesis abre la puerta a crear sistemas inteligentes que puedan aprender de forma continua en el tiempo y adaptarse a las necesidades específicas de cada usuario mejorando la eficiencia y el confort”, apuntan los investigadores. De hecho, este tipo de sistemas permite en teoría a las neuroprótesis aprender movimientos complicados y adaptarlos a las necesidades del usuario, algo que no está alcance de la ciencia y tecnología actual.

Entrenamiento en 25 minutos

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.

Los 12 sujetos que realizaron el experimento fueron capaces de entrenar el sistema, de forma que en unos 25 minutos (300 movimientos) era capaz de diferenciar las acciones erróneas y correctas de la prótesis con una precisión del 80%.

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. Una vez aprendidos estos movimientos se pueden almacenar para su reutilización creando un repertorio de acciones cada vez más completo y complejo.

Esta habilidad puede ser particularmente útil para personas con enfermedades neurodegenerativas, ya que les ayudaría a soportar y adaptarse a la pérdida de capacidad motora. Los investigadores esperan que este nuevo paradigma se convierta en un elemento clave de las neuroprótesis, ya que permite simular un control más natural y más parecido al que realizamos los humanos.

Referencia bibliográfica:

www.nature.com/articles/srep13893 

Publicidad