Nueva investigación publicada estabilizará drásticamente las interfaces cerebro-ordenador

Nueva investigación de la Universidad Carnegie Mellon (CMU) y la Universidad de Pittsburgh (Pitt) mejorará y estabilizará drásticamente las interfaces cerebro-ordenador.

La investigación se publicó en Nature Biomedical Engineering, con el título “Una interfaz cerebro-ordenador estabilizada basada en el alineamiento del manifold neural”.

Interfaces cerebro-ordenador (BCI)

Las interfaces cerebro-ordenador (BCI) son dispositivos que permiten a personas discapacitadas controlar extremidades prostéticas, cursos de computadora u otras interfaces utilizando su mente.

Uno de los mayores desafíos asociados con el uso de BCI en un entorno clínico es que las grabaciones neuronales pueden ser inestables. La persona que controla la BCI puede perder eventualmente el control debido a variaciones en las señales que capta la BCI.

Cada vez que ocurre esta pérdida de control, la persona debe pasar por un proceso de recalibración. La persona debe restablecer la conexión entre sus comandos mentales y las tareas que se realizan, y a menudo debe estar presente un técnico humano.

William Bishop es un becario en el Campus de Investigación de Janelia Farm. Anteriormente, fue estudiante de doctorado y becario postdoctoral en el Departamento de Aprendizaje Automático de la CMU.

“Imaginen que cada vez que quisiéramos usar nuestro teléfono celular, para que funcione correctamente, tuviéramos que calibrar la pantalla para que supiera qué parte de la pantalla estábamos señalando”, dice Bishop. “El estado actual de la técnica en la tecnología BCI es más o menos así. Solo para que estos dispositivos BCI funcionen, los usuarios deben hacer esta recalibración frecuente. Entonces, eso es extremadamente inconveniente para los usuarios, así como para los técnicos que mantienen los dispositivos”.

Nuevo algoritmo de aprendizaje automático

Los investigadores presentaron un nuevo algoritmo de aprendizaje automático capaz de tener en cuenta las señales que varían. La persona puede mantener el control de la BCI incluso cuando están presentes las inestabilidades. Los investigadores desarrollaron esto después de descubrir que la actividad de la población neural tiene lugar en un “manifold neural” de baja dimensión.

Alan Degenhart es un investigador postdoctoral en ingeniería eléctrica y computación en la CMU.

“Cuando decimos ‘estabilización’, lo que queremos decir es que nuestras señales neuronales son inestables, posiblemente porque estamos grabando de diferentes neuronas a lo largo del tiempo”, dice Degenhart. “Hemos encontrado una forma de tomar diferentes poblaciones de neuronas a lo largo del tiempo y utilizar su información para esencialmente revelar una imagen común de la computación que se realiza en el cerebro, manteniendo así la BCI calibrada a pesar de las inestabilidades neuronales”.

Métodos anteriores

Los enfoques anteriores para los métodos de autocalibración también han enfrentado desafíos que rodean las inestabilidades. A diferencia de otros métodos, este no depende de que el sujeto realice bien el proceso de recalibración.

Byron Yu es profesor de ingeniería eléctrica y computación y de ingeniería biomédica en la CMU.

“Digamos que la inestabilidad fuera tan grande que el sujeto ya no pudiera controlar la BCI”, explica Yu. “Los procedimientos de autocalibración existentes probablemente luchen en ese escenario, mientras que en nuestro método, hemos demostrado que puede recuperarse en muchos casos de esas inestabilidades catastróficas”.

Emily Oby, una investigadora postdoctoral en neurobiología en Pitt, habló sobre el problema de inestabilidad también.

“Las inestabilidades de grabación neural no están bien caracterizadas, pero es un problema muy grande”, dice Oby. “No hay mucha literatura a la que podamos señalar, pero anécdóticamente, muchos de los laboratorios que realizan investigación clínica con BCI tienen que lidiar con este problema con bastante frecuencia. Este trabajo tiene el potencial de mejorar enormemente la viabilidad clínica de las BCI y de ayudar a estabilizar otras interfaces neuronales”.

El artículo también incluyó a los autores Steve Chase, profesor de ingeniería biomédica y del Instituto de Neurociencia en la CMU, junto con Aaron Batists, profesor asociado de bioingeniería en Pitt, y Elizabeth Tyler-Kabara, profesora asociada de cirugía neurológica en Pitt.

La investigación fue financiada por la Fundación Craig H Neilsen, los Institutos Nacionales de Salud, la Fundación Caritativa DSF, la Fundación Nacional de Ciencia, el Departamento de Salud de Pensilvania, y la Fundación Simons.