La investigación recientemente publicada estabilizará drásticamente las interfaces cerebro-computadora

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

La investigación Fue publicado en Ingeniería Biomédica de la Naturaleza, con el documento titulado "Una interfaz cerebro-computadora estabilizada basada en la alineación de múltiples neurales".

Interfaces cerebro-computadora (BCI)

Las interfaces cerebro-computadora (BCI) son dispositivos capaces de permitir que las personas discapacitadas controlen prótesis, hechizos de computadora u otras interfaces usando sus mentes.

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 eventualmente perder el control debido a las variaciones en las señales captadas por la BCI. 

Cada vez que ocurre esta pérdida de control, el individuo debe pasar por un proceso de recalibración. El individuo tiene que restablecer la conexión entre sus órdenes mentales y las tareas que se están realizando, y a menudo tiene que estar presente otro técnico humano. 

William Bishop es miembro del Janelia Farm Research Campus. Anteriormente fue estudiante de doctorado y becario postdoctoral en el Departamento de Aprendizaje Automático de CMU.

“Imagínese si cada vez que quisiéramos usar nuestro teléfono celular, para que funcionara correctamente, tuviéramos que calibrar la pantalla de alguna manera para que supiera a qué parte de la pantalla estamos apuntando”, dice Bishop. “El estado actual del arte en la tecnología BCI es más o menos así. Solo para que estos dispositivos BCI funcionen, los usuarios deben realizar esta recalibración frecuente. 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 dar cuenta de las distintas señales. El individuo es capaz de mantener el control de la BCI incluso cuando las inestabilidades están presentes. Los investigadores desarrollaron esto después de descubrir que la actividad de la población neuronal tiene lugar en una "variedad neuronal" de baja dimensión. 

Alan Degenhart es investigador postdoctoral en ingeniería eléctrica e informática en CMU.

“Cuando decimos 'estabilización', lo que queremos decir es que nuestras señales neuronales son inestables, posiblemente porque estamos grabando desde diferentes neuronas a lo largo del tiempo”, dice Degenhart. "Hemos descubierto una manera de tomar diferentes poblaciones de neuronas a lo largo del tiempo y usar su información para revelar esencialmente una imagen común de la computación que está ocurriendo en el cerebro, manteniendo así el BCI calibrado a pesar de las inestabilidades neuronales".

Métodos anteriores

Los enfoques anteriores de los métodos de auto-recalibración también se han enfrentado a desafíos relacionados con las inestabilidades. A diferencia de otros métodos, este no depende de que el sujeto se desempeñe bien durante el proceso de recalibración. 

Byron Yu es profesor de ingeniería eléctrica e informática e ingeniería biomédica en CMU.

“Digamos que la inestabilidad fuera tan grande que el sujeto ya no pudiera controlar el BCI”, explica Yu. "Es probable que los procedimientos de auto-recalibración existentes tengan problemas en ese escenario, mientras que en nuestro método, hemos demostrado que, en muchos casos, puede recuperarse de esas inestabilidades catastróficas".

Emily Oby, investigadora postdoctoral en neurobiología en Pitt, también habló sobre el tema de la inestabilidad. 

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

El artículo también incluyó a los autores Steve Chase, profesor de ingeniería biomédica y del Instituto de Neurociencia de 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 Benéfica DSF, la Fundación Nacional de Ciencias, el Departamento de Investigación en Salud de Pensilvania y la Fundación Simons.