A través de técnicas computacionales de aprendizaje automático, investigadores de la Universidad de California en San Francisco (UCSF) ayudaron a una persona tetrapléjica a controlar un cursor de computadora usando solamente su actividad cerebral y sin requerir un extenso reentrenamiento diario.
El entrenamiento intensivo y diario ha sido un requisito en todos los esfuerzos científicos anteriores por crear una interfaz cerebro-computadora (BCI), informó Eureka Alert.
Se trata de un avance significativo según los expertos del Instituto Weill de Neurociencias de la UCSF, que trabajan en una prótesis controlada por el cerebro.
“El campo de la BCI ha logrado un gran avance 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 de aprendizaje naturales del cerebro. Es como pedirle a alguien que aprenda a andar en bicicleta una y otra vez desde cero”, señaló Karunesh Ganguly, autor principal del estudio y profesor asociado en el Departamento de Neurología de la UCSF.
“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 con parálisis”, agrega el experto.
Se trata de un logro de un método que Canguly llama de cerebro-computadora.
Una matriz de ECOG es un conjunto de electrodos del tamaño de un pósit que se coloca quirúrgicamente en la superficie del cerebro.
En su artículo, publicado el 7 de septiembre de 2020 en Nature Biotechnology, el equipo de Ganguly documenta el uso de una matriz de electrodos ECOG en el individuo con parálisis de las cuatro extremidades (tetraplejía).
Los investigadores desarrollaron un algoritmo BCI que utiliza el aprendizaje automático para hacer coincidir la actividad cerebral registrada por los electrodos ECOG con los movimientos del cursor deseados por el .
