Primeros pasos hacia una máquina capaz de leer el pensamiento

En un artículo recién publicado en 'Nature Communications', los investigadores aseguran que esta nueva tecnología, basada en una interfaz cerebro-computadora, podría pronto ayudar a comunicarse a personas que no pueden hablar debido a trastornos neurológicos.

«Hay muchos pacientes que sufren trastornos motores debilitantes -explica Gregory Cogan, uno de los investigadores principales del proyecto-, como por ejemplo ELA (esclerosis lateral amiotrófica) o síndromes que pueden afectar la capacidad para hablar. Y las herramientas disponibles actualmente para permitirles comunicarse son generalmente muy lentas y engorrosas».

Las personas, de hecho, hablan a una velocidad de unos 150 palabras por minuto, pero la mejor velocidad de descodificación disponible hasta ahora no supera las 78 palabras. El resultado es muy poco satisfactorio, incluso desesperante, y equivale a escuchar un audiolibro a la mitad de velocidad.

Este retraso entre las velocidades del habla (hablada y descodificada) se debe en buena parte a la limitada cantidad de sensores que pueden colocarse en la delgada pieza de material (del grosor del papel) que se coloca sobre la superficie del cerebro. A menos sensores, como es lógico, menos información para decodificar.

Para superar esta limitación, Cogan se asoció a Jonathan Viventi, del Instituto Duke de Ciencias del Cerebro y cuyo laboratorio de ingeniería biomédica está especializado en la fabricación de sensores cerebrales de alta densidad, extraordinariamente finos y flexibles.

Para este proyecto, Viventi y su equipo consiguieron empaquetar la impresionante cantidad de hasta 256 sensores cerebrales microscópicos en una única pieza de plástico flexible de grado médico del tamaño de un sello postal. Algo que nadie hasta ahora había conseguido hacer. Las neuronas, que están a sólo un grano de arena de distancia de los sensores, pueden tener patrones de actividad tremendamente diferentes al coordinar el habla, por lo que es necesario distinguir también las señales de las células cerebrales vecinas para ayudar a hacer predicciones precisas sobre lo que quiere decir el paciente.

Tras fabricar el nuevo implante, Cogan y Viventi se asociaron a su vez con varios neurocirujanos del Hospital de la Universidad de Duke, que les ayudaron a reclutar a cuatro pacientes para probar los implantes.

El experimento requirió que los investigadores colocaran el dispositivo durante un corto tiempo en pacientes que ya estaban en quirófano y a punto de someterse a una cirugía cerebral por alguna otra razón, como el tratamiento de la enfermedad de Parkinson o la extirpación de un tumor. Cogan y su equipo, por lo tanto, apenas contaron con unos minutos para probar su dispositivo.

«Me gusta compararlo con un equipo de boxes de NASCAR -asegura Cogan-. No queríamos añadir más tiempo de quirófano a la operación en sí, por lo que teníamos que entrar, completar la tarea y salir en apenas 15 minutos».

La tarea consistía en una simple actividad de escuchar y repetir. Los pacientes escuchaban una serie de palabras sin sentido, como «ava», «kug» o «vip», y luego pronunciaban cada una de ellas en voz alta. El dispositivo registró la actividad de la corteza motora del habla de cada paciente al mismo tiempo que éste pronunciaba la palabra, coordinando los casi 100 músculos que mueven los labios, la lengua, la mandíbula y la laringe.

Más tarde, Suseendrakumar Duraivel, primer firmante del estudio, tomó esos datos neuronales obtenidos en la sala de cirugía y los introdujo en un algoritmo de aprendizaje automático para ver con qué precisión podía predecir, basándose únicamente en los registros de la actividad cerebral, qué sonido se estaba emitiendo.

Para algunos sonidos y participantes, como /g/ en la palabra 'gak', el decodificador acertó el 84% de las veces cuando era el primer sonido de una cadena de tres que formaba una palabra sin sentido determinada. Sin embargo, la precisión disminuyó cuando el decodificador analizó los sonidos en el medio o al final de una de las palabras sin sentido. Y también tuvo problemas cuando dos sonidos, como /p/ y /b/, eran similares.

En general, el decodificador fue preciso el 40% del tiempo. Puede parecer una puntuación muy limitada, pero en realidad es impresionante, ya que proezas técnicas similares suelen requerir horas o días enteros de análisis de datos para extraerlos. En cambio, el algoritmo de decodificación de voz que utilizó Duraivel funcionó con sólo 90 segundos de datos hablados y en una prueba de 15 minutos.

Estos resultados han supuesto que el equipo reciba una subvención de 2,4 millones de dólares de los Institutos Nacionales de Salud de Estados Unidos. Con ese dinero, los investigadores quieren ahora fabricar una versión inalámbrica y mucho más precisa de su dispositivo. «Ahora estamos desarrollando el mismo tipo de dispositivos de grabación, pero sin cables -afirma Cogan-. Podrías moverte y no tendrías que estar atado a un toma de corriente, lo cual es realmente emocionante».

Con todo, y a pesar de que se trata de un avance importante, aún queda un largo camino para que la prótesis del habla de Viventi y Cogan llegue a su fase comercial. «Estamos en un punto -dice Viventi- en el que nuestro sistema aún es mucho más lento que el habla natural, pero ya vislumbramos la trayectoria que nos permitiría llegar allí».