Un nuevo interfaz cerebro-computadora con IA permite a personas inmovilizadas realizar tareas con mayor precisión

Ingenieros de UCLA (Estados Unidos) han desarrollado un sistema de interfaz cerebro-computadora portátil, no invasivo, que utiliza inteligencia artificial como copiloto para ayudar a inferir la intención del usuario y completar tareas moviendo un brazo robótico o un cursor de computadora.

Publicado en 'Nature Machine Intelligence', el estudio muestra que la interfaz alcanza un nuevo nivel de rendimiento en sistemas de interfaz cerebro-computadora (BCI) no invasivos. Esto podría dar lugar a diversas tecnologías que ayuden a personas con capacidades físicas limitadas, como personas con parálisis o afecciones neurológicas, a manipular y mover objetos con mayor facilidad y precisión.

PUBLICIDAD

El equipo desarrolló algoritmos personalizados para decodificar la electroencefalografía (EEG), un método para registrar la actividad eléctrica cerebral, y extraer señales que reflejan las intenciones de movimiento.

Emparejaron las señales decodificadas con una plataforma de inteligencia artificial basada en cámara que interpreta la dirección y la intención del usuario en tiempo real. El sistema permite a las personas completar tareas mucho más rápido que sin la asistencia de IA.

"Al usar inteligencia artificial para complementar los sistemas de interfaz cerebro-computadora, buscamos vías mucho menos riesgosas e invasivas", apunta Jonathan Kao, líder del estudio y profesor asociado de ingeniería eléctrica e informática en la Escuela de Ingeniería Samueli de UCLA.

"En última instancia, queremos desarrollar sistemas IA-BCI que ofrezcan autonomía compartida, permitiendo a las personas con trastornos del movimiento, como parálisis o ELA, recuperar cierta independencia para las tareas cotidianas".

Los dispositivos BCI de vanguardia, implantados quirúrgicamente, pueden traducir señales cerebrales en comandos, pero los beneficios que ofrecen actualmente se ven superados por los riesgos y costos asociados con la neurocirugía para su implantación.

Más de dos décadas después de su primera demostración, estos dispositivos aún se limitan a pequeños ensayos clínicos piloto. Mientras tanto, los dispositivos BCI portátiles y otros dispositivos externos han demostrado un menor rendimiento en la detección confiable de señales cerebrales.

Para abordar estas limitaciones, los investigadores probaron su nuevo BCI no invasiva asistida por IA con cuatro participantes: tres sin discapacidades motoras y un cuarto con parálisis de cintura para abajo.

Los participantes usaron un gorro para registrar el electroencefalograma (EEG), y los investigadores utilizaron algoritmos decodificadores personalizados para traducir estas señales cerebrales en movimientos de un cursor de computadora y un brazo robótico. Simultáneamente, un sistema de IA con cámara integrada supervisa los movimientos decodificados y ayuda a los participantes a completar dos tareas.

En la primera tarea, se les pidió que movieran un cursor en la pantalla de una computadora para alcanzar ocho objetivos, manteniéndolo en su lugar en cada uno durante al menos medio segundo.

En el segundo desafío, se les pidió a los participantes que activaran un brazo robótico para mover cuatro bloques sobre una mesa desde sus posiciones originales hasta las posiciones designadas.

Todos los participantes completaron ambas tareas significativamente más rápido con la asistencia de IA. Cabe destacar que el participante paralizado completó la tarea del brazo robótico en aproximadamente seis minutos y medio con la asistencia de IA, mientras que sin ella no pudo completarla.

La BCI descifró las señales eléctricas cerebrales que codificaban las acciones previstas de los participantes. Mediante un sistema de visión artificial, la IA personalizada infirió la intención de los usuarios -sin sus movimientos oculares- de guiar el cursor y colocar los bloques.

"Los próximos pasos para los sistemas IA-BCI podrían incluir el desarrollo de copilotos más avanzados que muevan brazos robóticos con mayor velocidad y precisión, y ofrezcan un tacto ágil que se adapte al objeto que el usuario desea agarrar", expone el coautor principal, Johannes Lee, doctorando en ingeniería eléctrica e informática de la UCLA, asesorado por Kao.

"Además, la incorporación de datos de entrenamiento a mayor escala también podría ayudar a la IA a colaborar en tareas más complejas, así como a mejorar la decodificación del EEG".

PUBLICIDAD