Las neuroprótesis podrán utilizar información directamente desde el cerebro humano para adaptar su comportamiento y aprender tareas nuevas y ya no ejecutarán simplemente órdenes. Un nuevo avance que mejorará la calidad de vida de las personas con problemas de movilidad.
Este desarrollo, que ha sido realizado por investigadores de la Universidad de Zaragoza y de la Escuela Politécnica Federal de Lausana (EFPL, Suiza), supone un importante avance para mejorar la calidad de vida de las personas que tienen problemas de movilidad, en particular los que sufren parálisis y pierden habilidades motoras a raíz de, por ejemplo, accidentes cerebrovasculares, lesiones en médula espinal o enfermedades neurodegenerativas.
Los investigadores han conseguido desarrollar neuroprótesis que, como los brazos robóticos y los exoesqueletos para personas con problemas de movilidad, podrán realizar más funciones que van más allá de la mera ejecución de órdenes. Y es que estas neuroprótesis tienen capacidad para mejorar y aprender nuevas tareas de acuerdo con las necesidades del paciente a lo largo de su vida.
El equipo de investigadores ha logrado demostrar que las máquinas pueden utilizar información directamente del cerebro humano para adaptar su comportamiento y aprender tareas nuevas.
La investigación, que se publica en la revista 'Nature Scientific Reports', supone un nuevo paradigma que permitirá desarrollar una nueva generación de interfaces cerebro-máquina con capacidad para hacer que las neuroprótesis se adapten a los humos e incluso mejoren y aprendan diferentes acciones.
Según explican los profesores de la Universidad de Zaragoza, Luis Montesano y Javier Mínguez, quienes han participado en la investigación, se ha conseguido desarrollar un método que supera las debilidades de las neuroprótesis actuales.
En concreto, el nuevo paradigma consiste en permitir que la neuroprótesis aprenda parte de sus movimientos y los adapte durante la interacción con el usuario haciendo uso de la información que se obtiene directamente del cerebro.
De este modo, anteriormente, el paciente tenía que entrenar su cerebro para generar patrones de actividad cerebral que se asociaban a los movimientos que ejecutaban las neuroprótesis.
Sin embargo, ahora, la nueva interfaz emplea el potencial de error, una señal cerebral que se genera de forma automática cuando el resultado de una acción de la neuroprótesis no coincide con lo que espera el usuario. Un proceso que es natural y con el que no es preciso entrenar.
Por ejemplo, si la neuroprótesis no consigue coger el vaso de agua que la persona quiere, el potencial de error generado en el cerebro del usuario indica a la neuroprótesis que necesita cambiar o adaptar su comportamiento. Por su parte, la máquina sabe que está cumpliendo sus objetivos cuando esta actividad no aparece.
La importancia de la investigación desarrollada va todavía más lejos porque con ella se crea una nueva forma de interacción entre las personas y las neuroprótesis, que abre las puertas a crear sistemas inteligentes que puedan aprender de forma continuada en el tiempo y adaptarse a las necesidades específicas de cada uno, mejorando la eficiencia y el confort.
Dos fases
Según explican los investigadores, la evaluación de este nuevo paradigma se realizó en dos fases. En primer lugar, la neuroprótesis tiene que aprender los patrones específicos de los potenciales de error para el usuario para lo que el interfaz cerebro-máquina registra la actividad cerebral durante una tarea predefinida, empleando la neuroprótesis esta información para aprender un detector de potenciales de error automáticamente.
Cuando la prótesis es capaz de decodificar la percepción que el usuario hace de su comportamiento, según los potenciales de error, ya está en disposición de aprender nuevos movimientos. Además, estos movimientos, tras aprenderse, se pueden almacenar para su reutilización, estando disponible un repertorio de acciones que es cada vez más completo y complejo.
La investigación ha sido realizada por los profesores Luis Montesano y Javier Mínguez, en el Instituto de Investigación en Ingeniería de Aragón (I3A) y en el Departamento de Informática e Ingeniería de Sistemas de la EINA de la Universidad de Zaragoza, en colaboración con los profesores José del R. Millán y Ricardo Chavarriaga, del Center for Neuroprosthetics and the Institute of Bio-engineering de la EPFL. Por la Universidad de Zaragoza también ha participado el estudiante de doctorado Iñaki Iturrate, actualmente investigador post-doctoral en el Center for Neuroprosthetics de la EPFL.
