Cuando las personas sufren lesiones debilitantes o enfermedades del sistema nervioso, a veces pierden la capacidad de realizar tareas que normalmente se dan por sentadas, como caminar, tocar música o conducir un automóvil. Pueden imaginarse haciendo algo, pero la lesión podría bloquear esoacción de ocurrir.
Existen sistemas de interfaz cerebro-computadora que pueden traducir las señales cerebrales en una acción deseada para recuperar alguna función, pero pueden ser una carga para usar porque no siempre funcionan sin problemas y necesitan un reajuste para completar incluso tareas simples.
Investigadores de la Universidad de Pittsburgh y la Universidad Carnegie Mellon están trabajando para comprender cómo funciona el cerebro cuando aprenden tareas con la ayuda de la tecnología de interfaz cerebro-computadora. En un conjunto de documentos, el segundo de los cuales se publicó hoy en Ingeniería biomédica de la naturaleza , el equipo está avanzando con la aguja en la tecnología de interfaz cerebro-computadora destinada a ayudar a mejorar la vida de los pacientes amputados que usan prótesis neuronales.
"Digamos que durante su día de trabajo, planea su viaje nocturno a la tienda de comestibles", dijo Aaron Batista, profesor asociado de bioingeniería en la Escuela de Ingeniería Swanson de Pitt. "Ese plan se mantiene en algún lugar de su cerebro durante todo el día,pero probablemente no llegue a su corteza motora hasta que llegue a la tienda. Estamos desarrollando tecnologías de interfaz cerebro-computadora que esperamos que algún día funcionen al nivel de nuestras intenciones cotidianas ".
Emily Oby, investigadora postdoctoral de Batista y Pitt, y los investigadores de Carnegie Mellon han colaborado en el desarrollo de vías directas desde el cerebro a los dispositivos externos. Utilizan electrodos más pequeños que un cabello que registran la actividad neuronal y la ponen a disposición para los algoritmos de control.
En el primer estudio del equipo, publicado el pasado junio en el Actas de la Academia Nacional de Ciencias , el grupo examinó cómo cambia el cerebro con el aprendizaje de nuevas habilidades de interfaz cerebro-computadora.
"Cuando los sujetos forman una intención motora, causa patrones de actividad a través de esos electrodos, y los representamos como movimientos en una pantalla de computadora. Los sujetos luego alteran sus patrones de actividad neuronal de una manera que evoca los movimientos que desean,"dijo el codirector del proyecto Steven Chase, profesor de ingeniería biomédica en el Instituto de Neurociencia en Carnegie Mellon.
En el nuevo estudio, el equipo diseñó tecnología mediante la cual la interfaz cerebro-computadora se reajusta continuamente en segundo plano para garantizar que el sistema esté siempre en calibración y listo para usar.
"Cambiamos cómo la actividad neuronal afecta el movimiento del cursor, y esto evoca el aprendizaje", dijo Pitt's Oby, autor principal del estudio. "Si cambiamos esa relación de cierta manera, requeriría que nuestros sujetos animales produzcan nuevospatrones de actividad neuronal para aprender a controlar el movimiento del cursor nuevamente. Hacerlo les tomó semanas de práctica y pudimos ver cómo cambiaba el cerebro a medida que aprendían ".
En cierto sentido, el algoritmo "aprende" cómo adaptarse al ruido y la inestabilidad inherentes a las interfaces de grabación neural. Los resultados sugieren que el proceso para que los humanos dominen una nueva habilidad implica la generación de nuevos patrones de actividad neuronal.El equipo finalmente desearía que esta tecnología se utilizara en un entorno clínico para la rehabilitación del accidente cerebrovascular.
Tales procedimientos de autocalibración han sido un objetivo muy buscado en el campo de las prótesis neurales, y el método presentado en los estudios del equipo puede recuperarse automáticamente de las inestabilidades sin requerir que el usuario haga una pausa para recalibrar el sistema por sí mismo.
"Digamos que la inestabilidad era tan grande que el sujeto ya no podía controlar la interfaz cerebro-computadora", dijo Yu. "Es probable que los procedimientos de autocalibración existentes tengan dificultades en ese escenario, mientras que en nuestro método,hemos demostrado que en muchos casos puede recuperarse incluso de las inestabilidades más dramáticas "
Ambos proyectos de investigación se realizaron como parte del Centro para la Base Neural de la Cognición. Este programa de investigación y educación interinstitucional aprovecha las fortalezas de Pitt en neurociencia básica y clínica y bioingeniería con las de Carnegie Mellon en neurociencia cognitiva y computacional.
Otros colaboradores de Carnegie Mellon en los proyectos incluyen el codirector Byron Yu, profesor de ingeniería eléctrica e informática e ingeniería biomédica, y también los investigadores posdoctorales Alan Degenhart y William Bishop, quienes dirigieron la investigación.
Fuente de la historia :
Materiales proporcionado por Universidad de Pittsburgh . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :