Neuralink de Elon Musk ha estado haciendo olas en el lado tecnológico de los implantes neuronales, pero aún no ha demostrado cómo podríamos usar los implantes. Por ahora, demostrar la promesa de los implantes sigue en manos de la comunidad académica.
Esta semana, la comunidad académica brindó un ejemplo bastante impresionante de la promesa de los implantes neuronales. Usando un implante, una persona paralizada logró escribir aproximadamente 90 caracteres por minuto simplemente imaginando que estaba escribiendo esos caracteres a mano.
Soñar es hacer
Los intentos anteriores de proporcionar capacidades de escritura a personas paralizadas a través de implantes han implicado proporcionar a los sujetos un teclado virtual y permitirles maniobrar un cursor con su mente. El proceso es efectivo pero lento y requiere la atención total del usuario, ya que el sujeto tiene que seguir el progreso del cursor y determinar cuándo realizar el equivalente a presionar una tecla. También requiere que el usuario dedique tiempo a aprender a controlar el sistema.
Pero hay otras rutas posibles para sacar personajes del cerebro y colocarlos en la página. En algún lugar de nuestro proceso de pensamiento de escritura, nos formamos la intención de usar un personaje específico, y usar un implante para rastrear esta intención podría funcionar. Desafortunadamente, el proceso no se comprende muy bien.
Aguas abajo de esa intención, una decisión se transmite a la corteza motora, donde se traduce en acciones. Nuevamente, hay una etapa de intención, donde la corteza motora determina que formará la letra (escribiendo a máquina o escribiendo, por ejemplo), que luego se traduce en los movimientos musculares específicos requeridos para realizar la acción. Estos procesos se comprenden mucho mejor y son el objetivo del equipo de investigación para su nuevo trabajo.
Específicamente, los investigadores colocaron dos implantes en la corteza premotora de una persona paralizada. Se cree que esta área está involucrada en la formación de las intenciones de realizar movimientos. Es mucho más probable que captar estas intenciones produzca una señal clara que captar los movimientos en sí, que probablemente sean complejos (cualquier movimiento implica varios músculos) y dependen del contexto (donde tu mano está en relación con la página en la que estás escribiendo, etc.).
Con los implantes en el lugar correcto, los investigadores le pidieron al participante que se imaginara escribiendo letras en una página y registraron la actividad neuronal mientras lo hacía.
En total, había aproximadamente 200 electrodos en la corteza premotora del participante. Los investigadores realizaron un análisis de componentes principales, que identificó las características de las grabaciones neuronales que más diferían cuando se imaginaban varias letras. Al convertir estas grabaciones en una trama bidimensional, era obvio que la actividad que se veía al escribir un solo personaje siempre se agrupaba. Y los caracteres físicamente similares (p y b, por ejemplo, oh, n y r) formaban grupos cercanos entre sí.
En general, los investigadores encontraron que podían descifrar el carácter apropiado con una precisión de un poco más del 94%, pero el sistema requería un análisis relativamente lento después de que se registraron los datos neuronales. Para que todo funcione en tiempo real, los investigadores entrenaron una red neuronal recurrente para estimar la probabilidad de una señal correspondiente a cada letra.
A pesar de trabajar con una cantidad relativamente pequeña de datos (solo 242 oraciones de caracteres), el sistema funcionó notablemente bien. El retraso entre el pensamiento y la aparición de un personaje en la pantalla fue de solo medio segundo, y el participante pudo producir unos 90 caracteres por minuto, superando fácilmente el récord anterior de mecanografía impulsada por implantes, que era de unos 25 caracteres por minuto. La tasa de error bruta fue solo del 5%, y la aplicación de un sistema como la autocorrección de mecanografía podría reducir la tasa de error a solo el 1%.
Todas las pruebas se realizaron con frases preparadas. Sin embargo, una vez que el sistema fue validado, los investigadores le pidieron al participante que escribiera respuestas de forma libre a las preguntas. Aquí, la velocidad bajó un poco (a 75 caracteres por minuto) y los errores aumentaron hasta un 2% después de la autocorrección, pero el sistema siguió funcionando.
Ni siquiera un prototipo
Como lo expresaron los propios investigadores, este “todavía no es un sistema completo y ni es clínicamente viable”. Para empezar, solo se ha utilizado en una sola persona, por lo que no tenemos idea de qué tan bien podría funcionar para otros. El alfabeto simplificado que se utiliza aquí no contiene dígitos, letras mayúsculas ni la mayoría de las formas de puntuación. Y el comportamiento de los implantes cambia con el tiempo, quizás debido a cambios menores en relación con las neuronas que leen o la acumulación de tejido cicatricial, por lo que el sistema tuvo que recuperarse.
Dicho esto, el sistema muestra un aumento de velocidad muy significativo en comparación con los sistemas anteriores impulsados por implantes, y la precisión es bastante buena. El sistema también tiene el potencial de ser similar a la mecanografía, ya que el usuario no tiene que concentrarse visualmente en la producción de letras, lo que permite interacciones más normales con el entorno del usuario. El problema de las letras podría resolverse en parte utilizando un alfabeto alternativo diseñado por los investigadores, en el que todas las letras están definidas por diferentes patrones de trazos. Hay mucho potencial aquí.
Los experimentos también proporcionan un recordatorio del potencial de estos implantes en general y por qué las empresas podrían comenzar a encontrar la tecnología que vale la pena comercializar.