Equipo Ruso ha desarrollado una técnica para poder ver los pensamientos

Investigadores de la corporación rusa Neurobotics y del Instituto de Física y Tecnología de Moscú , Grigory Rashkov, Anatoly Bobe, Dmitry Fastovets, Maria Komarova , han encontrado una manera de visualizar la actividad cerebral de una persona como imágenes reales que imitan lo que observan en tiempo real. Esto permitirá nuevos dispositivos de rehabilitación después de una apoplejía controlados por señales cerebrales. El equipo publicó su investigación como preimpresión en bioRxiv y publicó un vídeo en línea que muestra su sistema de «lectura de mentes» en funcionamiento.

Para desarrollar dispositivos controlados por el cerebro y métodos para el tratamiento de los trastornos cognitivos y la rehabilitación después de una apoplejía, los neurobiólogos necesitan entender cómo el cerebro codifica la información. Un aspecto clave de esto es el estudio de la actividad cerebral de las personas que perciben información visual, por ejemplo, mientras ven un video.

Las soluciones existentes para extraer las imágenes observadas de las señales cerebrales utilizan la resonancia magnética funcional o analizan las señales recogidas mediante implantes directamente de las neuronas. Ambos métodos tienen aplicaciones bastante limitadas en la práctica clínica y en la vida diaria.

La interfaz cerebro-computadora desarrollada por MIPT y Neurobotics se basa en redes neuronales artificiales y electroencefalografía, o EEG, una técnica para registrar las ondas cerebrales a través de electrodos colocados de forma no invasiva en el cuero cabelludo. Al analizar la actividad cerebral, el sistema reconstruye las imágenes vistas por una persona que se somete a un EEG en tiempo real.

«Estamos trabajando en el proyecto de tecnologías de asistencia de Neuronet de la Iniciativa Nacional de Tecnología, que se centra en la interfaz cerebro-computadora que permite a los pacientes que han sufrido un accidente cerebrovascular controlar un brazo de exoesqueleto con fines de neurorehabilitación, o a los pacientes paralizados para conducir una silla de ruedas eléctrica, por ejemplo. El objetivo final es aumentar la precisión del control neural también para los individuos sanos», dijo Vladimir Konyshev, que dirige el Laboratorio de Neurorobótica del MIPT.

En la primera parte del experimento, los neurobiólogos pidieron a sujetos de prueba completamente sanos que vieran 20 minutos de fragmentos de video de YouTube de 10 segundos. El equipo seleccionó cinco categorías de vídeo arbitrarias: formas abstractas, cascadas, rostros humanos, mecanismos en movimiento y deportes de motor. Esta última categoría incluía grabaciones en primera persona de carreras de motos de nieve, motos acuáticas, motocicletas y coches.

Al analizar los datos del EEG, los investigadores demostraron que los patrones de ondas cerebrales son distintos para cada categoría de videos. Esto permitió al equipo analizar la respuesta del cerebro a los vídeos en tiempo real.

En la segunda fase del experimento, se seleccionaron tres categorías al azar de las cinco originales. Los investigadores desarrollaron dos redes neuronales: una para generar imágenes aleatorias específicas de categorías a partir de «ruido» y otra para generar «ruido» similar a partir de EEG. Luego, el equipo entrenó a las redes para que funcionaran juntas de manera que la señal del EEG se convirtiera en imágenes reales similares a las que los sujetos de prueba estaban observando (fig. 2).

Para probar la capacidad del sistema de visualizar la actividad cerebral, a los sujetos les fueron mostrados videos nunca antes vistos de las mismas categorías. Mientras miraban, los EEGs fueron grabados y estos fueron alimentados a las redes neuronales. El sistema pasó la prueba, generando imágenes convincentes que pudieron ser fácilmente categorizadas en el 90 por ciento de los casos (fig. 1).

«El electroencefalograma es una colección de señales cerebrales grabadas del cuero cabelludo. Los investigadores solían pensar que estudiar los procesos cerebrales a través del EEG es como calcular la estructura interna de una máquina de vapor analizando el humo que deja un tren de vapor», explicó Grigory Rashkov, coautor del artículo, investigador junior del MIPT y programador de Neurobotics. «No esperábamos que contuviera suficiente información para reconstruir, ni siquiera parcialmente, una imagen observada por una persona. Sin embargo, resultó ser muy posible».

«Es más, podemos usar esto como base para una interfaz cerebro-computadora que opere en tiempo real. Es bastante tranquilizador. Con la tecnología actual, las interfaces neuronales invasivas previstas por Elon Musk se enfrentan a los retos de la cirugía compleja y al rápido deterioro debido a los procesos naturales: se oxidan y fallan en varios meses. Esperamos poder eventualmente diseñar interfaces neuronales más asequibles que no requieran implantación», agregó el investigador.