Interfaz cerebro-máquina miniaturizada procesa señales neuronales en tiempo real

Investigadores de la EPFL han desarrollado una interfaz cerebro-máquina miniaturizada de próxima generación capaz de realizar una comunicación directa entre el cerebro y el texto en pequeños chips de silicio.

Las interfaces cerebro-máquina (BMI, por sus siglas en inglés) han surgido como una solución prometedora para restablecer la comunicación y el control en personas con discapacidades motoras graves. Tradicionalmente, estos sistemas han sido voluminosos, consumen mucha energía y sus aplicaciones prácticas son limitadas.

Los investigadores de la EPFL han desarrollado la primera interfaz cerebro-máquina miniaturizada de alto rendimiento (MiBMI), que ofrece una solución extremadamente pequeña, de bajo consumo, muy precisa y versátil.

Publicado en el último número de la Revista IEEE de circuitos de estado sólido y presentado En la Conferencia Internacional de Circuitos de Estado Sólido, el MiBMI no solo mejora la eficiencia y la escalabilidad de las interfaces cerebro-máquina, sino que también allana el camino para dispositivos prácticos y totalmente implantables.

Esta tecnología tiene el potencial de mejorar significativamente la calidad de vida de los pacientes con enfermedades como la esclerosis lateral amiotrófica (ELA) y lesiones de la médula espinal.

El pequeño tamaño y el bajo consumo de energía del MiBMI son características clave que hacen que el sistema sea adecuado para aplicaciones implantables. Su mínima invasividad garantiza la seguridad y la practicidad para su uso en entornos clínicos y de la vida real.

También es un sistema totalmente integrado, lo que significa que la grabación y el procesamiento se realizan en dos chips extremadamente pequeños con un área total de 8 mm.²Este es el último de una nueva clase de dispositivos BMI de bajo consumo desarrollados en el Laboratorio de Neurotecnologías Integradas (INL) de Mahsa Shoaran en los institutos IEM y Neuro X de la EPFL.

«MiBMI nos permite convertir la actividad neuronal compleja en texto legible con gran precisión y bajo consumo de energía. Este avance nos acerca a soluciones prácticas e implantables que pueden mejorar significativamente las capacidades de comunicación de las personas con discapacidades motoras graves», afirma Shoaran.

La conversión de cerebro a texto implica decodificar las señales neuronales que se generan cuando una persona imagina que escribe letras o palabras. En este proceso, los electrodos implantados en el cerebro registran la actividad neuronal asociada con las acciones motoras de la escritura a mano.

El chip MiBMI procesa estas señales en tiempo real y traduce los movimientos de la mano que el cerebro desea realizar en el texto digital correspondiente. Esta tecnología permite que las personas, especialmente aquellas con síndrome de enclaustramiento y otras discapacidades motoras graves, se comuniquen simplemente pensando en escribir, y la interfaz convierte sus pensamientos en texto legible en una pantalla.

«Si bien el chip aún no se ha integrado en un BMI funcional, ha procesado datos de grabaciones en vivo anteriores, como las del laboratorio Shenoy en Stanford, convirtiendo la actividad de escritura a mano en texto con una impresionante precisión del 91%», dice el autor principal Mohammed Ali Shaeri.

El chip puede decodificar hasta 31 caracteres diferentes, un logro que ningún otro sistema integrado ha igualado. «Estamos seguros de que podemos decodificar hasta 100 caracteres, pero todavía no hay disponible un conjunto de datos de escritura a mano con más caracteres», añade Shaeri.

Los actuales BMI registran los datos de los electrodos implantados en el cerebro y luego envían estas señales a un ordenador independiente para que realice la decodificación. El chip MiBMI registra los datos, pero también procesa la información en tiempo real, integrando un sistema de grabación neuronal de 192 canales con un decodificador neuronal de 512 canales.

Este avance neurotecnológico es una proeza de miniaturización extrema que combina la experiencia en circuitos integrados, ingeniería neuronal e inteligencia artificial. Esta innovación es particularmente interesante en la era emergente de las empresas emergentes de neurotecnología en el campo de la integración neuronal, donde la integración y la miniaturización son puntos clave. El MiBMI de la EPFL ofrece perspectivas prometedoras y potencial para el futuro del campo.

Para poder procesar la enorme cantidad de información recogida por los electrodos del BMI miniaturizado, los investigadores tuvieron que adoptar un enfoque completamente diferente para el análisis de datos. Descubrieron que la actividad cerebral de cada letra, cuando el paciente imagina escribirla a mano, contiene marcadores muy específicos, que los investigadores han denominado códigos neuronales distintivos (DNC).

En lugar de procesar miles de bytes de datos para cada letra, el microchip solo necesita procesar los DNC, que son alrededor de un centenar de bytes. Esto hace que el sistema sea rápido y preciso, con un bajo consumo de energía. Este avance también permite tiempos de entrenamiento más rápidos, lo que hace que aprender a usar el BMI sea más fácil y accesible.

Las colaboraciones con otros equipos de los institutos Neuro-X e IEM de la EPFL, como los laboratorios de Grégoire Courtine, Silvestro Micera, Stéphanie Lacour y David Atienza, prometen crear la próxima generación de sistemas BMI integrados. Shoaran, Shaeri y su equipo están explorando varias aplicaciones para el sistema MiBMI más allá del reconocimiento de escritura a mano.

«Estamos colaborando con otros grupos de investigación para probar el sistema en diferentes contextos, como la decodificación del habla y el control del movimiento. Nuestro objetivo es desarrollar un BMI versátil que pueda adaptarse a diversos trastornos neurológicos, ofreciendo una gama más amplia de soluciones para los pacientes», afirma Shoaran.