Imagen: Alperium. Fuente: PhotoXpress.
Para ayudar a las personas que sufren parálisis por una lesión, accidente cerebrovascular o enfermedad, los científicos han inventado interfaces cerebro-máquina que registran las señales eléctricas de las neuronas del cerebro y las traducen en movimiento. Por lo general, estas señales son enviadas a un dispositivo, por ejemplo, un brazo robótico, para dirigirlo.
Pero Maryam Shanechi, investigadora y profesora asistente de ingeniería eléctrica e informática de la Universidad de Cornell (EEUU), en colaboración con el neurocirujano de la Escuela Médica de Harvard, Ziv Williams, está llevando estas interfaces cerebro-máquina a un nivel superior: en lugar de dirigir las señales neuronales hacia un aparato, son aprovechadas para ayudar a personas paralizadas a mover sus propias extremidades con sólo pensar en ello.
Movimiento selectivo de miembros paralizados
Cuando los pacientes paralizados imaginan o planean un movimiento, las neuronas de las áreas de la corteza motora del cerebro se activan, a pesar de que el vínculo de comunicación entre el cerebro y los músculos está roto.
Mediante la implantación de sensores en estas áreas del cerebro, esa actividad neuronal puede ser registrada y traducida a movimientos en “miembros” artificiales, gracias a un decodificador. Así, estas interfaces permiten a los pacientes generar movimientos directamente con sus pensamientos.
En un artículo publicado en Nature Communications, Shanechi, Williams y sus colaboradores han descrito una prótesis-cortical vertebral que ordena "el movimiento selectivo", pero no de un dispositivo, sino de miembros paralizados.
El equipo de investigación desarrolló y probó una prótesis con este sistema, que conectó a dos sujetos animales. El sistema permitió utilizar la actividad neuronal registrada en uno de ellos para controlar los movimientos de una extremidad del segundo sujeto, que había sido temporalmente sedado.
La demostración de que el dispositivo funciona supone un paso adelante en el desarrollo de interfaces cerebro-máquina que permitan a personas paralizadas controlar sus propias extremidades usando sólo la actividad de su cerebro, informa la Universidad de Cornell en un comunicado.
Pero Maryam Shanechi, investigadora y profesora asistente de ingeniería eléctrica e informática de la Universidad de Cornell (EEUU), en colaboración con el neurocirujano de la Escuela Médica de Harvard, Ziv Williams, está llevando estas interfaces cerebro-máquina a un nivel superior: en lugar de dirigir las señales neuronales hacia un aparato, son aprovechadas para ayudar a personas paralizadas a mover sus propias extremidades con sólo pensar en ello.
Movimiento selectivo de miembros paralizados
Cuando los pacientes paralizados imaginan o planean un movimiento, las neuronas de las áreas de la corteza motora del cerebro se activan, a pesar de que el vínculo de comunicación entre el cerebro y los músculos está roto.
Mediante la implantación de sensores en estas áreas del cerebro, esa actividad neuronal puede ser registrada y traducida a movimientos en “miembros” artificiales, gracias a un decodificador. Así, estas interfaces permiten a los pacientes generar movimientos directamente con sus pensamientos.
En un artículo publicado en Nature Communications, Shanechi, Williams y sus colaboradores han descrito una prótesis-cortical vertebral que ordena "el movimiento selectivo", pero no de un dispositivo, sino de miembros paralizados.
El equipo de investigación desarrolló y probó una prótesis con este sistema, que conectó a dos sujetos animales. El sistema permitió utilizar la actividad neuronal registrada en uno de ellos para controlar los movimientos de una extremidad del segundo sujeto, que había sido temporalmente sedado.
La demostración de que el dispositivo funciona supone un paso adelante en el desarrollo de interfaces cerebro-máquina que permitan a personas paralizadas controlar sus propias extremidades usando sólo la actividad de su cerebro, informa la Universidad de Cornell en un comunicado.
Cómo funciona
Esta interfaz cerebro-máquina está basada en un conjunto de algoritmos de decodificación a tiempo real, que procesan las señales neuronales del paciente prediciendo los movimientos que planea.
En el experimento realizado, un animal actuó como controlador del movimiento o “maestro”, decidiendo hacia que localización moverse. La actividad neuronal generada en su cerebro fue decodificada y utilizada para controlar la extremidad del segundo animal, por estimulación eléctrica de su médula espinal.
"El problema aquí no es sólo decodificar la actividad neuronal vinculada a la planificación del movimiento, sino también el de estimular correctamente la médula espinal para poder mover el miembro paralizado, de acuerdo con el movimiento decodificado," explica Shanechi.
Para lograrlo, los científicos se centraron en la decodificación del punto final de destino del movimiento, y no a la cinética detallada de éste. Esto les permitió coordinar el objetivo del movimiento con un conjunto de parámetros de estimulación de la médula que generaron el movimiento de las extremidades hacia ese objetivo.
Demostraron así que el primer animal (que produjo las señales) podía provocar un movimiento en las extremidades del animal sedado, lo que supone un gran avance en la investigación de las interfaces cerebro-máquina.
"Al centrarse en el punto final de destino del movimiento, pudimos reducir la complejidad de la solución para los parámetros adecuados de estimulación de la médula, lo que nos ayudó a obtener este movimiento ", señala Williams.
La novedad
Parte de la novedad de la configuración de este experimento ha sido el uso de dos animales distintos, en lugar de sólo uno con una extremidad paralizada temporalmente.
Los científicos sostienen que, con esta medida, reprodujeron en cierta manera el modelo de la parálisis, ya que el cerebro del animal “maestro” y el organismo del animal sedado no mantenían una relación fisiológica, como puede suceder en pacientes paralizados.
El laboratorio de Shanechi continuará ahora desarrollando otras sofisticadas arquitecturas de interfaz cerebro-máquina, con diseños algorítmicos destinados a la creación de prótesis de alto rendimiento. Estas arquitecturas podrían ser utilizadas por los pacientes para controlar tanto dispositivos externos como sus propios miembros paralizados.
Esta interfaz cerebro-máquina está basada en un conjunto de algoritmos de decodificación a tiempo real, que procesan las señales neuronales del paciente prediciendo los movimientos que planea.
En el experimento realizado, un animal actuó como controlador del movimiento o “maestro”, decidiendo hacia que localización moverse. La actividad neuronal generada en su cerebro fue decodificada y utilizada para controlar la extremidad del segundo animal, por estimulación eléctrica de su médula espinal.
"El problema aquí no es sólo decodificar la actividad neuronal vinculada a la planificación del movimiento, sino también el de estimular correctamente la médula espinal para poder mover el miembro paralizado, de acuerdo con el movimiento decodificado," explica Shanechi.
Para lograrlo, los científicos se centraron en la decodificación del punto final de destino del movimiento, y no a la cinética detallada de éste. Esto les permitió coordinar el objetivo del movimiento con un conjunto de parámetros de estimulación de la médula que generaron el movimiento de las extremidades hacia ese objetivo.
Demostraron así que el primer animal (que produjo las señales) podía provocar un movimiento en las extremidades del animal sedado, lo que supone un gran avance en la investigación de las interfaces cerebro-máquina.
"Al centrarse en el punto final de destino del movimiento, pudimos reducir la complejidad de la solución para los parámetros adecuados de estimulación de la médula, lo que nos ayudó a obtener este movimiento ", señala Williams.
La novedad
Parte de la novedad de la configuración de este experimento ha sido el uso de dos animales distintos, en lugar de sólo uno con una extremidad paralizada temporalmente.
Los científicos sostienen que, con esta medida, reprodujeron en cierta manera el modelo de la parálisis, ya que el cerebro del animal “maestro” y el organismo del animal sedado no mantenían una relación fisiológica, como puede suceder en pacientes paralizados.
El laboratorio de Shanechi continuará ahora desarrollando otras sofisticadas arquitecturas de interfaz cerebro-máquina, con diseños algorítmicos destinados a la creación de prótesis de alto rendimiento. Estas arquitecturas podrían ser utilizadas por los pacientes para controlar tanto dispositivos externos como sus propios miembros paralizados.
Referencia bibliográfica:
Maryam M. Shanechi, Rollin C. Hu, Ziv M. Williams. A cortical–spinal prosthesis for targeted limb movement in paralysed primate avatars. Nature Communications (2014). DOI: 10.1038/ncomms4237.
Maryam M. Shanechi, Rollin C. Hu, Ziv M. Williams. A cortical–spinal prosthesis for targeted limb movement in paralysed primate avatars. Nature Communications (2014). DOI: 10.1038/ncomms4237.