investigadores de la Universidad de California del Sur (USC) y del Wake Forest Baptist Medical Center (Carolina del Norte), ambas de EE.UU., han desarrollado una prótesis cerebral diseñada para ayudar a las personas que sufren de pérdida de memoria.
La prótesis, que incluye un pequeño conjunto de electrodos implantados en el cerebro, ha obtenido buenos resultados en las pruebas de laboratorio en animales y está siendo evaluada en pacientes humanos.
Diseñada originalmente en la USC y probada en Wake Forest Baptist, el dispositivo ha sido desarrollado en décadas de investigación de Ted Berger y se basa en un nuevo algoritmo creado por Dong Song, ambos de la Escuela de Ingeniería Viterbi de USC. El desarrollo también se basa en más de una década de colaboración con Sam Deadwyler y Robert Hampson, del Departamento de Fisiología y Farmacología de Wake Forest Baptist, que han recogido los datos neuronales utilizados para construir los modelos y algoritmos.
Señales y estímulos
Cuando el cerebro recibe información sensorial, crea una memoria en forma de señal eléctrica compleja que viaja a través de múltiples regiones del hipocampo, el centro de memoria del cerebro. En cada región, la señal se re-codifica hasta que llega a la región final como una señal completamente diferente que se envía para su almacenamiento a largo plazo.
Si hay daño en alguna región que evite esta traducción, existe la posibilidad de que no se forme la memoria a largo plazo. Es por eso que una persona con daño del hipocampo (debido a la enfermedad de Alzheimer, por ejemplo) puede recordar eventos de hace mucho tiempo -las cosas que ya se tradujeron en recuerdos a largo plazo antes de que ocurriera el daño cerebral-, pero tienen dificultades para formar nuevos recuerdos a largo plazo.
Song y Berger encontraron una manera de imitar con precisión la forma en que una memoria se traduce de memoria a corto plazo a memoria a largo plazo, a partir de datos obtenidos por Deadwyler y Hampson, primero de animales, y después de los humanos. Su prótesis está diseñada para circunvalar una sección del hipocampo dañada y proporcionar la memoria traducida correctamente a la región siguiente.
Eso es a pesar de que actualmente no hay manera de "leer" una memoria con sólo mirar su señal eléctrica. "Es como ser capaz de traducir del español al francés, sin ser capaz de entender ninguno de los idiomas", dice Berger, en la información de la USC.
La prótesis, que incluye un pequeño conjunto de electrodos implantados en el cerebro, ha obtenido buenos resultados en las pruebas de laboratorio en animales y está siendo evaluada en pacientes humanos.
Diseñada originalmente en la USC y probada en Wake Forest Baptist, el dispositivo ha sido desarrollado en décadas de investigación de Ted Berger y se basa en un nuevo algoritmo creado por Dong Song, ambos de la Escuela de Ingeniería Viterbi de USC. El desarrollo también se basa en más de una década de colaboración con Sam Deadwyler y Robert Hampson, del Departamento de Fisiología y Farmacología de Wake Forest Baptist, que han recogido los datos neuronales utilizados para construir los modelos y algoritmos.
Señales y estímulos
Cuando el cerebro recibe información sensorial, crea una memoria en forma de señal eléctrica compleja que viaja a través de múltiples regiones del hipocampo, el centro de memoria del cerebro. En cada región, la señal se re-codifica hasta que llega a la región final como una señal completamente diferente que se envía para su almacenamiento a largo plazo.
Si hay daño en alguna región que evite esta traducción, existe la posibilidad de que no se forme la memoria a largo plazo. Es por eso que una persona con daño del hipocampo (debido a la enfermedad de Alzheimer, por ejemplo) puede recordar eventos de hace mucho tiempo -las cosas que ya se tradujeron en recuerdos a largo plazo antes de que ocurriera el daño cerebral-, pero tienen dificultades para formar nuevos recuerdos a largo plazo.
Song y Berger encontraron una manera de imitar con precisión la forma en que una memoria se traduce de memoria a corto plazo a memoria a largo plazo, a partir de datos obtenidos por Deadwyler y Hampson, primero de animales, y después de los humanos. Su prótesis está diseñada para circunvalar una sección del hipocampo dañada y proporcionar la memoria traducida correctamente a la región siguiente.
Eso es a pesar de que actualmente no hay manera de "leer" una memoria con sólo mirar su señal eléctrica. "Es como ser capaz de traducir del español al francés, sin ser capaz de entender ninguno de los idiomas", dice Berger, en la información de la USC.
Lecturas precisas
Los equipos de la USC y Wake Forest Baptist probaron la eficacia del modelo. Con el permiso de los pacientes que tenían electrodos implantados en sus hipocampos para tratar convulsiones crónicas, Hampson y Deadwyler leyeron las señales eléctricas creadas durante la formación de la memoria en dos regiones del hipocampo, y a continuación enviaron esa información a Song y Berger para construir el modelo.
Posteriormente, el equipo introdujo esas señales en el modelo y leyó cómo se traducían las señales generadas en la primera región del hipocampo en señales generadas por la segunda región del hipocampo.
En cientos de ensayos realizados con nueve pacientes, el algoritmo predijo cómo se traducirían las señales con alrededor del 90 por ciento de exactitud.
"Ser capaz de predecir las señales neuronales con el modelo de USC sugiere que se puede utilizar para diseñar un dispositivo que apoye o sustituya la función de una parte dañada del cerebro", dice Hampson.
En su siguiente paso, el equipo intentará enviar la señal traducida de nuevo al cerebro de un paciente con daños en una de las regiones con el fin de tratar de evitar el daño y permitir la formación de una memoria precisa a largo plazo.
Los equipos de la USC y Wake Forest Baptist probaron la eficacia del modelo. Con el permiso de los pacientes que tenían electrodos implantados en sus hipocampos para tratar convulsiones crónicas, Hampson y Deadwyler leyeron las señales eléctricas creadas durante la formación de la memoria en dos regiones del hipocampo, y a continuación enviaron esa información a Song y Berger para construir el modelo.
Posteriormente, el equipo introdujo esas señales en el modelo y leyó cómo se traducían las señales generadas en la primera región del hipocampo en señales generadas por la segunda región del hipocampo.
En cientos de ensayos realizados con nueve pacientes, el algoritmo predijo cómo se traducirían las señales con alrededor del 90 por ciento de exactitud.
"Ser capaz de predecir las señales neuronales con el modelo de USC sugiere que se puede utilizar para diseñar un dispositivo que apoye o sustituya la función de una parte dañada del cerebro", dice Hampson.
En su siguiente paso, el equipo intentará enviar la señal traducida de nuevo al cerebro de un paciente con daños en una de las regiones con el fin de tratar de evitar el daño y permitir la formación de una memoria precisa a largo plazo.