Neurointerfaz de nueva generación: paciente con ELA transmitió casi 2 millones de palabras mediante el poder del pensamiento
Los avances en el campo de las neurointerfaces están alcanzando un nivel fundamentalmente nuevo. Investigadores de la Universidad de California en Davis presentaron los resultados del uso doméstico prolongado de un dispositivo BCI del habla por parte de un paciente con esclerosis lateral amiotrófica (ELA). Durante 19 meses, el paciente llamado Casey Harrell transmitió 183 060 oraciones, lo que equivale a 1 960 163 palabras, con una velocidad promedio de 56 palabras por minuto. El punto clave: el sistema funcionó no en condiciones de laboratorio estériles, sino en la vida cotidiana, sin la presencia constante de los investigadores.
Qué mostró el uso doméstico
Harrell utilizó la neurointerface en casa durante más de 3800 horas. El sistema se convirtió en su herramienta principal para comunicarse con su familia, amigos, colegas y médicos. Enviaba mensajes y correos electrónicos, participaba en videollamadas, usaba internet y mantenía un empleo a tiempo completo, a pesar de la parálisis. Según la evaluación del propio paciente, el sistema decodificó el 92% de las oraciones al menos como "mayormente correctas". En pruebas formales, donde se mostraban palabras a Harrell en una pantalla, la precisión superó el 99% con un vocabulario de 125 000 palabras en inglés. El pico fue del 99,2%. Después de que se permitiera a los asistentes conectar y desconectar el equipo de forma independiente sin la presencia de los investigadores, el tiempo promedio de interacción aumentó de 3,7 a 9,5 horas al día.
Cómo está diseñado el sistema
En 2023, a Harrell se le implantaron cuatro matrices de microelectrodos en la circunvolución precentral izquierda, un área del cerebro relacionada con la coordinación del habla. El sistema lee señales de 256 electrodos corticales cuando el paciente intenta hablar. El algoritmo convierte la actividad neuronal en probabilidades de fonemas cada 80 ms, y luego un modelo de lenguaje selecciona la secuencia de palabras más probable de un vocabulario de aproximadamente 125 000 palabras. El texto se muestra en pantalla en tiempo real. Después de completar una frase, el sistema puede vocalizarla con una voz sintetizada, ajustada para sonar como la voz de Harrell antes de la enfermedad. Para controlar la computadora, el paciente también utilizó un decodificador de cursor. Anteriormente se creía que el habla y el movimiento podrían requerir diferentes áreas del cerebro, pero el equipo demostró que ambos modos se pueden implementar a través de señales de la corteza motora del habla.
De la demostración a la herramienta cotidiana
El equipo ya había mostrado una alta precisión de la neurointerface en sesiones de laboratorio. En 2024, en una primera sesión de entrenamiento de 30 minutos, el sistema alcanzó un 99,6% de precisión con un vocabulario de 50 palabras. Al segundo día, después de otras 1,4 horas de ajuste, la precisión fue del 90,2% con un vocabulario de 125 000 palabras. El nuevo trabajo traslada el enfoque de las pruebas controladas al uso prolongado en el hogar. Este es uno de los pasos clave hacia las neurointerfaces prácticas para personas con trastornos motores graves. El coautor del estudio, Sergey Stavisky, señaló que las 3800 horas de registro de actividad cerebral durante el uso del sistema se convirtieron en el conjunto de datos individual más grande con resolución a nivel de neuronas individuales.
Los autores destacaron que el estudio describe un caso clínico único. Por ahora, se desconoce en qué medida los resultados se pueden trasladar a otros pacientes, zonas de implantación, tipos de electrodos y condiciones neurológicas. El sistema también sigue siendo experimental. Utiliza conexiones por cable, requiere una conexión diaria por parte de asistentes capacitados y, debido al tamaño del equipo, solo es adecuado para uso doméstico.
Mi comentario: Este avance demuestra que las neurointerfaces están pasando de ser rarezas de laboratorio a herramientas reales para mejorar la calidad de vida. Sin embargo, como ocurre con cualquier tecnología experimental, el camino hacia la implementación masiva será largo y requerirá resolver problemas de portabilidad, autonomía y calibración según las características individuales del cerebro.