Investigadores de la Universidad de Zaragoza y de la Escuela Politécnica Federal de Lausana (EFPL, Suiza) han logrado desarrollar neuroprótesis inteligentes y demostrar que las máquinas pueden utilizar información directamente del cerebro humano para adaptar su comportamiento y aprender tareas nuevas.

Ello implica que neuroprótesis, como los brazos robóticos y los exoesqueletos para personas con problemas de movilidad, no solo ejecutarán órdenes sino que, además, podrán mejorar y aprender nuevas tareas de acuerdo a las necesidades del paciente a lo largo de su vida.

Así se recogió ayer en la revista Nature Scientific Reports, en la que se presentó un nuevo paradigma que permitirá el desarrollo de una nueva generación de interfaces cerebro-máquina, capaces de hacer que las neuroprótesis se adapten a los humanos e incluso mejoren y aprendan acciones diferentes, según informó la Universidad de Zaragoza en un comunicado.

Estos interfaces son una tecnología prometedora para mejorar la calidad de vida de miles de pacientes con problemas de movilidad, en particular aquellos que sufren parálisis. Este avance abre un nuevo horizonte para este tipo de personas, que pierden habilidades motoras como consecuencia de accidentes cerebrovasculares, lesiones en médula espinal o enfermedades neurodenegerativas.

Los profesores de la Universidad de Zaragoza Luis Montesano y Javier Mínguez, en colaboración con el equipo del profesor del Millán de Lausana, han desarrollado un método para superar las debilidades de las neuroprótesis actuales. "El nuevo paradigma consiste en permitir que la neuroprótesis aprenda parte de sus movimientos y los adapte durante la interacción con el usuario, utilizando información obtenida directamente del cerebro", explicaron los investigadores aragoneses.

PATRONES DE MOVIMIENTO

Antes, el paciente tenía que entrenar su cerebro para generar patrones de actividad cerebral asociados a distintos movimientos que eran ejecutados por las neuroprótesis. Sin embargo, la nueva interfaz utiliza una señal cerebral que se genera automáticamente cuando el resultado de una acción de la neuroprótesis no coincide con lo esperado por el usuario. Se trata de un proceso natural, que no es necesario entrenar.

Esta nueva forma de interacción entre las personas y las neuroprótesis también "abre la puerta a crear sistemas inteligentes que puedan aprender de forma continua en el tiempo y adaptarse a las necesidades específicas de cada usuario mejorando la eficiencia y el confort", apuntaron los investigadores.

Este tipo de sistemas permite en teoría a las neuroprótesis aprender movimientos complicados y adaptarlos a las necesidades del usuario, algo que no está alcance de ciencia y tecnología actual. Los doce sujetos que realizaron el experimento fueron capaces de entrenar el sistema, de forma que en unos 25 minutos (300 movimientos) era capaz de diferenciar las acciones erróneas y correctas de la prótesis con una precisión del 80%.

Una vez que la prótesis es capaz de decodificar la percepción que el usuario hace de su comportamiento está en disposición de aprender nuevos movimientos, que se pueden almacenar para su reutilización creando un repertorio de acciones cada vez más completo y complejo.

Esta habilidad puede ser muy útil para personas con enfermedades neurodegenerativas, ya que les ayudaría a adaptarse a la pérdida de capacidad motora.