Decodificación del silencio. Las interfaces de nueva generación podrán paralizar a las personas para comunicarse

Los desarrollos más avanzados pueden capturar y transmitir las palabras que una persona se pronuncia silenciosamente en la mente, sin la necesidad de parpadear, seguir sus ojos o tratar de pronunciarlas, escribe Invertce. En foco, la tecnología apareció en su canal de telegrama.

¡Suscríbase a no perderse la mayor información e noticias interesantes del mundo de la ciencia! El síndrome de una persona cerrada es una condición médica en la que una persona tiene plena conciencia, pero no puede moverse o comunicarse verbalmente debido a la parálisis completa de casi todos los músculos del cuerpo que una persona puede controlar.

A menudo, esto se debe al daño al tallo cerebral causado por accidentes cerebrovasculares, tumores, lesiones traumáticas, infecciones o enfermedades neurodegenerativas como la esclerosis amimotrófica lateral. La frecuencia del síndrome es ambigua debido a las variaciones en la capacidad de los pacientes para comunicarse a través de movimientos oculares o parpadeando.

Desafortunadamente, algunas personas pierden por completo la movilidad, incluidos los ojos y los párpados, lo que hace que el diagnóstico sea aún más complicado. A menudo, los pacientes pasan un promedio de 79 días en un estado fijo antes de que se realice el diagnóstico correcto.

Sarah Vandalt, una estudiante graduada del Departamento de Sistemas Neural y el cálculo en Kaltech, está entusiasmada con el potencial de esta tecnología, especialmente para aquellos que están completamente cerrados y no pueden comunicarse. Estudios recientes, incluida la investigación de Wandelt, son prometedores porque dan evidencia preliminar de que la máquina del cerebro interfaces decodifica el lenguaje interno.

A pesar de los cambios positivos, los expertos están de acuerdo en que se necesita un mayor desarrollo para que estas interfaces sean accesibles, prácticas y efectivas para los pacientes. La creación de una interfaz de máquina cerebral comienza con una determinación de qué parte del cerebro debe estar dirigida.

Contrariamente a la obturación de la idea de que la estructura del cráneo da una idea del trabajo del cerebro, hoy entendemos que las habilidades cognitivas surgen como resultado de interacciones complejas entre numerosas áreas cerebrales. Esta complejidad es tanto un desafío como una oportunidad para la investigación, ya que no existe un área única de cerebro responsable del lenguaje interno, lo que permite que diferentes áreas sean objetivos potenciales.

Es de destacar que Vandult y su colega David Bins encontraron una conexión entre el habla y el giro supramarginal (SM) en el lóbulo parietal, que generalmente se asocia con la captura de objetos. Este descubrimiento se realizó durante la observación de un participante tetraplegico con una cuadrícula de microelectrodos implantada en los medios. La matriz registró la actividad de las neuronas individuales, que luego fue procesada por la computadora.

En el contexto del partido de fútbol, ​​Bians compara el cerebro con el estadio, las neuronas con la audiencia y los electrodos, con micrófonos reducidos a la multitud para capturar eventos importantes. El dispositivo implantado entre neuronas rastrea señales electroquímicas, generadas cada vez que funciona la neurona, creando patrones de sonido únicos asociados con ciertas acciones o intenciones.

Los investigadores de Caltech enseñaron con éxito la interfaz de su máquina cerebral para distinguir entre los patrones cerebrales creados cuando el participante pronunció silenciosamente seis palabras y dos Pseudopolov. El dispositivo alcanzó más del 90% de precisión al reconocer las palabras solo después de 15 minutos de estudio. Esta prueba exitosa fue el paso, con el último propósito de expandir el vocabulario para una comunicación más significativa.

Otro enfoque innovador tiene como objetivo desarrollar una interfaz de máquina cerebral que pueda reconocer letras individuales en lugar de palabras completas. Este concepto fue probado por Sean de Metzger, un estudiante graduado de la Universidad de California en San Francisco y la Universidad de California en Berkel. Este enfoque utiliza algoritmos de aprendizaje automático para decodificar oraciones escritas en silencio, llegando en la mayoría de los casos el 92% de la precisión.

Jun Wang, especialista en tecnología e lenguaje informático en la Universidad de Texas en Austin, advierte que, a pesar del progreso reciente en el desarrollo de dispositivos de recuperación de idiomas, esta industria todavía está en la etapa inicial de desarrollo. Está a favor de mejorar el hardware y el software para que estos dispositivos sean menos voluminosos, más precisos y más rápido.

Además, los investigadores estudian la posibilidad de desarrollar interfaces no invasivas de la máquina cerebral y el uso de métodos avanzados de visualización para convertir campos magnéticos, generados por corrientes cerebrales, en texto. La restauración del habla en pacientes con bloqueo del habla es una tarea única asociada con la variabilidad de la codificación del lenguaje interno en diferentes personas.

Según Bons, para resolver estos problemas y desarrollar interfaces que operen en diferentes contextos, se requiere un enfoque multilateral de diferentes grupos de investigación. Podrá descubrir aún más sobre las tecnologías avanzadas de neuroprostéticos en el video a continuación: Anteriormente, Focus escribió sobre la recuperación de la médula espinal después del daño. Los tratamientos avanzados pueden restaurar la movilidad en personas con lesiones perenne de la médula espinal.