Investigadores chinos desarrollaron el primer sistema BCI no invasivo de "doble bucle" del mundo

Interfaz cerebro-ordenador. (Foto: VCG)

Por Leng Shumei y Guo Yuandan

Investigadores chinos de la Universidad de Tianjin (TJU) y la Universidad de Tsinghua han colaborado para desarrollar el primer sistema de interfaz cerebro-computadora (BCI) no invasivo de "doble bucle" del mundo. Este hecho marca un significativo avance en el aprendizaje mutuo humano-máquina, informó la Universidad de Tianjin este martes al Global Times.

Los investigadores aseguraron que habían empleado con éxito el sistema para lograr el control en tiempo real de un dron, demostrando su capacidad para manejar tareas más complejas.

El logro fue publicado este lunes en Nature Electronics.

La BCI práctica debería ser capaz de descifrar las señales cerebrales y adaptarse dinámicamente a las fluctuaciones cerebrales. Esto, sin embargo, requiere un decodificador capaz de realizar actualizaciones flexibles con capacidades de decodificación energéticamente eficientes.

Los investigadores también señalaron que este primer sistema de interfaz cerebro-computadora (BCI) no invasivo de "doble bucle" del mundo se basa en un chip memristor de 128k celdas. El enfoque presenta una estrategia de decodificación de memristor de un solo paso eficiente por hardware que permite que la interfaz logre un rendimiento de decodificación equivalente al software.

Los investigadores también han desarrollado un marco de actualización interactivo que permite que el decodificador de memristor y las señales cerebrales cambiantes se adapten entre sí.

Xu Minpeng, especialista del Laboratorio de Haihe de Interacción Cerebro-Computadora e Integración Humano-Máquina, TJU, resaltó al Global Times que lograr el aprendizaje mutuo entre el cerebro y la máquina a través del intercambio de información sigue siendo un desafío crítico y complejo en la investigación actual de BCI.

"Específicamente, el aprendizaje mutuo permite que los sistemas de las máquinas se ajusten de acuerdo con las intenciones del usuario, mejorando la flexibilidad y la autonomía del sistema. Los usuarios también pueden optimizar continuamente sus habilidades de control a través de la interacción con el sistema, logrando una mejora "simbiótica".

“Esta evolución colaborativa no solo mejora la eficiencia de la aplicación de los sistemas BCI, sino que también impulsa el avance general de los sistemas inteligentes", afirmó Xu.

Para abordar el desafío del aprendizaje mutuo, el equipo de investigación conjunto descubrió que las características no estacionarias de las señales del ctroencefalograma (EEG) no solo se derivan de la variabilidad del EEG de fondo, como los investigadores creían tradicionalmente, sino que también se correlacionan fuertemente con la evolución del EEG relacionada con la tarea. Sobre la base de esto, propusieron de manera innovadora un "marco de evolución colaborativa cerebro-computadora de doble bucle", que se implementó utilizando dispositivos neuromórficos memristores. Bajo este marco de "doble bucle", los bucles de aprendizaje del cerebro y la máquina colaboran para mejorar conjuntamente el rendimiento del sistema.

Los resultados experimentales demuestran que este nuevo enfoque mejora significativamente la velocidad de decodificación y reduce el consumo de energía en comparación con los métodos tradicionales. En particular, en un experimento de interacción continua de seis horas, el rendimiento del sistema no solo se mantuvo estable, sino que también logró una mejora de precisión de aproximadamente el 20 por ciento.

“Este logro, sin duda, sienta una base sólida para la aplicación práctica de la tecnología BCI”, precisó Xu.

La mejora del rendimiento se puede atribuir a dos aspectos. Xu detalló que, en primer lugar, se desarrolló un sistema de hardware de decodificación cerebro-computadora de baja potencia, alta precisión y alta velocidad. En comparación con las soluciones de hardware puramente digitales tradicionales, la velocidad de decodificación de normalización del chip memristor se puede mejorar en más de dos órdenes de magnitud, con un consumo de energía reducido en menos de tres órdenes de magnitud, lo que respalda eficazmente la ejecución exitosa de tareas de control de drones de cuatro grados de libertad. Y en segundo lugar, esta investigación realizó un nuevo tipo de sistema BCI basado en dispositivos memristor neuromórficos, donde el rendimiento del BCI no disminuyó durante la interacción cerebro-computadora a largo plazo, sino que logró una mejora de precisión de aproximadamente el 20 por ciento.

En cuanto al plan adicional para aplicar el sistema en la práctica, Xu adelantó que "por un lado, necesitamos adoptar la tecnología de retroalimentación cerebro-computadora multimodal para promover la rápida evolución positiva de funciones cerebrales específicas, explorando el potencial de ejecución de tareas complejas y paralelas del cerebro para respaldar tareas de interacción cerebro-computadora más complejas”.

“Por otro lado, necesitamos estudiar el modelo de entrenamiento colaborativo de señales cerebrales y modelos de computación inteligente de hardware de memristor para lograr un procesamiento de información intermodal más eficiente y un apoyo a la toma de decisiones complejas", manifestó.

De cara al futuro, Xu vacitinó que el sistema podría evolucionar hacia dispositivos BCI portátiles que permitan interacciones a largo plazo entre el cerebro y el entorno, y sirvan como tecnología de asistencia en la vida diaria y en escenarios de rehabilitación médica.

También el primer sistema de interfaz cerebro-computadora (BCI) no invasivo de "doble bucle" del mundo podría aplicarse en aplicaciones de modulación neuronal de circuito cerrado en rehabilitación médica, ayudar en el tratamiento de enfermedades cerebrales y en la rehabilitación de pacientes con accidente cerebrovascular que han perdido sus funciones motoras.