Descifrando el código enigma del cerebro
Durante la Segunda Guerra Mundial, los criptógrafos utilizaron patrones de lenguaje conocidos en mensajes cifrados para descifrar el cifrado Enigma alemán. El uso de la frecuencia y distribución esperadas de ciertas letras y palabras ayudó al científico informático británico Alan Turing y sus colegas a encontrar la clave para traducir galimatías a un lenguaje sencillo. Ahora, los investigadores están aprovechando el conocimiento del campo de la criptografía para traducir las señales cerebrales en movimientos corporales.
Muchas acciones humanas, como caminar o estirarse, siguen patrones predecibles. Con esto en mente, Eva Dyer, neurocientífica de Georgia Tech y la Universidad de Emory, desarrolló una estrategia de decodificación neuronal inspirada en la criptografía. Ella y sus colegas publicaron sus hallazgos en diciembre pasado en la revista Nature Biomedical Engineering.
«He oído hablar de este enfoque antes, pero este es uno de los primeros estudios publicados», dijo Nicholas Hatsopoulos, neurocientífico de la Universidad de Chicago que no participó en el trabajo. Es bastante nuevo.
Las interfaces cerebro-computadora existentes, como las que controlan ciertas prótesis, a menudo usan algoritmos llamados decodificadores supervisados. Estos se basan en el registro simultáneo de la actividad neuronal y los detalles del movimiento momento a momento, incluida la posición y la velocidad de las extremidades, un proceso laborioso que requiere mucho tiempo. Esta información luego se usa para entrenar un decodificador para traducir patrones neuronales en las acciones correspondientes. En términos criptográficos, esto es como comparar muchos mensajes descifrados con sus versiones cifradas para aplicar ingeniería inversa a la clave.
En contraste, el equipo de Dale intentó predecir el movimiento utilizando solo «información cifrada» (actividad neuronal) y una comprensión general de los patrones que surgen durante un movimiento en particular. Los científicos entrenaron a tres macacos para usar movimientos de brazo o muñeca para dirigir un cursor a múltiples objetivos en una pantalla. Al mismo tiempo, los electrodos implantados registraron señales de unas 100 neuronas en la corteza motora de cada mono, el área del cerebro que controla el movimiento. Luego, los investigadores probaron una serie de modelos computacionales para encontrar los que mejor mapeaban los patrones ocultos en la actividad neuronal con los patrones que vieron en los movimientos de los animales.
Cuando los investigadores utilizaron su mejor modelo para decodificar la actividad neuronal de las pruebas individuales, pudieron predecir los movimientos reales del mono durante esas pruebas junto con algunos decodificadores básicos supervisados. «Es un resultado realmente genial», dice Jonathan Kao, neurocientífico computacional de la UCLA, que no participó en el estudio.
Dyer llama a su trabajo una prueba de concepto, y señala que se necesita hacer más trabajo antes de que la tecnología esté ampliamente disponible. «Todavía no es un enfoque competitivo en comparación con los decodificadores de última generación», dijo. «Solo hemos arañado la superficie».
