Un equipo de investigadores de Meta, la Université PSL y la Fundación Adolphe de Rothschild desarrolló una interfaz cerebro-computadora (BCI) no invasiva capaz de traducir señales cerebrales directamente en texto escrito. El avance, publicado en la revista científica Nature Neuroscience, busca restaurar la comunicación asistida en pacientes con parálisis o lesiones neurológicas graves sin someterlos a los riesgos asociados con implantes neuronales quirúrgicos.
La tecnología combina algoritmos de aprendizaje profundo con magnetoencefalografía (MEG), logrando descifrar las intenciones de escritura en un teclado virtual con una tasa media de error por carácter del 29%, llegando a alcanzar un 18% en los participantes con mejor desempeño.
Arquitectura ‘Brain2Qwerty’ y desempeño técnico
El algoritmo, bautizado como Brain2Qwerty, fue entrenado con datos de 35 voluntarios sanos a quienes se les midió la actividad cerebral mientras memorizaban y escribían frases en un teclado con distribución QWERTY estándar:
- Comparativa de sensores: El sistema evaluó dos métodos de registro no invasivos. La electroencefalografía (EEG), que mide la actividad eléctrica en el cuero cabelludo, registró una tasa de error del 65%. Por su parte, la magnetoencefalografía (MEG), que capta los campos magnéticos neuronales mediante cascos de alta sensibilidad, redujo el margen de error a un promedio del 29%.
- Capacidad de generalización: En los sujetos con mejores métricas, el modelo demostró la habilidad de reconstruir correctamente oraciones inéditas que no formaban parte del conjunto de datos de entrenamiento inicial.
Impacto en el campo de las neuroprótesis
Las interfaces cerebrales de mayor precisión actuales dependen de microelectrodos implantados quirúrgicamente sobre la corteza cerebral. La propuesta de Meta y las instituciones francesas reduce la brecha de rendimiento entre las alternativas quirúrgicas y las no invasivas.
A futuro, los autores señalan que el perfeccionamiento de estos algoritmos no solo permitirá optimizar la velocidad de redacción de texto para personas con discapacidades motoras severas, sino también posibilitar el control directo de dispositivos digitales y prótesis robóticas de asistencia.