El segundo estudio, de la Universidad de California en San Francisco, estuvo a cargo del neurocirujano Edward Chang. Allí, los científicos analizaron la situación de Ann, una mujer que perdió el habla por un derrame cerebral. Los resultados, al igual que en el caso anterior, fueron muy favorables.
Los avances conseguidos
En el caso de Pat Bennet, su dificultad para hablar fue resuelta, al menos en parte, a partir de dos sensores que implantaron en su cerebro para recoger señales de neuronas individuales en la corteza premotora y el área de Broca, dos regiones asociadas al lenguaje.
Los investigadores de Stanford usaron esos implantes y un software para relacionar las señales cerebrales con los intentos de pronunciar palabras de Bennet. Tras cuatro meses de aprendizaje, el sistema combinó toda esta información con un modelo de lenguaje informático y logró que la paciente pronuncie 62 palabras por minuto.
La cifra es menor a la mitad de velocidad del habla normal, y al usar un vocabulario de más de 100.000 palabras se producía un error por cada cuatro palabras pronunciadas. Pese a eso, los resultados son tres veces mejores que en sistemas de comunicación similares probados anteriormente.
En el estudio de San Francisco se obtuvieron resultados parecidos con otro tipo de sistema. En este caso, los implantes cerebrales, formados por 253 microelectrodos, tomaron señales de más regiones del cerebro de Ann.
Lograron alcanzar 78 palabras por minuto, con un vocabulario base de más de 1.000. La tasa de error fue del 25,5% cuando se incluyeron los movimientos del tracto vocal y de un 54,4% cuando se tradujeron las señales cerebrales de manera directa al habla con un sintetizador.
Además, buscaron añadir un avatar a la interfaz cerebro-máquina porque, según explicó el investigador Sean Metzger, “el objetivo es recuperar la capacidad de comunicación y de conexión con los seres queridos, no solo ayudar a transmitir unas palabras».
Este avatar, traduciría otros elementos comunicativos como la expresión facial a partir de las señales neuronales, lo que ayudaría a mejorar la comunicación del paciente. El equipo utilizó una grabación de Ann hablando en su boda, antes de su derrame cerebral, para recrear su voz.
La búsqueda de una solución práctica
Ambos equipos afirmaron en una presentación online que sus resultados eran comparables y que tenían interés de ver cómo ambos métodos de recogida de señales mostraron por primera vez que estas tecnologías pueden ofrecer una solución práctica.
Los vídeos de las pruebas evidenciaron que la comunicación de los pacientes aún no es fluida, pero los autores de los dos estudios resaltaron que sus resultados se validan mutuamente y creen que están en el camino correcto.
Hace tres años, el grupo de Chang demostró que con su método era posible descodificar cuatro palabras en personas con parálisis. En ese tiempo, el progreso fue exponencial.
Solo medio centenar de personas llevan interfaces cerebro-máquina con microelectrodos para posibilitar su comunicación. Entre las mejoras que plantean para el futuro, además de incrementar la velocidad de comunicación, proponen el desarrollo de aparatos inalámbricos que no requieran a las pacientes estar conectadas a una máquina.
También quieren averiguar si estos sistemas sirven para recuperar el habla en personas completamente atrapadas en su cuerpo y solo cuentan con sus señales cerebrales para restablecer su comunicación. Para conseguir estos objetivos, también buscarán ampliar el número de pacientes.
Ven necesario saber, por ejemplo, si lo que aprenden los algoritmos durante las horas de entrenamiento puede servir para decodificar el habla en el cerebro de otra persona, o también, estudiar si las señales cerebrales que produce un individuo diferente al interpretar, puede producir fallos en su propio discurso.
El segundo estudio, de la Universidad de California en San Francisco, estuvo a cargo del neurocirujano Edward Chang. Allí, los científicos analizaron la situación de Ann, una mujer que perdió el habla por un derrame cerebral. Los resultados, al igual que en el caso anterior, fueron muy favorables.
Los avances conseguidos
En el caso de Pat Bennet, su dificultad para hablar fue resuelta, al menos en parte, a partir de dos sensores que implantaron en su cerebro para recoger señales de neuronas individuales en la corteza premotora y el área de Broca, dos regiones asociadas al lenguaje.
Los investigadores de Stanford usaron esos implantes y un software para relacionar las señales cerebrales con los intentos de pronunciar palabras de Bennet. Tras cuatro meses de aprendizaje, el sistema combinó toda esta información con un modelo de lenguaje informático y logró que la paciente pronuncie 62 palabras por minuto.
La cifra es menor a la mitad de velocidad del habla normal, y al usar un vocabulario de más de 100.000 palabras se producía un error por cada cuatro palabras pronunciadas. Pese a eso, los resultados son tres veces mejores que en sistemas de comunicación similares probados anteriormente.
En el estudio de San Francisco se obtuvieron resultados parecidos con otro tipo de sistema. En este caso, los implantes cerebrales, formados por 253 microelectrodos, tomaron señales de más regiones del cerebro de Ann.
Lograron alcanzar 78 palabras por minuto, con un vocabulario base de más de 1.000. La tasa de error fue del 25,5% cuando se incluyeron los movimientos del tracto vocal y de un 54,4% cuando se tradujeron las señales cerebrales de manera directa al habla con un sintetizador.
Además, buscaron añadir un avatar a la interfaz cerebro-máquina porque, según explicó el investigador Sean Metzger, “el objetivo es recuperar la capacidad de comunicación y de conexión con los seres queridos, no solo ayudar a transmitir unas palabras».
Este avatar, traduciría otros elementos comunicativos como la expresión facial a partir de las señales neuronales, lo que ayudaría a mejorar la comunicación del paciente. El equipo utilizó una grabación de Ann hablando en su boda, antes de su derrame cerebral, para recrear su voz.
La búsqueda de una solución práctica
Ambos equipos afirmaron en una presentación online que sus resultados eran comparables y que tenían interés de ver cómo ambos métodos de recogida de señales mostraron por primera vez que estas tecnologías pueden ofrecer una solución práctica.
Los vídeos de las pruebas evidenciaron que la comunicación de los pacientes aún no es fluida, pero los autores de los dos estudios resaltaron que sus resultados se validan mutuamente y creen que están en el camino correcto.
Hace tres años, el grupo de Chang demostró que con su método era posible descodificar cuatro palabras en personas con parálisis. En ese tiempo, el progreso fue exponencial.
Solo medio centenar de personas llevan interfaces cerebro-máquina con microelectrodos para posibilitar su comunicación. Entre las mejoras que plantean para el futuro, además de incrementar la velocidad de comunicación, proponen el desarrollo de aparatos inalámbricos que no requieran a las pacientes estar conectadas a una máquina.
También quieren averiguar si estos sistemas sirven para recuperar el habla en personas completamente atrapadas en su cuerpo y solo cuentan con sus señales cerebrales para restablecer su comunicación. Para conseguir estos objetivos, también buscarán ampliar el número de pacientes.
Ven necesario saber, por ejemplo, si lo que aprenden los algoritmos durante las horas de entrenamiento puede servir para decodificar el habla en el cerebro de otra persona, o también, estudiar si las señales cerebrales que produce un individuo diferente al interpretar, puede producir fallos en su propio discurso.
Implantes cerebrales mejorados con inteligencia artificial lograron traducir señales neuronales de dos personas con parálisis facial
La inteligencia artificial integrada en implantes cerebrales permitió a dos personas recuperar la capacidad de comunicarse, según publicaron hoy dos estudios experimentales en la revista científica Nature, que fueron llevados a cabo por investigadores de las universidades de Stanford y California en Estados Unidos.
El primer estudio, de la Universidad de Stanford, tuvo como paciente a Pat Bennet, una mujer de 68 años que sufre de Esclerosis Lateral Amiotrófica desde 2012. Esta enfermedad complicó la movilidad de Bennet en labios, lengua, laringe y mandíbula, lo que imposibilitó que pueda hablar, algo que el experimento pudo resolver en parte.
Este trabajo fue liderado por Jamie Henderson, un investigador que comenzó a interesarse por las personas que pierden la capacidad de comunicarse por su padre, quien quedó dañado en este aspecto tras un grave accidente de tránsito.
El segundo estudio, de la Universidad de California en San Francisco, estuvo a cargo del neurocirujano Edward Chang. Allí, los científicos analizaron la situación de Ann, una mujer que perdió el habla por un derrame cerebral. Los resultados, al igual que en el caso anterior, fueron muy favorables.
Los avances conseguidos
En el caso de Pat Bennet, su dificultad para hablar fue resuelta, al menos en parte, a partir de dos sensores que implantaron en su cerebro para recoger señales de neuronas individuales en la corteza premotora y el área de Broca, dos regiones asociadas al lenguaje.
Los investigadores de Stanford usaron esos implantes y un software para relacionar las señales cerebrales con los intentos de pronunciar palabras de Bennet. Tras cuatro meses de aprendizaje, el sistema combinó toda esta información con un modelo de lenguaje informático y logró que la paciente pronuncie 62 palabras por minuto.
La cifra es menor a la mitad de velocidad del habla normal, y al usar un vocabulario de más de 100.000 palabras se producía un error por cada cuatro palabras pronunciadas. Pese a eso, los resultados son tres veces mejores que en sistemas de comunicación similares probados anteriormente.
En el estudio de San Francisco se obtuvieron resultados parecidos con otro tipo de sistema. En este caso, los implantes cerebrales, formados por 253 microelectrodos, tomaron señales de más regiones del cerebro de Ann.
Lograron alcanzar 78 palabras por minuto, con un vocabulario base de más de 1.000. La tasa de error fue del 25,5% cuando se incluyeron los movimientos del tracto vocal y de un 54,4% cuando se tradujeron las señales cerebrales de manera directa al habla con un sintetizador.
Además, buscaron añadir un avatar a la interfaz cerebro-máquina porque, según explicó el investigador Sean Metzger, “el objetivo es recuperar la capacidad de comunicación y de conexión con los seres queridos, no solo ayudar a transmitir unas palabras».
Este avatar, traduciría otros elementos comunicativos como la expresión facial a partir de las señales neuronales, lo que ayudaría a mejorar la comunicación del paciente. El equipo utilizó una grabación de Ann hablando en su boda, antes de su derrame cerebral, para recrear su voz.
La búsqueda de una solución práctica
Ambos equipos afirmaron en una presentación online que sus resultados eran comparables y que tenían interés de ver cómo ambos métodos de recogida de señales mostraron por primera vez que estas tecnologías pueden ofrecer una solución práctica.
Los vídeos de las pruebas evidenciaron que la comunicación de los pacientes aún no es fluida, pero los autores de los dos estudios resaltaron que sus resultados se validan mutuamente y creen que están en el camino correcto.
Hace tres años, el grupo de Chang demostró que con su método era posible descodificar cuatro palabras en personas con parálisis. En ese tiempo, el progreso fue exponencial.
Solo medio centenar de personas llevan interfaces cerebro-máquina con microelectrodos para posibilitar su comunicación. Entre las mejoras que plantean para el futuro, además de incrementar la velocidad de comunicación, proponen el desarrollo de aparatos inalámbricos que no requieran a las pacientes estar conectadas a una máquina.
También quieren averiguar si estos sistemas sirven para recuperar el habla en personas completamente atrapadas en su cuerpo y solo cuentan con sus señales cerebrales para restablecer su comunicación. Para conseguir estos objetivos, también buscarán ampliar el número de pacientes.
Ven necesario saber, por ejemplo, si lo que aprenden los algoritmos durante las horas de entrenamiento puede servir para decodificar el habla en el cerebro de otra persona, o también, estudiar si las señales cerebrales que produce un individuo diferente al interpretar, puede producir fallos en su propio discurso.