Científicos de la Universidad de Stanford, en California, Estados Unidos, lograron identificar la actividad cerebral humana relacionada con el habla interior y, gracias a un equipo de cómputo especializado, pudieron decodificar los impulsos cerebrales del monólogo silencioso de cuatro personas voluntarias y convertirlos en lenguaje escrito.
La precisión que alcanzaron, en esta sofisticada traducción de señales cerebrales a palabras escritas, fue de hasta el 74%.
El reporte de este experimento vanguardista fue publicado este jueves 14 de agosto en la revista científica Cell del grupo Cell Press. Sus hallazgos podrían ayudar a las personas que no pueden hablar audiblemente a comunicarse más fácilmente utilizando tecnologías de interfaz cerebro-computadora (BCI) que comienzan a traducir los pensamientos internos cuando un participante dice una contraseña en su mente.
“Esta es la primera vez que hemos logrado entender cómo se ve la actividad cerebral cuando solo piensas en hablar”, dijo la autora principal Erin Kunz, de la Universidad de Stanford. “Para las personas con discapacidades severas del habla y motoras, las interfaces cerebro-computadora capaces de decodificar el habla interna podrían ayudarles a comunicarse de una manera mucho más fácil y natural.”
Las interfaces cerebro-computadora (BCI) han surgido recientemente como una herramienta para ayudar a las personas con discapacidades. Utilizando sensores implantados en las regiones del cerebro que controlan el movimiento, los sistemas BCI pueden decodificar señales neuronales relacionadas con el movimiento y traducirlas en acciones, como mover una mano prostética.
La investigación ha demostrado que las interfaces cerebro-computadora (BCIs) incluso pueden decodificar intentos de habla entre personas con parálisis. Cuando los usuarios intentan físicamente hablar en voz alta activando los músculos relacionados con la producción de sonidos, las BCIs pueden interpretar la actividad cerebral resultante y escribir lo que están intentando decir, incluso si el habla en sí es ininteligible.
Aunque la comunicación asistida por BCI es mucho más rápida que las tecnologías más antiguas, incluidos los sistemas que rastrean los movimientos oculares de los usuarios para escribir palabras, intentar hablar aún puede ser agotador y lento para las personas con control muscular limitado. Por esta dificultad de los pacientes, el equipo científico de la Universidad de Stanford se preguntó si los BCI podrían decodificar el habla interna en su lugar.
“Si solo tienes que pensar en el habla en lugar de intentar realmente hablar, es potencialmente más fácil y rápido para las personas”, argumentó Benyamin Meschede-Krasa, co-primer autor del artículo, de la Universidad de Stanford.
El equipo registró la actividad neural a partir de microelectrodos implantados en la corteza motora, una región del cerebro responsable del habla, de cuatro participantes con parálisis severa debido a la esclerosis lateral amiotrófica (ELA) o a un accidente cerebrovascular en el tronco encefálico. Los investigadores pidieron a los participantes que intentaran hablar o que imaginaran decir un conjunto de palabras.
Encontraron que el discurso intentado y el discurso interno activan regiones superpuestas en el cerebro y evocan patrones similares de actividad neuronal, pero el discurso interno tiende a mostrar una magnitud de activación más débil en general.
Usando los datos de discurso interno, el equipo entrenó modelos de inteligencia artificial para interpretar palabras imaginadas. En una demostración de prueba de concepto, el BCI pudo decodificar frases imaginadas de un vocabulario de hasta 125 mil palabras con una tasa de precisión de hasta el 74%.
El BCI también pudo captar lo que algunos participantes de habla interna nunca fueron instruidos a decir, como los números cuando se pidió a los participantes que contaran los círculos rosas en la pantalla.
El equipo también descubrió que, aunque el habla intentada y el habla interna producen patrones similares de actividad neural en la corteza motora, eran lo suficientemente diferentes como para ser distinguidos de manera confiable entre sí. El autor principal, Frank Willett de la Universidad de Stanford, dice que los investigadores pueden usar esta distinción para entrenar interfaces cerebro-computadora (BCI) para ignorar por completo el habla interna.
Para proteger la privacidad del monólogo interno, cada vez que los usuarios quieran utilizar el habla interna como un método para una comunicación más rápida o fácil, el equipo también demostró un mecanismo controlado por contraseña que impediría que el BCI descifrase el habla interna a menos que se desbloqueara temporalmente con una palabra clave elegida.
En su experimento, los usuarios podían pensar en la frase “chitty chitty bang bang” para comenzar el descifrado del habla interna. El sistema reconoció la contraseña con más del 98% de precisión.
Aunque los sistemas actuales de BCI no pueden decodificar el habla interior libre sin cometer errores sustanciales, los investigadores dicen que dispositivos más avanzados con más sensores y mejores algoritmos pueden ser capaces de hacerlo en el futuro.
“El futuro de los BCI es brillante”, dice Willett. “Este trabajo ofrece una verdadera esperanza de que los BCI de habla puedan algún día restaurar una comunicación que sea tan fluida, natural y cómoda como la conversación.”