Esta década comenzó con un golpe muy duro a nivel global en la forma de una pandemia que nos hizo sentir vulnerables, nos encerró y dejó reflexionando sobre la mortalidad, pero también sobre nuestra capacidad de comunicarnos, apoyarnos y hallar soluciones ante los nuevos problemas que enfrentamos. Si bien ese es el comienzo uno puede argumentar que, desde ya, y en los próximos años, veremos una serie de avances científicos y tecnológicos que ya están comenzando a revolucionar distintas áreas, desde el internet, a las finanzas, la medicina y la robótica.
Una de esas tecnologías de vanguardia son las interfaces neuronales, dispositivos que permiten registrar la actividad neuronal y estimular directamente las neuronas. Los posibles usos y el potencial de esta neurotecnología enorme. Desde remediar una serie de enfermedades y problemas neurológicos hasta posibilitar a personas parapléjicas el poder interactuar con dispositivos digitales y comunicarse con sus seres queridos.
Eso y mucho más. Es por esto que necesitamos entender en qué estado se encuentran los distintos proyectos que trabajan e innovan en este campo para saber cómo será el futuro a corto y largo plazo. No hay material mejor para este propósito que un artículo científico que aborda las perspectivas, el presente y el futuro de las interfaces neuronales, recientemente publicado en Frontiers in Neurorobotics. Es por esto que te compartiremos lo más importante del artículo cuya autoría cuenta con especialistas y desarrolladores involucrados en estos proyectos como Davide Valeriani, de Neurable Inc, Francesca Santoro y Marcello Lenca. Con el propósito de ser lo más detallados posible haremos este artículo en dos entregas.
Los tópicos a desgranar sobre las interfaces neuronales son muchos, pero los investigadores lograron sintetizarlos y exponerlos con mucha claridad. Como punto de partida se contrastaron dos métodos de acción para entender qué ocurre en el cerebro: la interfaz vs la simulación del cerebro. A grandes rasgos estos son los dos métodos disponibles para que se pueda vincular una prótesis, como un brazo robótico, que sea manejada por la voluntad de la persona.
En palabras de los investigadores: “El diseño de interfaces neuronales requiere en primer lugar la identificación de los patrones cerebrales que podrían utilizarse para controlar un actuador, como una prótesis de brazo. Este proceso puede abordarse esencialmente de dos maneras, a saber, midiendo directamente la actividad cerebral a diferentes resoluciones espaciales y temporales, en reposo o durante la producción de una tarea, o simulando la actividad cerebral mediante modelización matemática.”
El primer medio es el más ocupado por las distintas compañías y los equipos de investigación enfocados en las interfaces neuronales, como Neuralink, de Elon Musk, y Blackrock Neurotech. Este método, como todos, tiene sus ventajas y desventajas. La primera es el riesgo que implica el implantar un dispositivo que registre la actividad neuronal directamente en el cerebro y las distintas complicaciones que conlleva mantenerlo allí funcionando y adaptado al corrosivo ambiente del cerebro. Pero la gran ventaja es que la interfaz es directa y concentrada especialmente donde se quiere registrar y estimular neuronas, como puede ser el sistema motor.
Por otro lado, se encuentra la modelación del cerebro y el actuar de los distintos sistemas cerebrales, que ha sido posible gracias a la acumulación de datos sobre las dinámicas neuronales y el funcionamiento de estos sistemas. Este método evita riesgos y complicaciones éticas derivadas de implantar este tipo de dispositivos en humanos y animales, asimismo, también “permite el estudio simultáneo de la función cerebral a diferentes escalas (multiescala) y modos (investigación multimodal)”. El costo es que se necesita mucho más poder computacional, aunque se rebajen los costos totales del experimento. Claro que para funcionar en situaciones reales deberíamos llegar a un nivel de simulación muy poderoso, capaz de replicar el funcionamiento neuronal de distintos individuos.
El ideal futuro en esta línea de investigación es poder generar un modelo capaz de replicar el complejo funcionamiento del cerebro completamente. Aunque, como apuntan los investigadores, es una meta muy ambiciosa para lograrla en esta década.
Grabación vs estimulación neuronal
Actualmente las interfaces neuronales se dedican a una de estas dos funciones básicas, grabar la actividad neuronal o estimular neuronas, pero ya hay BCIs que pueden hacer ambas tareas como es el caso de Neuralink, y todo apunta a que esta modalidad va a ser la más común de aquí en adelante ya que el potencial que tiene es mucho mayor:
“En los últimos años, hemos visto algunas aplicaciones de BCI bimodal, que utilizan múltiples técnicas tanto para registrar como para estimular el cerebro (McKendrick et al., 2015). Estos enfoques se convertirán gradualmente en la nueva norma en los próximos años, ya que la estimulación cerebral combinada con los registros neuronales permite aplicaciones de próxima generación de BCI, como la comunicación directa entre cerebros (O'Doherty et al., 2011).”
Software y Hardware
Las interfaces neuronales, sobre todo las invasivas, son dispositivos que necesitan de un hardware muy robusto y maleable a la vez, que resista la corrosión y consiga una gran eficiencia energética con baterías lo más pequeñas posibles. Una ecuación difícil de resolver. Es por esto que en la última década no se han visto muchos avances con respecto a esta faceta de los dispositivos, quizá a excepción del poder de lectura y la cantidad de electrodos que presenta el Link de Neuralink en contraste a los otros dispositivos en activo.
Con el software pasa algo distinto ya que en esta área los avances han sido importantes, como plantean los autores del artículo: “Los avances en la tecnología de los programas informáticos fueron uno de los progresos más significativos en las interfaces neuronales que presenciamos en la década de 2010. Las nuevas técnicas de procesamiento de señales, unidas a un mejor conocimiento de la estructura y la función del cerebro, permiten aumentar la relación señal-ruido de los registros neuronales y, por tanto, medir con precisión la actividad cerebral frente al ruido. Este progreso podría permitir pronto que las BCI no invasivas tengan un rendimiento similar al de las invasivas, reduciendo así los riesgos para la salud y los costes financieros para el paciente. Además, los avances en el aprendizaje automático y, en particular, en el aprendizaje profundo, han permitido a los neurocientíficos descubrir nuevas características cerebrales y construir modelos de clasificación más complejos para manejar datos de entrada altamente dimensionales (Craik et al., 2019; Roy et al., 2019).”
La miniaturización de los componentes electrónicos, una faceta en la que Neuralink destaca especialmente, ha sido uno de los logros más relevantes en el avance del hardware. Los investigadores también se mostraron entusiastas con respecto a las iniciativas Open Source y el impacto que pueden tener en el desarrollo y la accesibilidad de las interfaces neuronales: “Al igual que el software de código abierto, las iniciativas de hardware abierto también han sido fundamentales para impulsar la innovación en los circuitos eléctricos para las interfaces neuronales. En el sector de la BCI, como OpenBCI y varios laboratorios de investigación de BCI (Rakhmatulin et al., 2021), han demostrado cómo construir BCI de bajo coste con componentes eléctricos de consumo.”
Interfaces neuro hibridas
Uno de los principales desafíos en el diseño de las interfaces neuronales es que para alcanzar una máxima optimización deberían ser lo más similar posible a las redes neuronales, el ambiente en el que se implantan, con tal de adaptarse como un miembro más del ecosistema cerebral. Este punto es central para los investigadores: “la nueva generación de BCI y plataformas neuroelectrónicas debería, en última instancia, asemejarse a las arquitecturas y características tanto físicas como electrónicas de las células neuronales (Lubrano et al., 2020). Aunque la ingeniería de tejidos neuronales ha avanzado mucho en la reconstitución de redes neuronales biológicas desde la célula única hasta las arquitecturas de tejidos basadas en andamios, estas plataformas pueden optimizarse in vitro y, potencialmente, implantarse in vivo para formar conexiones funcionales con el tiempo.”
Este es uno de los principales motivos por los que en la vanguardia de las interfaces neuronales se encuentran plataformas neuromórficas, ya que logran replicar funciones neuro-eléctricas como los potenciales de acción de corto y largo plazo. “Como hardware clave para las redes neuronales artificiales, plataformas como SpiNNaker, TrueNorth y Loihi permiten la computación en bucle cerrado con bajo consumo de energía y dispositivos miniaturizados. Por ejemplo, se han utilizado redes neuronales de espigas para monitorizar continuamente la actividad cerebral y detectar las oscilaciones epilépticas de alta frecuencia con un dispositivo portátil de bajo consumo, lo que ha abierto el camino a una monitorización epiléptica más barata y menos invasiva (Burelo et al., 2022). Sin embargo, a pesar de ser de baja potencia, estas plataformas neuromórficas pueden realizar suficientes cálculos para decodificar con precisión los patrones cerebrales típicamente asociados a los paradigmas de BCI, como la imaginería motora (Behrenbeck et al., 2019).”
Este tipo de interfaces tienen la ventaja de que pueden funcionar a niveles de voltaje similares a los de las neuronas biológicas, cosa que las interfaces electrónicas compuestas con transistores no pueden hacer ya que necesitan una corriente de órdenes de magnitud mayor. A esto se suma que el potencial de adaptación que tienen para asociarse a las neuronas orgánicas es mucho mayor:
“Las plataformas neuromórficas orgánicas surgieron recientemente como herramientas para interconectar directamente neuronas biológicas y artificiales para formar conexiones sinápticas biohíbridas funcionales (Keene et al., 2020). Basados en semiconductores orgánicos biocompatibles, estos dispositivos son capaces de una (trans)conducción iónica-electrónica mixta que se asemeja con gran precisión a la complejidad del entorno electroquímico neuronal en el que tiene lugar la comunicación bidireccional neuronal (Burelo et al., 2022). Además, su potenciación a largo plazo y su depresión a corto plazo (Tuchman et al., 2020) han sido explotadas para, en última instancia, interconectar actuadores robóticos para que cumplan con tareas básicas en bucle cerrado (Krauhausen et al., 2021).”
Son por estas razones que el grupo de investigadores que presenta este artículo apuntan a que este tipo de interfaces irán ganando cada vez más protagonismo en el rubro neurotecnológico, ya que se pueden integrar más fácilmente al ecosistema neuronal y requieren menos energía para funcionar.
Ética y leyes
Sobre esta temática el punto central es comenzar a poner el debate de las consecuencias que pueden tener las interfaces neuronales, ya que estamos hablando de una tecnología que interactúa con nuestro cerebro, asiento de la mente, los sistemas orgánicos y regulador de todos los procesos que nos mantienen vivos.
Es por esto que adquirir una postura proactiva es, según los autores, un imperativo: “un enfoque ético proactivo es el más adecuado para anticiparse a los desafíos éticos de las interfaces neurales y garantizar la evaluación ética de las neurotecnologías emergentes. De hecho, en la evaluación proactiva, las cuestiones éticas se abordan antes de que se conviertan en un problema. Esto requiere un enfoque orientado a la previsión que se centra no sólo en las cuestiones a corto plazo, sino también en las cuestiones a largo plazo. Además, requiere una exploración basada en pruebas de los futuros esperados y alternativos y de los futuros orientativos para informar la estrategia.”
Si quieres saber más sobre esta temática puedes leer nuestro artículo dedicado al emergente debate ético y legal sobre los neuroderechos y las implicancias de las interfaces neuronales.
El futuro cercano de las neurotecnologías
Esta década parece ser la que marcara un antes y después en los avances de las interfaces neuronales ya que se están comenzado a aplicar a los dispositivos la enorme cantidad de datos y conocimiento que se ha acumulado en neurociencia e ingeniería electrónica y orgánica durante la década pasada. Uno de los ejemplos del aporte de tecnologías como el análisis que permiten los programas de aprendizaje profundo es la capacidad que tienen de diagnosticar pacientes de distintas enfermedades solo con analizar la imagen de un escáner, con un porcentaje de acierto similar y a veces superior que los médicos y radiólogos.
El objetivo ideal es ir un paso más allá y poder tener una interfaz que sea capaz de seguirle el paso a los distintos biomarcadores e intervenir cuando haya desbalances gracias a los estímulos neuronales: “Las neurotecnologías integradas capaces de ajustar los parámetros de estimulación cerebral en tiempo real mientras se monitoriza la actividad cerebral representan la tecnología más prometedora para el tratamiento clínico de los trastornos neurológicos.”
Otra de las posibilidades que se presentan con el progreso de las interfaces neuronales es la de optimizar nuestra memoria a corto y largo plazo, lo que ya se está realizando en algunos estudios acotados. Aunque para que esta sea una opción generalizable y accesible a cualquiera, como quiere Elon Musk, aún se necesitan de grandes avances en nuestra comprensión de cómo el cerebro codifica la información de nuestra memoria.
En la segunda parte del artículo nos enfocaremos en algunas de las principales promesas de las interfaces neuronales que los investigadores nos presentan como posibilidades muy cerca de la realidad para esta década como son las funciones comunicativas, el vínculo a prótesis con inteligencia artificial y una de las más fascinantes, que Elon Musk ha enfocado como uno de los objetivos a largo plazo de Neuralink: la mejora cognitiva.
