Alberto Andreu Marín, Fernando Javier Martínez Santiago, Luís Alfonso Ureña López y Pilar López Úbeda
Sistemas Inteligentes de Acceso a la Información, Universidad de Jaén, España
(cc) Bryan Jones.
¿Somos capaces de interpretar las señales eléctricas que genera nuestro cerebro cuando estamos pensando? Lo que a priori parece ciencia ficción comienza a ser factible gracias a los avances recientes en técnicas de registro cerebral y en aprendizaje automático. Nos encontramos en el inicio de una nueva era en lo que al conocimiento del cerebro se refiere.
“Mientras el cerebro sea un misterio, el universo continuará siendo un misterio”. (S. Ramón y Cajal).
Actualmente se están llevando a cabo muchos estudios sobre el reconocimiento e interpretación de ondas cerebrales con diferentes resultados. Uno de los ámbitos más prometedores es el de la denominada “habla imaginada”, palabras que se piensan, pero no se dicen. En esta línea, se están alcanzando buenos resultados utilizando un vocabulario reducido (5 palabras), consiguiendo incluso que una persona pueda comunicarse con un ordenador a través de su pensamiento, con la única ayuda de un hardware de adquisición de ondas cerebrales superficial (González-Castañeda, Torres-García, y Reyes-García, 2016).
Pero ¿cómo se descifran las palabras a partir de un EEG? Para llevar a cabo esta tarea, es necesario extraer de las ondas cerebrales ciertas características, clasificarlas y posteriormente reconocerlas.
El primer paso consiste en el registro de la actividad eléctrica cerebral como consecuencia de la activación de grupos de neuronas, lo que habitualmente se denomina un EEG. Ello requiere el uso de un hardware de uso específico que registre tal actividad. Están proliferando muchas empresas dedicadas al desarrollo de este tipo de hardware (Emotiv – emotiv.com, Neurosky – neurosky.com, GTEC – gtec.at). Un aspecto primordial en estos sistemas es la cantidad y la posición de los electrodos. Dependiendo de ello, el hardware podrá ser utilizado para registrar la actividad eléctrica de unas áreas del cerebro u otras. De este modo, si lo que pretendemos es analizar el habla imaginada, el hardware necesariamente deberá tener electrodos localizados sobre el área del cerebro relacionada con esa tarea.
Una vez finalizada la adquisición de datos en forma de un EEG, se pasa a la etapa de preprocesado de la onda cerebral, que consiste básicamente en la eliminación de ciertos artefactos (ruidos, interferencias…) con el fin de evitar cualquier tipo de injerencia no deseada en la señal de interés. Los artefactos más típicos suelen ser de origen biológico (latidos de corazón, parpadeo…) y están localizados en el mismo cuerpo del sujeto a estudiar, aunque debido a la naturaleza de estas ondas y a su rango de amplitudes, no es raro encontrar artefactos procedentes de otros lugares.
Además de la eliminación de artefactos, en la etapa de preprocesado, podemos aplicar diferentes técnicas que facilitan la manipulación de los datos obtenidos mediante el EEG. Los EEG son, en definitiva, el registro de señales cuyo valor varía en cada instante temporal. De este modo es posible, por ejemplo, filtrar la señal original quedándonos solamente con las bandas de frecuencia que tienen una carga informativa mayor o que caen dentro de la frecuencia que deseamos estudiar.
Por último, para discriminar ondas cerebrales, se aplican técnicas de aprendizaje automático. Estas técnicas son capaces de aprender reglas o patrones asociados a las categorías que queremos reconocer. Por ejemplo, una categoría puede corresponderse con una palabra, un movimiento o la evocación de una imagen. Esto depende de cada tarea concreta, del pensamiento o proceso cognitivo que deseamos identificar. De esta forma, una vez entrenado un sistema, éste será capaz de identificar con una alta probabilidad ciertos pensamientos o procesos.
Las conclusiones obtenidas en distintos experimentos arrojan resultados esperanzadores, aunque dependientes en gran medida del tipo de sistema que se esté desarrollando (qué categorías queremos identificar), los tipos de sensores cerebrales usados (internos o superficiales), las condiciones en las que se capturan los EEG y la parte del cerebro que se pretenda estudiar. Incluso entre individuos, se experimentan variaciones de hasta un 20% en la precisión del sistema a la hora de clasificar los datos.
Uno de los ámbitos mejor estudiados y donde se han conseguido algunos de los mejores resultados es en el reconocimiento del movimiento imaginado. Se sabe que cuando “imaginamos” un movimiento, se genera en el cerebro el fenómeno de desincronización (ERD y ERS). Este fenómeno consiste en una alteración de la onda cerebral en el área del cerebro donde se localiza el movimiento de las articulaciones (Norman y col., 2016). Tal efecto es sabido que puede apreciarse en el EEG hasta 2 segundos antes de realizarse físicamente el movimiento (Pfurtscheller y col., 1997).
Este tipo de sistemas, aunque en fase de desarrollo, están empezando a aplicarse al mundo de la medicina y rehabilitación de pacientes con problemas de movilidad reducida. También el mundo del videojuego se muestra interesado en las posibilidades que ofrece el reconocimiento de ondas cerebrales. Otros campos, como el de la seguridad, comienzan a mirar hacia el cerebro como una forma inequívoca de reconocer a una persona.
Aunque en este ámbito se está avanzando, todavía queda mucho por hacer. Los próximos retos pasan por la mejora de los sistemas de adquisición de ondas cerebrales, haciéndolos si cabe, más asequibles y aumentando la calidad en la adquisición de los datos, eliminando al máximo la gran cantidad de interferencias que sufren y que obligan a su utilización en entornos muy controlados. Además, existen otros problemas relacionados con los cambios que experimenta la señal cerebral cuando un individuo entrena continuamente la pronunciación imaginada de una palabra, obligando a desarrollar sistemas que evolucionen conjuntamente. Estas son las principales barreras a las que se debe enfrentar un investigador que pretenda iniciarse en este entorno en el que todavía queda mucho por descubrir.
Referencias
González-Castañeda, E. F., Torres-García, A. A., Reyes-García, C. A., y Villaseñor-Pineda, L. (2016). Sonification and textification: Proposing methods for classifying unspoken words from EEG signals. Biomedical Signal Processing and Control, 37, 82-91.
Pfurtscheller, G., Neuper, C., Flotzinger, D., y Pregenzer, M. (1997). EEG-based discrimination between imagination of right and left hand movement. Electroencephalography and Clinical Neurophysiology, 103, 642-651.
Norman, S. L., Dennison, M., Wolbrecht, E., Cramer, S. C., Srinivasan, R., y Reinkensmeyer, D. J. (2016). Movement Anticipation and EEG: Implications for BCI-Contingent Robot Therapy. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 24, 911-919.
Manuscrito recibido el 25 de abril de 2017.
Aceptado el 14 de julio de 2017.
