Dos monos con implantes cerebrales previos recibieron patrones de estimulación elegidos por un modelo informático, y esos patrones modificaron de forma predecible la manera en que los animales percibían los objetos. El modelo fue desarrollado para una prótesis visual por el NeuroAI Lab de Martin Schrimpf en la EPFL, y las pruebas en vivo las llevaron a cabo investigadores en Ámsterdam. Los resultados preliminares se presentaron en abril en la Conferencia Internacional sobre Representaciones del Aprendizaje (ICLR).
El límite de los implantes corticales actuales
Las prótesis visuales adoptan varias formas. Las prótesis retinianas se colocan sobre la retina. Las prótesis del nervio óptico se utilizan cuando la retina está demasiado dañada para recibir un implante, y estimulan directamente el nervio. Cuando ni la retina ni el nervio óptico admiten un implante, la opción son las prótesis corticales. Estas eluden ambas estructuras y emplean electrodos para estimular la corteza visual, dibujando imágenes directamente sobre ella.
Hasta ahora, este enfoque se ha limitado a las regiones cerebrales de nivel inferior. En ellas solo es posible proyectar destellos de luz y formas simples. El hardware añade una segunda restricción: estimular varias áreas a la vez requiere múltiples electrodos, y en una misma área solo cabe un número limitado.
Johannes Mehrer, científico del NeuroAI Lab que dirigió la investigación, explicó que las imágenes que producen estos sistemas son limitadas en complejidad. Según dijo, los enfoques actuales no pueden provocar la percepción de un objeto más complejo, como una casa o un coche. La motivación, añadió, es el número de personas con déficits visuales irreparables porque el daño en algún punto de la vía de procesamiento visual, empezando por la retina, no puede corregirse.
Apuntar a las regiones visuales de nivel superior
Las regiones visuales de nivel superior del cerebro se encargan de procesar objetos complejos. Por ello podrían ser el objetivo de una nueva generación de prótesis capaces de evocar rostros, casas y otros objetos. La dificultad está en el acceso: los investigadores no saben con exactitud dónde ni cómo estimular estas regiones.
El equipo de la EPFL utilizó una red neuronal artificial de un tipo denominado red neuronal topográfica. La red prueba patrones de estimulación en las regiones de nivel superior y simula sus resultados. Mehrer señaló que esto permite realizar numerosas simulaciones con distintas combinaciones de parámetros, un trabajo que de otro modo consumiría mucho tiempo y dinero experimentales.
Los investigadores de la EPFL trabajaron íntegramente con ordenadores. Configuraron el modelo para que seleccionara la mejor combinación de imágenes y el patrón de estimulación específico para cada una. Después, un equipo de Ámsterdam puso a prueba las predicciones del modelo en dos de sus monos, que ya tenían implantes para otros experimentos ajenos a la EPFL.
Qué mostraron las pruebas con monos
Schrimpf afirmó que el modelo resultó bastante eficaz al predecir qué patrón de estimulación tendría un efecto marcado en el comportamiento de los monos en el reconocimiento visual de objetos. Explicó que el modelo puede seleccionar imágenes, pero que la función más importante es la inversa: dada una imagen, puede identificar el patrón de estimulación óptimo para lograr un comportamiento deseado.
El resultado tiene un alcance definido. Los investigadores demostraron que pueden modular la percepción de objetos: cuando se presenta un estímulo visual, pueden sesgar cómo lo representa el cerebro. Todavía no pueden crear la percepción de un objeto de la nada.
Schrimpf describió el experimento así: el mono ya había visto una imagen, y el equipo logró distorsionarla para cambiar la percepción de maneras algo predecibles. El siguiente paso es estimular la corteza cuando no hay ningún estímulo visual presente. El objetivo más ambicioso, dijo, es evocar una percepción desde cero, de modo que alguien vea algo significativo incluso cuando sus ojos no envían una imagen utilizable.
El oído, siguiente paso
El equipo planea comprobar si el mismo enfoque de modelado funciona para la estimulación auditiva. El trabajo está financiado mediante una subvención de la Horton Health Foundation. Schrimpf señaló que los implantes cocleares son valiosos pero imperfectos y no restablecen por completo el procesamiento auditivo. El laboratorio pretende construir modelos topográficos que predigan el efecto de la estimulación sobre la actividad neuronal en el procesamiento auditivo.
Análisis: qué cambia y qué no
La principal aportación es un método, más que un dispositivo. Las prótesis corticales se han visto frenadas por el reducido conjunto de percepciones que puede generar la estimulación de bajo nivel. Este trabajo traslada el objetivo a regiones de nivel superior y ofrece una forma de explorar por software el enorme espacio de patrones de estimulación antes de involucrar a ningún animal. Como las simulaciones cuestan mucho menos que los experimentos, esa búsqueda puede repetirse con muchas combinaciones de parámetros.
La comparación con los enfoques existentes es sencilla. Los implantes retinianos y del nervio óptico dependen de que una parte de la vía visual esté intacta. Los implantes corticales actuales evitan esa dependencia, pero producen destellos de luz y formas simples. El enfoque guiado por modelos mantiene la vía cortical y aspira a un contenido más rico. Todavía no lo logra, ya que el efecto demostrado es un sesgo sobre una imagen que el animal ya estaba viendo.
Varios puntos siguen sin demostrarse. La evidencia procede de dos monos que veían con normalidad y ya estaban implantados, y los resultados se describen como preliminares. Ningún resultado ha mostrado que se pueda generar una percepción sin entrada visual, que es la condición que importa a un usuario ciego. Además, la fuente no menciona pruebas en humanos. Si las predicciones que funcionan en monos se trasladan a la corteza humana es una cuestión abierta que estos ensayos no pueden responder.
El límite de hardware en el número de electrodos también persiste. El modelo puede elegir mejores patrones de estimulación, pero no elimina el tope de electrodos que caben en una misma área. Aún no está establecido en qué medida un patrón bien elegido puede compensar ese tope.
Para los lectores de robótica y neurotecnología, lo más destacable es el papel del modelo como herramienta de diseño de la interfaz. Selecciona tanto las imágenes como los patrones de estimulación, y trabaja a la inversa desde un comportamiento deseado hasta el patrón que debería producirlo. Si la estimulación desde cero prevista tiene éxito, el mismo enfoque podría probarse para la audición, como pretende el laboratorio. Hasta entonces, el avance demostrado es una herramienta para predecir y modular la percepción, no la recuperación de la vista.