La inteligencia artificial abre nuevas posibilidades para el desarrollo de prótesis visuales destinadas a personas ciegas. Una investigación liderada desde Elche por la Universidad Miguel Hernández (UMH), en colaboración con la Universidad de California en Santa Bárbara (Estados Unidos) y la Escuela Politécnica Federal de Zúrich (ETH Zurich, Suiza), ha demostrado que los algoritmos de aprendizaje profundo pueden mejorar la precisión de la estimulación eléctrica del cerebro y anticipar las respuestas neuronales y las percepciones visuales que generan.

El estudio, publicado en la revista científica Neuron, constituye una prueba de concepto para avanzar en el desarrollo de prótesis visuales corticales más precisas, eficientes y personalizadas. Estos dispositivos estimulan directamente la corteza visual, situada en la parte posterior del cerebro, con el objetivo de generar percepciones luminosas en personas que han perdido la visión.

La investigación se ha desarrollado en el Instituto de Bioingeniería de la UMH, en colaboración con el Hospital IMED Elche, y ha estado liderada por el catedrático y director del instituto, Eduardo Fernández Jover, junto al investigador de ETH Zurich Shih-Chii Liu y Michael Beyeler, de la Universidad de California en Santa Bárbara.

Inteligencia artificial para interpretar la respuesta del cerebro

Uno de los principales desafíos de las prótesis visuales corticales es la complejidad de la respuesta del cerebro ante los estímulos eléctricos. Los investigadores han comprobado que no existe una relación directa y sencilla entre activar un electrodo, aplicar una determinada intensidad de corriente y generar una percepción visual concreta.

Cuando se estimulan eléctricamente las áreas cerebrales encargadas del procesamiento visual, los participantes en los ensayos perciben puntos luminosos conocidos técnicamente como fosfenos, que suelen describir como destellos, estrellas o pequeñas manchas de luz.

Sin embargo, estas percepciones pueden variar en función de los electrodos utilizados, las características individuales y el estado de actividad cerebral en cada momento. «El problema es que la relación entre las corrientes administradas y la percepción de los sujetos es bastante más compleja de lo que habíamos supuesto», explica Eduardo Fernández.

Para abordar esta dificultad, el equipo investigador ha desarrollado, en colaboración con los grupos internacionales participantes, un modelo de aprendizaje profundo capaz de identificar la relación entre los patrones de estimulación eléctrica y la actividad neuronal que generan.

A partir de esta información, los investigadores han utilizado algoritmos de inteligencia artificial para calcular las combinaciones de electrodos y corrientes con mayor probabilidad de producir la respuesta cerebral deseada.

Los resultados muestran que este procedimiento permite reproducir las respuestas neuronales buscadas con mayor precisión que las técnicas tradicionales y utilizando una menor intensidad de corriente, lo que proporciona un mayor margen de seguridad en la estimulación.

Dispositivos capaces de adaptarse a cada usuario

Otra de las principales aportaciones del trabajo es la posibilidad de personalizar la estimulación en función de la respuesta cerebral de cada persona. Esta capacidad resulta especialmente importante porque un mismo electrodo no siempre genera una percepción idéntica y las respuestas pueden cambiar incluso en un mismo individuo de un día para otro.

Frente a los sistemas basados en configuraciones fijas de electrodos y estímulos eléctricos, la inteligencia artificial permite aprender cómo responde el cerebro de cada usuario y ajustar los parámetros de estimulación a sus características particulares.

Además, el modelo incorpora información sobre el estado cerebral inmediatamente anterior a cada estimulación. Esto permite evaluar la actividad neuronal y adaptar dinámicamente los estímulos eléctricos, con el objetivo de conseguir una comunicación más precisa entre el dispositivo y el sistema nervioso.

Eduardo Fernández Jover destaca que esta capacidad de adaptación es fundamental debido a la complejidad del sistema visual. La posibilidad de ajustar la estimulación a las condiciones cerebrales de cada momento representa un avance respecto a los sistemas convencionales, que no pueden modificar su funcionamiento con el mismo grado de personalización.

Una alternativa para personas con daños en los ojos o el nervio óptico

Desde hace décadas, distintos grupos científicos trabajan en el desarrollo de tecnologías que permitan recuperar una visión funcional en personas ciegas. Algunas de estas soluciones actúan directamente sobre la retina, mientras que otras intervienen en etapas posteriores de la vía visual, como las prótesis corticales que investiga la UMH desde Elche.

Estos dispositivos estimulan directamente la corteza visual y podrían ofrecer una alternativa a personas que han perdido la visión como consecuencia de daños en los ojos, en el nervio óptico o en ambos, siempre que conserven una corteza visual funcional y capaz de responder a la estimulación.

No obstante, esta tecnología presenta limitaciones. Según explica Fernández Jover, las personas que han nacido ciegas quedarían excluidas, al menos por el momento, de esta aproximación, ya que es necesario que el sistema visual y el cerebro hayan desarrollado previamente la capacidad de procesar imágenes.

«Para que la tecnología sea efectiva, es necesario que el sistema visual y el cerebro hayan desarrollado previamente la capacidad de procesar imágenes, que su cerebro haya aprendido a ver», señala el investigador.

Una prueba de concepto pendiente de nuevos estudios

Los autores advierten de que los resultados deben interpretarse como una prueba de concepto. La investigación no demuestra todavía que esta estrategia permita restaurar una visión funcional, por lo que será necesario validar los resultados en una muestra más amplia y profundizar en la relación entre los patrones de actividad cerebral y las percepciones visuales antes de plantear su aplicación clínica.

Para avanzar en esta línea, el Laboratorio de Neuroingeniería Biomédica de la UMH mantiene abierto el reclutamiento de nuevos voluntarios ciegos que deseen colaborar en estas investigaciones. La información oficial del estudio puede consultarse en la plataforma ClinicalTrials.gov, con el identificador NCT02983370.

Los coautores principales del trabajo son Fabrizio Grani, investigador del Instituto de Bioingeniería de la UMH; Jacob Granley, de la Universidad de California en Santa Bárbara, y Pehuén Moure, de ETH Zurich.

También han participado, por parte de la UMH y de la Cátedra Bidons Egara, Leili Soo, Antonio Lozano, Rocío López Peco, Adrián Villamarín Ortiz y Cristina Soto Sánchez.

La investigación ha contado con financiación del Ministerio de Ciencia, Innovación y Universidades; la Generalitat Valenciana; el programa Horizonte 2020 de la Unión Europea, a través de los proyectos NeuraViPeR y enTRAIN Vision; el consorcio neerlandés Innovative Neurotechnology for Society (INTENSE); la Fundación Nacional Suiza para la Ciencia y la National Library of Medicine de los Institutos Nacionales de Salud de Estados Unidos (NIH).