La esclerosis lateral amiotrófica (ELA) es una enfermedad neurodegenerativa devastadora que afecta las neuronas motoras, causando una parálisis progresiva que impide el movimiento voluntario y la capacidad de hablar, pese a que las funciones cognitivas permanecen intactas. Históricamente, esta desconexión entre la mente del paciente y su cuerpo ha generado uno de los mayores desafíos en medicina y tecnología asistiva: proporcionar un medio eficiente y natural para la comunicación y el control de dispositivos. Gracias a los avances en interfaces cerebro-computadora (BCI, por sus siglas en inglés), hoy se vislumbra una nueva era en la que pacientes con ELA pueden interactuar con su entorno de una manera más directa y efectiva, restaurando parte de la independencia perdida. Recientemente, un equipo de investigadores de la Universidad de California, Davis, ha desarrollado un sistema innovador capaz de captar y traducir señales neurales desde la corteza motora del habla, permitiendo a un paciente con ELA controlar el cursor de una computadora y realizar clics, además de decodificar los procesos cerebrales relacionados con el habla. Este avance representa un hito, ya que combina en un solo implante las funciones de comunicación basada en el habla y el control general del ordenador, algo anteriormente considerado difícil o impracticable.
La ELA afecta las vías motoras superiores e inferiores, incapacitando a la persona para mover sus extremidades y articular palabras con claridad, pero sin comprometer sus capacidades cognitivas. Esto torna urgentes las soluciones tecnológicas que puedan traducir las intenciones del paciente a señales útiles, bien sea para comunicarse o para el manejo autónomo de dispositivos. Las interfaces cerebro-computadora son dispositivos intracorticales que leen la actividad eléctrica de neuronas específicas, procesan estos datos y los convierten en comandos digitales. En estudios previos, muchas BCI se basaban en señales provenientes de la corteza motora dorsal, derivadas del movimiento de manos y brazos. Por medio de estas señales, usuarios podían desplazar un cursor mediante la imaginación o intento de movimiento, aunque generalmente con velocidades de control limitadas y fatiga significativa.
Paralelamente, las BCIs enfocadas en la decodificación del habla suelen extraer información de la región ventral de la corteza motora precentral, vinculada a movimientos faciales y articulación del lenguaje. Sin embargo, hasta ahora, estos sistemas no permitían un control integral o simultáneo del cursor en la computadora. El equipo de investigación abordó el reto de combinar ambos usos en un único sitio de implantación, evitando procedimientos quirúrgicos complejos y riesgos adicionales para el paciente. Se seleccionó a un hombre de 45 años con ELA avanzada que presentaba parálisis de las cuatro extremidades y dificultad para hablar, pero manteniendo sus funciones cognitivas intactas. Se implantaron cuatro matrices de electrodos de 64 canales cada una en la región ventral de la corteza precentral, con precisión guiada por imágenes de resonancia magnética y mapas neuronales.
La estrategia fue capturar señales eléctricas a alta frecuencia, filtrarlas y procesarlas en tiempo real para interpretar tanto movimientos de cursor como comandos de clic. El sistema emplea un decodificador de velocidad lineal para el desplazamiento del cursor y un clasificador para la detección del clic, ajustando sus parámetros mediante aprendizaje automático durante el uso activo. La calibración inicial fue rápida, permitiendo al paciente mover el cursor y alcanzar objetivos en pantalla en menos de un minuto tras la puesta en marcha. Con sesiones continuas, se observó una mejora significativa en la eficiencia del control, alcanzando una tasa de información de 2.90 bits por segundo, mucho más alta que en etapas tempranas.
Además, el sistema logró una precisión del 93% en la selección de objetivos a lo largo de más de mil pruebas, evidenciando su robustez. El paciente pudo realizar actividades cotidianas en su computadora, como escribir textos y navegar con autonomía, un logro significativo para alguien que no puede usar sus manos ni hablar correctamente. Pese a que la producción simultánea de habla generó cierta interferencia en la velocidad de adquisición de objetivos, no produjo retrasos notables en las acciones consecutivas, lo que sugiere que con mejoras en el algoritmo el desempeño puede optimizarse aún más. El impacto de esta tecnología va más allá del éxito técnico. Para personas con ELA y otras enfermedades neuromotoras, recuperar la capacidad de comunicarse y controlar dispositivos electrónicos significa recuperar la dignidad, la autonomía y la posibilidad de interacción social.
Esta interfaz integrada demuestra que un solo sitio de implantación puede sostener funciones múltiples, abriendo la puerta a dispositivos BCI multimodales más compactos y eficientes. Los retos técnicos aún existen, incluyendo la necesidad de adaptar la decodificación para variadas condiciones de uso, mejorar la durabilidad del hardware implantado y garantizar la facilidad de manejo para pacientes que no cuentan con asistencia continua. Sin embargo, el progreso descrito representa un ejemplo claro de cómo la neurotecnología está avanzando rápidamente para traducir las intenciones cerebrales en acciones concretas, incluso en situaciones extremas como la ELA. En un futuro próximo, es probable que se vean sistemas comunicativos incluso más sofisticados que integren inteligencia artificial, aprendizaje profundo y algoritmos de decodificación mejorados para interpretar el habla interna o pensamientos con mayor rapidez y precisión. Esto podría transformar radicalmente la asistencia a personas con discapacidades severas, facilitando una comunicación fluida, natural y en tiempo real.
