Decoding silent reading from non-invasive EEG

La comunicación humana depende de un acto físico sencillo: mover la boca, la lengua y las cuerdas vocales para dar forma al aire y convertirlo en sonido. Cuando una enfermedad o lesión destruye esta capacidad, la conexión entre la mente de una persona y el mundo exterior puede desvanecerse. Durante décadas, los científicos han buscado una forma de sortear el cuerpo roto y leer pensamientos directamente del cerebro. Los intentos más exitosos hasta ahora han requerido cirugía, implantando electrodos en lo profundo del cráneo para escuchar el parloteo eléctrico de neuronas individuales. Aunque estas herramientas invasivas han demostrado que los centros del lenguaje en el cerebro pueden decodificarse con alta precisión, conllevan riesgos quirúrgicos y no pueden utilizarse en la gran mayoría de las personas que las necesitan. La gran pregunta sin respuesta ha sido si los métodos no invasivos, específicamente aquellos que utilizan sensores colocados en el cuero cabelludo, podrán ser alguna vez lo suficientemente sensibles como para captar estos pensamientos fugaces.

La dificultad central para leer la mente sin cirugía no es solo la debilidad de la señal, sino la falta de un mapa. Para enseñar a una computadora a reconocer un pensamiento, es necesario saber exactamente qué estaba pensando la persona en el momento exacto en que ocurrió la señal cerebral. Para las palabras habladas, esto es fácil: la persona habla y la grabación comienza. Para los pensamientos silenciosos, o "lenguaje interno", no existe un marcador externo. Una persona puede pensar una frase, pero no puede reportarla con una sincronización perfecta; para cuando dice "estaba pensando en bananas", la actividad cerebral que creó ese pensamiento ya ha pasado hace tiempo. Sin una marca de tiempo precisa, los datos son un desenfoque, y los intentos previos de decodificar el lenguaje interno han luchado por elevarse por encima de las conjeturas aleatorias.

Un equipo de investigadores de nubrain decidió sortear este problema de sincronización utilizando una tarea diferente como campo de entrenamiento. En lugar de pedir a un participante que imaginara palabras, les pidieron que leyeran. La lectura es una forma de procesamiento del lenguaje que ocurre silenciosamente en la mente, pero viene con un reloj incorporado: el momento en que una palabra aparece en la pantalla. Al registrar la actividad cerebral mientras una persona lee, los investigadores pudieron alinear las señales eléctricas con las palabras específicas que se estaban viendo, creando un conjunto de datos masivo y preciso. Su objetivo era ver si una computadora podía aprender a reconocer la firma cerebral única de una palabra específica simplemente observando los patrones eléctricos en el cuero cabelludo, y si esta habilidad podría aplicarse eventualmente a la tarea más difícil de decodificar pensamientos no expresados.

El estudio involucró a un solo participante que pasó casi 49 horas leyendo historias continuas en una pantalla de computadora. El texto se presentaba palabra por palabra en sucesión rápida, un método conocido como presentación visual serial rápida. Para asegurar que la computadora estuviera aprendiendo el significado de las palabras y no solo su forma, los investigadores cambiaron la fuente, el tamaño, el color y el espaciado de cada palabra. Esto significó que el cerebro tuvo que procesar el lenguaje en sí mismo, no solo el patrón visual de las letras. El participante usaba un casco con 19 electrodos secos, una configuración diseñada para ser cómoda y fácil de usar, que registraba la actividad eléctrica del cerebro a alta velocidad.

Los investigadores entrenaron entonces un modelo computacional para emparejar estas señales cerebrales con las palabras leídas. Utilizaron un sistema sofisticado que comparaba los patrones eléctricos con el "significado" digital de las palabras, derivado de un modelo de lenguaje extenso. No se le pidió a la computadora que adivinara la palabra desde cero, sino que eligiera la palabra correcta de una lista de 512 posibilidades. Los resultados fueron claros: el sistema podía identificar de manera confiable la palabra que se estaba leyendo, desempeñándose significamente mejor que el azar. Este éxito se mantuvo incluso para palabras raras e inusuales, no solo para las comunes que aparecen frecuentemente en el lenguaje.

Crucialmente, los investigadores fueron cuidadosos al distinguir entre dos tipos diferentes de éxito. Una computadora podría obtener la respuesta correcta simplemente por conocer el tema general de la historia —por ejemplo, adivinar "perro" porque la historia trata sobre una granja— sin realmente reconocer la palabra específica en la pantalla. Para descartar esto, el equipo desarrolló un método para separar la señal de la palabra específica de la señal del contexto de la historia. Encontraron que, si bien el sistema utilizaba el contexto de la historia para ayudar, una parte significativa de su éxito provenía de la identificación de la palabra específica misma. También verificaron otro posible atajo: la computadora podría haber aprendido a adivinar la palabra basándose en su posición en la oración en lugar de la señal cerebral. Al realizar pruebas específicas donde ocultaron los datos cerebrales y dejaron solo la posición, confirmaron que la computadora estaba efectivamente leyendo la actividad cerebral, no solo la posición.

El estudio también reveló que la cantidad de datos importa más de lo que se pensaba anteriormente. Los investigadores probaron el sistema con diferentes cantidades de datos de entrenamiento, desde una pequeña fracción de las horas totales hasta las 49 horas completas. Encontraron que la precisión del sistema seguía mejorando a medida que se añadían más datos, sin señales de haber alcanzado un límite. Esto sugiere que la barrera para un mejor rendimiento no es un fallo fundamental de la tecnología, sino simplemente la necesidad de más tiempo de registro. Además, cuando eliminaron los electrodos colocados sobre la parte posterior de la cabeza —el área que procesa la visión— el sistema aún funcionaba, aunque con una precisión ligeramente reducida. Esto indica que las señales cerebrales para la lectura de palabras no son solo visuales; involucran áreas de procesamiento de lenguaje más profundas que aún son detectables desde el cuero cabelludo.

Los hallazgos ofrecen un camino prometedor para las interfaces cerebro-computadora no invasivas. La investigación demuestra que es posible decodificar palabras específicas a partir de la actividad cerebral utilizando solo sensores en el cuero cabelludo, siempre que haya suficientes datos de alta calidad. Aunque el estudio actual se centró en la lectura, los autores sugieren que este enfoque podría servir como base para decodificar el lenguaje interno. Al entrenar primero un sistema con los datos fiables y sincronizados de la lectura, y luego transferir potencialmente ese conocimiento a la tarea más difícil del pensamiento silencioso, los científicos podrían eventualmente restaurar la comunicación para aquellos que han perdido la voz. El trabajo no pretende haber resuelto el problema de leer pensamientos instantáneamente, pero ha establecido que la señal está ahí, esperando ser encontrada con suficiente paciencia y datos.