Optimizing MR-based gaze-decoding for eyes-closed eye-tracking in fMRI

En el zumbido silencioso de un escáner de resonancia magnética, los investigadores suelen pedir a las personas que se mantengan perfectamente inmóviles mientras sus cerebros se iluminan en respuesta a imágenes, sonidos o pensamientos. Durante décadas, los científicos han sabido que hacia dónde mira una persona es tan importante como lo que está pensando. Si los ojos de un participante se desvían aunque sea ligeramente, la actividad cerebral registrada puede cambiar por completo, convirtiendo una señal clara en un ruido confuso. Para evitar esto, la mayoría de los estudios utilizan cámaras de alta velocidad para rastrear los ojos, asegurando que la persona esté mirando exactamente hacia donde debe. Pero estas cámaras tienen un punto ciego: no pueden ver cuando los ojos están cerrados. Esto deja un vasto vacío en nuestro conocimiento. No podemos estudiar qué sucede en el cerebro durante el sueño, durante la relajación profunda con los ojos cerrados, o cuando se les pide a las personas que imaginen escenas en sus mentes, porque no tenemos forma de saber si sus ojos se están moviendo o hacia dónde podrían estar apuntando.

Un equipo de investigadores ha encontrado ahora una forma de ver a través de esa oscuridad, no con una cámara, sino escuchando las señales magnéticas de los propios globos oculares. Utilizando un potente programa informático que aprende a reconocer patrones en las exploraciones cerebrales, han enseñado a una máquina a adivinar hacia dónde mira una persona, incluso cuando sus párpados están fuertemente cerrados. Este avance no depende de equipos costosos ni de condiciones perfectas. En su lugar, se basa en un ingenioso método de entrenamiento que permite al sistema adaptarse a diferentes escáneres y diferentes tareas, abriendo una ventana a los movimientos ocultos del ojo de la mente.

La historia comienza con una herramienta llamada DeepMReye, un sofisticado programa informático que ya era conocido por funcionar bien cuando las personas miraban pantallas. Este programa actúa como un traductor, convirtiendo las tenues ondulaciones magnéticas que provienen de los globos oculares dentro del escáner en un mapa de hacia dónde se dirige la mirada. Sin embargo, la versión original de este traductor fue entrenada principalmente con datos de personas con los ojos bien abiertos. Cuando los investigadores intentaron usarlo en personas con los ojos cerrados, los resultados fueron inestables. La forma física del ojo cambia ligeramente cuando los párpados presionan hacia abajo, y las señales magnéticas se desplazan de formas que la computadora nunca había visto antes. Era como pedirle a un traductor que solo habla inglés que interprete repentinamente un lenguaje que utiliza una gramática completamente diferente.

Para solucionar esto, los investigadores diseñaron un nuevo tipo de sesión de entrenamiento. Llevaron a quince voluntarios al escáner y les pidieron que realizaran una serie de movimientos oculares mientras sus cerebros eran escaneados. Primero, los voluntarios miraron un objetivo en una pantalla, siguiendo su movimiento en patrones específicos, como si trazaran triángulos en el aire con sus ojos. Esta parte se realizó con los ojos abiertos, proporcionando a la computadora ejemplos claros y perfectos de cómo se ven las señales magnéticas cuando los ojos se mueven de una manera controlada. Los investigadores utilizaron luego estos datos frescos para "ajustar" el programa informático, enseñándole esencialmente cómo su escáner específico y su configuración específica veían el mundo.

Los resultados fueron inmediatos y claros. Cuando los investigadores probaron el programa recién entrenado en las mismas tareas de apertura de ojos, este funcionó significativamente mejor que la versión original. Rastreó los movimientos con mucha mayor precisión, reduciendo la distancia entre donde la computadora pensaba que estaban los ojos y donde realmente estaban. Crucialmente, los investigadores descubrieron que este mejoramiento no era simplemente una cuestión de estirar los números para que encajaran en una pantalla más grande. El programa había aprendido genuinamente la forma única en que su escáner capturaba el movimiento del ojo. Aún más sorprendente fue que descubrieron que no necesitaban los datos de la cámara para hacer este entrenamiento. Simplemente podían decirle a la computadora: "La persona estaba mirando este punto específico", y el programa aprendía tan bien como si hubiera visto los movimientos oculares reales registrados por una cámara. Esto significa que cualquier laboratorio, incluso uno sin cámara, podría ahora enseñar al sistema a trabajar para ellos.

La verdadera magia, sin embargo, ocurrió cuando se apagaron las luces. Los investigadores pidieron entonces a los voluntarios que realizaran la misma tarea de trazado de triángulos, pero esta vez con los ojos cerrados, guiados únicamente por una secuencia de pitidos. También les pidieron que parpadearan lentamente y que mantuvieran los ojos abiertos sin mirar nada. Cuando introdujeron las exploraciones cerebrales de estas sesiones de ojos cerrados en el programa recién entrenado, este reconstruyó con éxito los movimientos oculares. La computadora podía "ver" los triángulos siendo trazados en la oscuridad. Para demostrar que esto no era una suerte, los investigadores desordenaron el orden de los movimientos en los datos. Cuando la secuencia se rompió, el programa ya no pudo identificar la forma, demostrando que realmente estaba decodificando la trayectoria del ojo y no solo adivinando basándose en el tiempo de los sonidos.

Esta capacidad de ver los movimientos con los ojos cerrados no fue solo un truco de exhibición; reveló algo profundo sobre cómo interactúan el cerebro y los ojos. Los investigadores descubrieron que el programa también podía distinguir entre párpados abiertos y cerrados con alta precisión. Podía detectar cuándo una persona parpadeaba o cuándo tenía los ojos completamente cerrados, simplemente leyendo las señales magnéticas. Esto sugiere que el estado del párpado deja una huella digital distinta en la exploración cerebral, una que la computadora puede aprender a reconocer.

Quizás el descubrimiento más práctico fue que el programa no necesitaba ser entrenado con datos de ojos cerrados para funcionar en tareas de ojos cerrados. Los investigadores probaron entrenar el sistema utilizando solo los datos de ojos abiertos que habían recolectado anteriormente. Cuando probaron esta versión en las sesiones de ojos cerrados, funcionó casi tan bien como la versión que había sido entrenada tanto con ojos abiertos como con ojos cerrados. Esto significa que para estudiar el sueño o la imaginación mental en el futuro, los científicos no necesitan luchar para que una cámara funcione en la oscuridad. Pueden simplemente entrenar el sistema mientras el sujeto está despierto y mirando una pantalla, y luego aplicar ese conocimiento a los momentos de ojos cerrados.

El estudio también abordó una limitación común en la forma en que se utilizan estos sistemas. A menudo, los investigadores asumen que si simplemente ajustan la escala de la salida, un programa genérico funcionará para cualquier configuración. Los investigadores demostraron que esto no es suficiente. Un simple estiramiento matemático de los números no podía igualar el rendimiento de un programa que había sido entrenado específicamente con los datos locales. La computadora necesitaba aprender la "voz" específica del escáner y la forma única en que los ojos se movían en esa habitación en particular.

Al combinar una rutina de entrenamiento sencilla con un potente algoritmo de aprendizaje, los investigadores han eliminado una barrera importante para el estudio del cerebro. Han demostrado que ahora podemos rastrear hacia dónde mira la mente, incluso cuando los ojos están cerrados, sin necesidad de una cámara que los observe. Esto abre la puerta a estudiar el sueño, la relajación profunda y los paisajes internos de la imaginación con una claridad que antes era imposible. La tecnología no es perfecta; los movimientos de los ojos cerrados son naturalmente menos precisos que los de los ojos abiertos, y la computadora refleja esa realidad. Pero, por primera vez, la oscuridad del ojo cerrado ya no es un punto ciego en nuestra comprensión del cerebro humano.