Analog Neuromorphic Systems for Implantable Neural Interfaces

El cerebro humano es una vasta red de miles de millones de células que disparan constantemente señales eléctricas para coordinar el movimiento, el pensamiento y la sensación. Durante décadas, los científicos han buscado escuchar estas conversaciones, utilizando diminutos electrodos implantados en el cerebro para registrar la actividad de neuronas individuales o de pequeños grupos de ellas. Esta tecnología posee una inmensa promesa para ayudar a personas paralizadas por lesiones o enfermedades a controlar computadoras y extremidades robóticas con sus pensamientos, o para ayudar a los médicos a localizar la fuente de las crisis epilépticas para tratarlas de manera más efectiva. Sin embargo, una barrera física significativa ha obstaculizado durante mucho tiempo la posibilidad de que estos dispositivos sean prácticos para la vida diaria. A medida que los investigadores añaden más electrodos para capturar una imagen más clara de la actividad cerebral, la cantidad de datos generados se dispara. Transmitir este flujo masivo de información bruta de forma inalámbrica desde el interior del cuerpo requiere tanta energía que sobrecalentaría rápidamente el tejido circundante o agotaría una batería en cuestión de horas. El desafío, por lo tanto, no es solo escuchar al cerebro, sino escuchar inteligentemente: filtrar el silencio y enviar solo los momentos importantes.

Un equipo de investigadores de instituciones de todo el mundo, incluyendo la Universidad de la Ciudad de Hong Kong y la Universidad de Zúrich, ha desarrollado un nuevo enfoque para resolver este problema imitando la forma en que el propio cerebro biológico procesa la información. En lugar de registrar la actividad eléctrica del cerebro continuamente, como una cámara de video que graba cada fotograma de una película, su nuevo sistema actúa más como un sensor de movimiento que solo se activa cuando algo cambia. Crearon un circuito electrónico especializado que se asienta directamente sobre el sensor, convirtiendo las ondas eléctricas brutas del cerebro en una serie dispersa de "picos" digitales solo cuando ocurre un evento significativo. Este método, conocido como conversión de analógico a picos (analog-to-spike conversion), reduce drásticamente la cantidad de datos que deben enviarse de forma inalámbrica, resolviendo los problemas de energía y calor que han plagado a las generaciones anteriores de implantes cerebrales.

Los investigadores comenzaron comparando dos métodos existentes para este tipo de conversión de señal para ver cuál era más robusto contra el ruido eléctrico que inevitablemente interfiere en los registros cerebrales. Un método, llamado integración y disparo con fuga (leaky integrate-and-fire), funciona acumulando lentamente la carga eléctrica hasta que alcanza un límite y dispara una señal. El otro, llamado modulación delta (delta modulation), dispara una señal solo cuando el voltaje cambia por una cantidad específica, indicando un cambio en la actividad cerebral. A través de extensas pruebas con señales cerebrales simuladas y grabaciones reales de pacientes, el equipo encontró que el enfoque de modulación delta era muy superior. Podía capturar con precisión los picos rápidos y fugaces de neuronas individuales incluso cuando estaban enterrados bajo un ruido de fondo lento y errante o una fuerte interferencia eléctrica de líneas eléctricas. En contraste, el otro método a menudo se veía abrumado por el ruido, disparando demasiadas señales inútiles y ahogando la actividad cerebral real. Este descubrimiento fue crucial porque demostró que un circuito único y simple podía manejar tanto las señales rápidas de neuronas individuales como las ondas más lentas y amplias de la actividad cerebral sin necesidad de filtros separados y voluminosos para cada una.

Sobre la base de este éxito, el equipo introdujo una versión nueva y más sofisticada del circuito de modulación delta inspirada en un tipo específico de neurona que se encuentra en el hipocampo, una parte del cerebro involucrada en la memoria. Estas neuronas naturales no disparan en un flujo constante y rítmico; en su lugar, disparan en ráfagas rápidas cuando se detecta un estímulo fuerte, seguidas de un periodo de silencio. Los investigadores diseñaron su circuito electrónico para que se comportara de la misma manera. Cuando la señal cerebral está tranquila o cambia lentamente, el circuito permanece inactivo. Pero en el momento en que un evento significativo cruza un umbral alto, el circuito cambia a un "modo de ráfaga" (burst mode), disparando una rápida serie de señales para capturar los detalles de ese evento con alta precisión antes de volver al silencio. Este comportamiento de ráfaga permite al sistema comprimir los datos aún más que el método estándar. En sus pruebas, este nuevo circuito de modulación por ráfagas logró tasas de compresión de datos más de cinco veces mejores que el método estándar manteniendo el mismo nivel de precisión. Para la detección de crisis epilépticas, que son eventos raros en un mar de actividad cerebral normal, el sistema comprimió los datos por un factor de casi 2,000 en comparación con los métodos de registro tradicionales.

Para demostrar que estos datos comprimidos seguían siendo útiles para tareas del mundo real, los investigadores conectaron su chip personalizado a un segundo chip de computadora especializado diseñado para procesar estos picos instantáneamente. Este segundo chip, que imita la arquitectura de un cerebro biológico, fue entrenado para reconocer patrones específicos en los trenes de picos, como la firma de una sola neurona disparándose o el inicio de una convulsión. Los resultados fueron sorprendentes. El sistema combinado pudo identificar estos eventos con una precisión de más del 90 por ciento, igualando el rendimiento de sistemas de software mucho más grandes y que consumen mucha más energía que se ejecutan en computadoras estándar. Además, debido a que el sistema solo transmitía la información esencial, redujo la tasa de datos por un factor de más de 4,000 en comparación con los dispositivos de registro convencionales. Este nivel de eficiencia significa que los futuros implantes podrían potencialmente monitorear cientos o incluso miles de canales cerebrales simultáneamente sin la necesidad de recargar la batería con frecuencia o el riesgo de sobrecalentar el tejido cerebral.

El trabajo representa un paso significativo hacia la realización de interfaces cerebrales inalámbricas de alta densidad para los pacientes. Al trasladar la inteligencia del sistema directamente al sensor, los investigadores han demostrado que es posible romper la compensación entre el número de sensores que un implante puede llevar y la energía requerida para funcionar. Los nuevos circuitos son lo suficientemente pequeños como para ser integrados en los diminutos píxeles de una sonda neural moderna y consumen muy poca energía, con cada canal utilizando solo unos pocos microvatios. Si bien el estudio actual se centró en tareas específicas como la detección de convulsiones y picos de neuronas individuales, el principio subyacente ofrece un nuevo camino para diseñar dispositivos médicos inteligentes que puedan adaptarse a los ritmos naturales del cerebro. En lugar de forzar el lenguaje complejo y disperso del cerebro en un flujo de datos continuo y rígido, estos sistemas escuchan en el lenguaje que el cerebro ya habla, filtrando el ruido y transmitiendo solo la señal que importa.