Un sistema de interfaz cerebro-computadora logró traducir señales neuronales en texto y controlar un cursor con una precisión superior al 99 %, permitiendo a un paciente con esclerosis lateral amiotrófica mantener conversaciones de manera independiente.
La pérdida progresiva del habla y de la función motora es una de las consecuencias más incapacitantes de la esclerosis lateral amiotrófica (ELA), afectando gravemente la independencia y la calidad de vida de quienes viven con esta enfermedad.
Ahora, un estudio publicado en Nature Medicine muestra cómo una interfaz cerebro-computadora (BCI, por sus siglas en inglés) permitió que un paciente con ELA avanzada se comunicara de forma autónoma desde su hogar mediante la traducción en tiempo real de su actividad neuronal.
La investigación, liderada por científicos de la Universidad de California en Davis, en colaboración con la Universidad de Utrecht y la Universidad de Brown, representa uno de los avances más importantes hasta la fecha en el desarrollo de tecnologías asistenciales para personas con parálisis severa.
A diferencia de estudios previos realizados en entornos altamente controlados y con apoyo permanente de especialistas, el nuevo sistema fue diseñado para funcionar de manera independiente en el hogar.
Durante casi dos años de uso doméstico, el paciente utilizó el dispositivo sin requerir la asistencia constante de investigadores. El sistema transformó las señales cerebrales registradas mediante electrodos implantados en texto en pantalla y permitió además controlar el cursor de una computadora.
Según los investigadores, el usuario alcanzó una velocidad promedio de 56 palabras por minuto, acercándose al ritmo de una conversación natural.
Para desarrollar la tecnología, los investigadores implantaron microelectrodos en la corteza motora relacionada con el habla. A partir de esta información, el sistema aprendió a interpretar las señales neuronales del paciente y convertirlas en acciones digitales en tiempo real.
Los resultados mostraron un uso sostenido y significativo de la plataforma. Durante el período de seguimiento, el participante utilizó el dispositivo durante más de 3.800 horas y generó más de 183.000 oraciones, equivalentes a cerca de dos millones de palabras.
Asimismo, el sistema logró que el 92% de las frases utilizadas en conversaciones cotidianas fueran correctas.
Los investigadores también evaluaron el desempeño del sistema en pruebas estructuradas.
En estos escenarios, la precisión superó el 99% utilizando un vocabulario de aproximadamente 125.000 palabras, lo que evidencia la capacidad de la tecnología para interpretar de manera fiable las intenciones comunicativas del usuario.
Además de la decodificación neuronal, el sistema incorporó herramientas de calibración automática que operan en segundo plano, integración con seguimiento ocular y una interfaz simplificada que permitió a los cuidadores familiares poner en funcionamiento el dispositivo sin apoyo especializado.
Aunque los hallazgos representan un avance relevante para el campo de las neurotecnologías asistenciales, los autores subrayan que el estudio fue realizado en un único participante.
Por ello, el siguiente paso será evaluar la tecnología en un mayor número de personas para determinar su eficacia y reproducibilidad en distintos contextos clínicos.
Los investigadores también señalan que, aunque el sistema puede utilizarse en el hogar, todavía requiere cierto nivel de capacitación para los cuidadores. Entre los objetivos futuros se encuentran mejorar su portabilidad y optimizar el rendimiento para mantener una precisión elevada incluso durante conversaciones espontáneas y dinámicas.
Card N, et al. Long-term independent use of an intracortical brain–computer interface for speech and cursor control. Nature Medicine, 2026.
