Publicado: septiembre 14, 2026, 12:30 pm
Cuando nos comunicamos, rara vez utilizamos solo la voz. Nos encogemos de hombros, movemos las manos o asentimos con la barbilla. Sin embargo, para los pacientes que han sufrido un ictus del tronco encefálico o padecen enfermedades neurodegenerativas como la esclerosis lateral amiotrófica (ELA) esta riqueza expresiva es un lujo del que carecen debido a la parálisis de su cuerpo. En los últimos años, distintos modelos de interfaz cerebro-ordenador (BCI, por sus siglas en inglés) han obrado milagros al lograr traducir la actividad cerebral en palabras , pero casi siempre, el habla y el movimiento eran procesados de forma aislada. Para los investigadores en esta disciplina, el mayor reto está en la simultaneidad, lograr una lectura conjunta de las señales motoras del cerebro, que a menudo envían órdenes (para las palabras y los gestos corporales) que se solapan. Un estudio publicado este lunes en la revista ‘ Nature Neuroscience’ rompe esta barrera al detallar cómo un único implante cerebral ha logrado decodificar de forma simultánea el habla y los gestos en personas con parálisis . El sistema no se limita a arrojar texto frío en una pantalla, sino que traduce la intención del paciente a un avatar virtual de cuerpo entero y personalizado, devolviendo al enfermo una interacción social mucho más expresiva. Para lograr este hito, el equipo de investigadores de la Universidad de California en San Francisco (UCSF) trabajó con tres participantes afectados por parálisis severa de las extremidades y del tracto vocal. A todos ellos se les colocaron implantes de electrocorticografía (ECoG) de alta densidad sobre la corteza sensoriomotora, el área del cerebro encargada de orquestar nuestros movimientos. Los científicos comprobaron primero que este único implante era capaz de capturar señales neuronales vinculadas a una gran variedad de acciones, incluyendo los movimientos de los brazos y las gesticulaciones del rostro y la boca vinculadas al habla. Sin embargo, el verdadero desafío emergió al intentar cruzar los datos. Según constata el estudio, entrenar a los decodificadores utilizando únicamente datos aislados resultaba insuficiente , ya que los patrones neuronales cambian cuando las acciones se intentan realizar de manera concurrente. «Estos hallazgos demuestran que un solo implante puede controlar múltiples efectores —células nerviosas que ejecutan respuestas ante los estímulos que reciben— y supone un paso adelante hacia interfaces cerebro-ordenador que permitan una comunicación más natural para las personas con parálisis», explica Edward Chang, investigador de la UCSF y coautor del trabajo. La solución para domar a estos algoritmos consistió en un entrenamiento cruzado que combinaba datos de comportamiento, tanto aislados como simultáneos. Al alimentar a la inteligencia artificial de esta forma, el sistema mejoró drásticamente su rendimiento y aprendió a reducir errores o falsas alarmas. Con los modelos de inteligencia artificial calibrados, los investigadores conectaron el sistema a los decodificadores para probarlo en tiempo real con dos de los participantes mediante la animación de un avatar de cuerpo entero. Se pidió a los pacientes que intentaran realizar gestos concretos , que respondieran a indicaciones conversacionales o que hicieran ambas cosas a la vez. Los resultados alcanzaron cotas de éxito altísimas . En las tareas de conversación, el sistema decodificó con exactitud el habla y los movimientos de ambos pacientes. De hecho, uno de los participantes logró una precisión del 100 % tanto en la traducción de las palabras como de los gestos a lo largo de tres bloques diferentes de conversación. Aunque la tecnología se encuentra en fase de prueba y actualmente opera con conjuntos limitados de palabras y gestos, el modelo demostró una prometedora capacidad para ser utilizado de forma general. El sistema fue capaz de interpretar con éxito emparejamientos de frases y movimientos corporales que no habían sido observados juntos de manera explícita durante la fase de entrenamiento de la IA. Como advierten los propios autores en la investigación, será necesario realizar pruebas con un mayor número de participantes y con conjuntos de vocabulario y movimientos mucho más amplios antes de que esta tecnología pueda utilizarse en la práctica clínica .
