IA y prótesis visuales para que las personas ciegas puedan ver objetos. Investigadores de la EPFL desarrollan modelos de IA capaces de predecir dónde estimular el cerebro para evocar rostros y objetos concretos.
«El objetivo mayor será evocar una percepción desde cero: lograr que alguien vea algo significativo incluso cuando sus ojos no proporcionan una imagen utilizable», señalan los investigadores.
La combinación de inteligencia artificial y neurociencia perfila un horizonte en el que las prótesis dejen de proyectar simples puntos de luz para devolver, poco a poco, una visión —y quizá una audición— verdaderamente significativas.
Este importante avance abre la puerta a una nueva generación de prótesis visuales y, más adelante, auditivas. Te lo contamos en conideintelligente.com, portal profesional exclusivo de iPDGrupo.com con información para decidir sobre innovación, tecnología y salud.
IA y prótesis visuales para que las personas ciegas puedan ver objetos
Durante décadas, las prótesis visuales han chocado contra un mismo muro: solo lograban proyectar destellos de luz y formas muy simples.
Ahora, un equipo de investigadores de la Escuela Politécnica Federal de Lausana (EPFL) trabaja en una solución que podría cambiar las reglas del juego. Mediante modelos de inteligencia artificial, estos científicos buscan restaurar una visión realmente significativa, a nivel de objeto, para las personas ciegas.
El trabajo procede del NeuroAI Lab dirigido por Martin Schrimpf, integrado en las Escuelas de Ciencias de la Computación y la Comunicación y de Ciencias de la Vida de la EPFL.
La clave del proyecto reside en usar la IA para predecir exactamente dónde estimular el cerebro y así evocar imágenes de rostros y objetos específicos, en lugar de limitarse a provocar puntos luminosos.
De hecho, los modelos creados en la EPFL ya fueron utilizados por investigadores neerlandeses en ensayos en vivo con monos videntes, y los resultados preliminares —presentados en abril en la International Conference on Learning Representations— resultan muy prometedores también de cara a la visión humana.
Desarrollo de prótesis para abordar daños visuales irreparables
Para entender la magnitud del reto conviene partir del origen. «La motivación de este proyecto es que hay muchas personas con déficits visuales irreparables», explica Johannes Mehrer, científico del NeuroAI Lab que lideró la investigación.
En esos casos, en algún punto del recorrido del procesamiento visual, comenzando por la retina, se produce un daño que no puede repararse. «Una forma de abordar este problema es desarrollar una prótesis visual», añade.
Ahora bien, no todas las prótesis funcionan igual. Existen tres grandes tipos:
- retinianas,
- del nervio óptico
- y las corticales.
Las primeras se colocan en la retina; las segundas se emplean cuando la retina está demasiado dañada y puede estimularse, en cambio, el nervio óptico.
Por último, cuando no es viable implantar ninguno de los dos, se recurre a las prótesis corticales, que evitan por completo la retina y el nervio óptico y estimulan directamente la corteza visual mediante electrodos que «dibujan» imágenes sobre ella.
El reto: evocar la percepción de un objeto complejo
Sin embargo, precisamente ahí estaba el límite. Hasta ahora, este enfoque se dirigía a regiones de bajo nivel del cerebro, donde solo era posible proyectar destellos y formas básicas.
A ello se suman las restricciones de hardware: se necesitan múltiples electrodos para estimular distintas áreas a la vez, pero solo puede emplearse un número determinado en cada zona.
«Las imágenes que pueden provocar, en este caso símbolos simples, son realmente limitadas en su complejidad», puntualiza Mehrer. Por eso, los enfoques previos no lograban evocar la percepción de un objeto complejo como una casa o un coche.
La IA topográfica entra en escena y marca la diferencia
La alternativa pasa por apuntar a las regiones visuales de nivel superior, que sustentan el procesamiento de objetos más complejos. El problema es que estas zonas resultan menos accesibles, porque no se sabe con exactitud dónde ni cómo estimularlas. Y es justo aquí donde la inteligencia artificial marca la diferencia.
«Tuvimos la idea de usar una red neuronal artificial, en este caso un tipo específico llamado red neuronal topográfica, para probar diversos patrones de estimulación cerebral en estas regiones de nivel superior y simular sus resultados», detalla Mehrer. Gracias a este método, el equipo puede ejecutar numerosas simulaciones combinando distintos parámetros que, de otro modo, exigirían mucho tiempo experimental y un coste elevado.
Patrón de estimulación óptimo
Trabajando enteramente con ordenadores, los investigadores de la EPFL configuraron un modelo para seleccionar la mejor combinación de imágenes con su patrón específico de estimulación. A continuación, un equipo de Ámsterdam decidió poner a prueba esa predicción en dos de sus monos, que ya contaban con implantes para otros experimentos ajenos a la EPFL.
Los resultados fueron reveladores. «Nuestro modelo resultó ser bastante eficiente a la hora de predecir qué patrón de estimulación produciría un efecto fuerte en el comportamiento de los monos respecto al reconocimiento visual de objetos», afirma Martin Schrimpf, director del NeuroAI Lab.
Y, sobre todo, subraya un matiz decisivo: el sistema no solo selecciona imágenes, sino que, dada una imagen, indica cuál es el patrón de estimulación óptimo para lograr un comportamiento concreto.
El próximo reto: crear percepción desde cero
Pese al avance, conviene ser precisos sobre lo conseguido. De momento, los investigadores han logrado modelar la percepción de objetos: si se presenta un estímulo visual, pueden sesgar su representación en el cerebro.
«El mono ya veía una imagen y, entonces, fuimos capaces básicamente de distorsionarla para cambiar la percepción de formas en cierto modo predecibles», explica Schrimpf.
Lo que todavía no pueden hacer es crear la percepción de un objeto de la nada. Por eso, el siguiente paso será estimular la corteza sin que exista ningún estímulo visual previo.
«El objetivo mayor será evocar una percepción desde cero: lograr que alguien vea algo significativo incluso cuando sus ojos no proporcionan una imagen utilizable», adelanta el investigador.
Aplicación a las prótesis auditivas
Por último, este trabajo no se limita a la vista. La misma estrategia —estimulación cerebral guiada por modelos— podría aplicarse a las prótesis auditivas.
De hecho, gracias a una subvención de la Horton Health Foundation, Schrimpf y su equipo investigarán a continuación si esta modelización funciona también para la estimulación auditiva.
«Los implantes cocleares son estupendos, pero también son imperfectos en muchos aspectos, y no restauran realmente del todo el procesamiento auditivo», reconoce.
Su idea es desarrollar modelos topográficos capaces de predecir qué efecto tiene la estimulación sobre la actividad neuronal, también en el ámbito del oído.
En definitiva, la combinación de inteligencia artificial y neurociencia perfila un horizonte en el que las prótesis dejen de proyectar simples puntos de luz para devolver, poco a poco, una visión —y quizá una audición— verdaderamente significativa.
(Artículo con información de la EPFL. Autora: Stephanie Parker. Fuente: EPFL.)
Preguntas y respuestas sobre IA y prótesis visuales
¿Qué están desarrollando los investigadores de la EPFL?
Modelos de inteligencia artificial que podrían permitir prótesis visuales capaces de restaurar una visión significativa, a nivel de objeto, para las personas ciegas, prediciendo dónde estimular el cerebro para evocar rostros y objetos concretos.
¿Qué tipos de prótesis visuales existen?
Hay tres tipos principales: retinianas, del nervio óptico y corticales. Las corticales evitan la retina y el nervio óptico y estimulan directamente la corteza visual mediante electrodos.
¿Qué es una red neuronal topográfica en este contexto?
Es un tipo específico de red neuronal artificial que el equipo utiliza para probar y simular distintos patrones de estimulación cerebral en regiones de nivel superior, ahorrando tiempo experimental y costes.
¿Cuál es el siguiente paso de la investigación?
Evocar una percepción desde cero, es decir, estimular la corteza sin un estímulo visual previo para que una persona ciega vea algo significativo. Además, estudiarán aplicar el método a las prótesis auditivas.
La entrada IA y prótesis visuales para que las personas ciegas puedan ver objetos se publicó primero en Con I de Intelligente.