A Doug Sawyer le diagnosticaron hace 11 años esclerosis lateral amiotrófica (ELA), también conocida como enfermedad de Lou Gehrig. Sus únicos músculos que aún funcionan son los que controlan el movimiento de los ojos.
A pesar de su discapacidad, Sawyer sigue trabajando como ingeniero en su casa, diseñando electrónica para Industrias Hayward. Usando solo sus ojos, este hombre de 57 años escribe informes y otros documentos, hace dibujos y esquemas, habla por teléfono, envía mensajes de texto y correos electrónicos y asiste a reuniones en línea varias veces a la semana.
Sin embargo, la mirada de Sawyer se debilita a medida que se cansa, causando que la tecnología que utiliza actualmente se vuelva ineficaz. Por eso este residente de Seekonk, Massachusetts, estaba ansioso por trabajar con la Profesora Asistente de la Universidad de Rhode Island, Yalda Shahriari, para desarrollar una nueva forma de comunicación para los pacientes con ELA.
Shahriari y su equipo de estudiantes investigadores de la Facultad de Ingeniería de la URI están desarrollando una forma para que aquellos con graves deficiencias motoras como la esclerosis lateral amiotrófica se comuniquen mediante señales cerebrales, eliminando la necesidad de que los pacientes mantengan un control de la vista lo bastante preciso.
Su proyecto, financiado por una beca de la Fundación Nacional de Ciencias (NSF), tiene dos objetivos principales. El primero es desarrollar algoritmos personalizados multimodales para mejorar la robustez de los sistemas de interfaz cerebro-computadora (ICB) para pacientes con déficits motores severos. El segundo es desarrollar un sistema híbrido autónomo para pacientes no comunicativos que no tienen control motor residual, como los que pierden el control de la vista fina en las últimas etapas de la ELA.
A través de las grabaciones longitudinales tomadas de varios pacientes con ELA durante este proyecto y los anteriores, Shahriari y su grupo han notado importantes variaciones diarias en el rendimiento de la interfaz cerebro-computadora.
“Se especula que estas variaciones están asociadas a varios factores, incluyendo fluctuaciones cognitivas y factores ambientales”, dijo Shahriari. “El desarrollo de algoritmos personalizados nos permitirá predecir estas fluctuaciones y optimizar el rendimiento basado en las especificaciones y necesidades de cada paciente”.
Para asegurar lecturas más precisas de la actividad cerebral, se implementan simultáneamente dos técnicas no invasivas: el electroencefalograma (EEG) y las señales de espectroscopia funcional de infrarrojo cercano (fNIRS).
El EEG detecta la actividad eléctrica en el cerebro usando pequeños discos metálicos llamados electrodos. La espectroscopia funcional de infrarrojo cercano es una técnica de imágenes ópticas en la que un emisor transmite luz de infrarrojo cercano y un detector detecta la luz reflejada en la superficie del cerebro. Esta técnica mide los cambios de oxígeno en la concentración de hemoglobina en el cerebro. Cuanto mayor es la concentración, mayor es la actividad que tiene lugar.
“Utilizaremos un híbrido de señales de EEG y fNIRS para compensar la escasez de cada modalidad de neuroimagen y utilizar las características complementarias obtenidas de cada modalidad para mejorar nuestro sistema”, dijo Shahriari.
Para los pacientes en las últimas etapas de la ELA que experimentan disfunción cognitiva, como pérdida de memoria e incapacidad de mantener la mirada en los objetos, la espectroscopia funcional de infrarrojo cercano ha demostrado ser un método de medición más preciso.
Shahriari y sus estudiantes han desarrollado una tarea dual (visual-mental) que requiere además que los sujetos hagan algunas tareas aritméticas mentales. Este método se logra mostrando una cuadrícula de letras y números y haciendo parpadear intermitentemente una imagen (matriz de dígitos) sobre cada fila y columna.
“Dando al paciente tareas más exigentes en las que concentrarse, podemos desencadenar varias funciones cognitivas y extraer las firmas asociadas o biomarcadores neurales”, dijo el estudiante de doctorado Bahram Borgheai. “La computadora puede entonces decodificar el patrón de actividades neuronales que aparecen después de que el paciente realiza las tareas. Los patrones pueden ser utilizados con fines de diagnóstico y comunicación”.
“Nuestro análisis de los datos se vuelve mucho más poderoso si podemos aumentar significativamente el número de pacientes en el estudio”, dijo Shahriari.
Se pedirá a los pacientes que lleven una gorra con sensores que puedan registrar la actividad cerebral en la comodidad de sus casas o en un centro de atención. Las grabaciones de aquellos con cerebros sanos tendrán lugar en el Laboratorio de Control y Procesamiento Neural de Shahriari en el Centro Fascitelli de Ingeniería Avanzada de la URI. Todo el procesamiento y análisis de datos se llevará a cabo en el laboratorio.
Una vez que suficientes pacientes se hayan ofrecido como voluntarios para participar en el proyecto de investigación, Shahriari planea asociarse con más hospitales locales y escuelas de medicina para aprovechar su experiencia clínica.
Sawyer ha disfrutado de la oportunidad de participar. “Participar en el estudio de la actividad cerebral ha sido muy gratificante”, dijo Sawyer. “Disfruto aprendiendo cosas nuevas y manteniéndome al día con la última tecnología. La Dra. Shahriari y su equipo han estado dispuestos a compartir sus progresos. Me hacen sentir como si fuera parte de su equipo y no solo un número de prueba”.
Sawyer espera que su participación ayude a Shahriari a desarrollar una forma de que los pacientes con ELA trabajen y se comuniquen después de que sus funciones motoras hayan cesado.
“No me considero una víctima de la ELA y no me considero un discapacitado”, dijo Sawyer. “Solo necesito ayuda a veces. Hay personas que están mucho peor que yo. Espero que el tiempo que le dedico a la Dr. Shahriari algún día mejore sus vidas”. (Fuente: NCYT Amazings)
Fuente: Noticias de la Ciencia.