El cerebro es probablemente el objeto más complicado y enigmático para estudios exhaustivos, atrayendo el interés ardiente de la amplia comunidad científica. La comprensión del funcionamiento del cerebro requiere un enfoque multidisciplinario que involucre diferentes áreas de la ciencia, la ingeniería y la tecnología. Las interfaces cerebro-computadora (BCI) tradicionales implican la interacción entre cerebros y máquinas con el objetivo de reparar o aumentar el rendimiento humano en la resolución de diferentes tareas o ayudar a las personas paralizadas a interactuar con el entorno. A diferencia de una BCI, una interfaz cerebro a cerebro (BBI) permite un intercambio directo de información entre cerebros. El desarrollo de BBI es una de las direcciones de investigación más progresivas en la intersección de la física, las matemáticas, la informática, la psicología y la neurociencia. La principal tendencia en la investigación de BBI está dirigida a proporcionar a las personas una nueva forma de comunicación directamente de un cerebro a otro, monitorear y controlar los estados mentales y aumentar el rendimiento laboral utilizando los recursos cognitivos de múltiples cerebros. Esto es particularmente importante para un grupo de personas que trabajan juntas en una tarea común que requiere atención y alerta sostenidas.
Además, comprender los mecanismos neurofisiológicos responsables de la imaginación motora (MI) es esencial para el desarrollo de interfaces cerebro-computadora (BCI) y bioprótesis. Experimentos de MEG con voluntarios confirman la existencia de dos tipos de imaginación motora, kinestésica (KI) y visual (VI), que pueden distinguirse por la activación o inhibición de diferentes áreas del cerebro en las bandas de frecuencia α y β.
El primer intento exitoso de implementar nuestra solución para Interfaces Cerebro a Cerebro se ha realizado en nuestro laboratorio. Desarrollamos nuevos métodos de análisis no lineal y estocástico de datos neurofisiológicos, así como inteligencia artificial para el reconocimiento y clasificación de patrones en electroencefalogramas y magnetoencefalogramas.
Aunque la actividad cerebral de KI generalmente se observa en sujetos especialmente entrenados o atletas, demostramos que también es posible identificar características de MI en sujetos no entrenados. Similar al movimiento real, KI implica una sensación muscular al realizar MI que conduce a la desincronización relacionada con el evento (ERD) de los ritmos cerebrales asociados con MI. Por el contrario, VI se refiere a la visualización de la acción correspondiente que resulta en una sincronización relacionada con el evento (ERS) de la actividad cerebral en las ondas α y β. Una diferencia notable entre los grupos KI y VI ocurre en el área frontal del cerebro. En particular, el análisis de las respuestas evocadas asociadas con MI muestra que en todos los sujetos KI, la actividad de la corteza frontal se suprime durante MI, mientras que en los sujetos VI, la corteza frontal está siempre activa. La precisión en la clasificación del brazo izquierdo y la MI del brazo derecho utilizando inteligencia artificial es similar para KI y VI. Dado que los sujetos no entrenados generalmente demuestran el modo VI, la posibilidad de aumentar la precisión para VI es demandada para BCI. La aplicación de redes neuronales artificiales nos permite clasificar la MI levantando los brazos derecho e izquierdo con una precisión promedio del 70% tanto para KI como para VI utilizando una filtración adecuada de las señales de entrada. La misma precisión promedio se logra optimizando los canales de MEG y reduciendo su número a solo 13.