La tecnología BCI impulsada por IA permite el habla en tiempo real para un superviviente de ictus después de 18 años

Investigadores de la Universidad de California utilizaron una interfaz cerebro-computadora (BCI) impulsada por IA para convertir las señales cerebrales de Anne Johnson en habla en tiempo real desde que quedó en silencio en 2005 después de un ictus. El sistema aprovechó una tecnología similar a la de dispositivos como Alexa y Siri y mejoró un modelo anterior que tenía un retraso de ocho segundos. 

Investigadores de la Universidad de California, Berkeley, y la Universidad de California, San Francisco, desarrollado un sistema de interfaz cerebro-computadora personalizado capaz de restaurar el habla naturalista a una mujer de 47 años con cuadriplejia. Hoy, Anne está ayudando a los investigadores de la UC San Francisco y la UC Berkeley a desarrollar tecnología BCI que algún día podría permitir a personas como ella comunicarse de manera más natural a través de un avatar digital que coincida con las expresiones faciales del habla generada.

Gopala Anumanchipalli, profesor asistente de ingeniería eléctrica y ciencias de la computación en la UC Berkeley y coautor del estudio publicado el lunes en la revista Nature Neuroscience, confirmó que el dispositivo implantado probado en Ann convirtió “su intención de hablar en oraciones fluidas”. Jonathan Brumberg del Laboratorio de Neurociencia del Habla y Aplicada de la Universidad de Kansas, quien también revisó los hallazgos, dio la bienvenida a los avances y dijo a Associated Press que esto era “un avance bastante grande en el campo de la Neurociencia”.

La tecnología BCI permite a una mujer recuperar su habla después de casi 20 años

La lectura de mentes está llegando

Progreso revolucionario en interfaces cerebro-computadora: Un nuevo implante traduce los pensamientos en habla en tiempo real en solo 3 segundos, un paso crucial para la comunicación natural en la parálisis.

El estudio, publicado en Nature Neuroscience, muestra cómo los algoritmos de IA... pic.twitter.com/XdGhrBlU63

— Chubby♨️ (@kimmonismus) 1 de abril de 2025

Una mujer paralizada por un ictus recuperó su voz después de casi dos décadas de silencio a través de una interfaz cerebro-computadora experimental desarrollada y específicamente personalizada para su caso por investigadores de la UC Berkeley y la UC San Francisco. La investigación, publicada en Nature Neuroscience el 31 de marzo, utilizó inteligencia artificial para traducir los pensamientos de la participante, conocida popularmente como “Anne”, en habla natural en tiempo real.

Anumanchipalli explicó que la interfaz lee señales neuronales mediante una cuadrícula de electrodos colocados en el centro del habla del cerebro. Añadió que estaba claro que existían condiciones —como la ELA, un accidente cerebrovascular del tronco encefálico (como en el caso de Anne) o lesiones— en las que el cuerpo se volvía inaccesible y la persona quedaba «encerrada», con la cognición intacta pero incapaz de moverse o hablar. Anumanchipalli señaló que, aunque se habían logrado avances significativos en la creación de extremidades artificiales, restaurar el habla seguía siendo más complicado.

«A diferencia de la visión, el movimiento o el hambre, compartidos con otras especies, el habla nos distingue. Eso por sí solo lo convierte en un tema de investigación fascinante.»

–Gopala Anumanchipalli

Sin embargo, Anumanchipalli reconoció que cómo emerge el comportamiento inteligente a partir de las neuronas y el tejido cortical sigue siendo una de las grandes incógnitas. El estudio utilizó una interfaz cerebro-computadora (BCI) para crear un camino directo entre las señales eléctricas del cerebro de Anne y un ordenador.

Nuevo dispositivo BCI mejora sobre versiones anteriores que tenían retrasos

El método innovador de los investigadores de EE. UU. eliminó un frustrante retraso que afectaba a versiones anteriores de la tecnología, analizando la actividad cerebral de Anne en incrementos de 80 milisegundos y traduciéndola en una versión sintetizada de su voz. Diversos proyectos de traducción de habla mediante BCI han produjo obtenido resultados positivos recientemente, cada uno con el objetivo de reducir el tiempo necesario para generar habla a partir de los pensamientos.

Según Science Alert, la mayoría de los métodos BCI existentes requerían «un fragmento completo de texto» para ser considerado antes de que el software pudiera descifrar su significado, lo que podría alargar significativamente los segundos entre el inicio del habla y la vocalización.

El informe publicado por investigadores de la Universidad de California en Berkeley y San Francisco reveló que mejorar la latencia de la síntesis de habla y la velocidad de decodificación era esencial para una conversación dinámica y una comunicación fluida. El equipo conjunto de UC explicó que BCI los retrasos en el habla se veían agravados por el tiempo adicional que requería la síntesis de habla para reproducirse y por el tiempo que los oyentes tardaban en comprender el audio sintetizado.

Se informa que la mayoría de los métodos existentes dependían de que el «hablante» entrenara la interfaz vocalizando abiertamente, lo cual sería un desafío al proporcionar al software de decodificación suficientes datos para individuos que han perdido la práctica o siempre han tenido dificultades para hablar. Para superar ambos obstáculos, los investigadores de UC entrenaron una red neuronal de aprendizaje profundo flexible con la «actividad del córtex sensoriomotor» de la participante de 47 años mientras «hablaba» en silencio 100 oraciones únicas de un vocabulario de poco más de 1.000 palabras.