Investigadores han desarrollado un modelo de decodificación del lenguaje capaz de traducir pensamientos en palabras sin necesidad de entrenamiento previo con datos lingüísticos del paciente, lo que podría revolucionar la comunicación en personas con trastornos del habla.
El equipo de investigadores de la Universidad de Texas ha logrado un importante avance en la decodificación del lenguaje cerebral, permitiendo que un modelo interprete pensamientos sin necesidad de entrenarse previamente con datos del mismo individuo.
Según el estudio publicado en Current Biology, los científicos emplearon un método de alineación funcional para transferir decodificadores semánticos entrenados en participantes de referencia a nuevos sujetos, lo que abre la puerta a nuevas aplicaciones para personas con dificultades en el habla o la comprensión del lenguaje.
Cómo funciona la decodificación semántica sin entrenamiento directo
Los modelos tradicionales de decodificación del lenguaje requieren horas de entrenamiento con datos cerebrales de un mismo individuo, lo que supone un reto para personas con trastornos como la afasia. Sin embargo, en este nuevo estudio, los investigadores lograron transferir modelos entrenados en otros participantes a un nuevo individuo sin necesidad de utilizar datos lingüísticos previos.
Para ello, utilizaron dos enfoques de alineación funcional: uno basado en respuestas cerebrales a historias narradas y otro en respuestas a películas mudas. Sorprendentemente, los modelos lograron predecir palabras relacionadas con los estímulos originales incluso cuando el alineamiento se realizó usando únicamente datos visuales, lo que sugiere una conexión entre la representación semántica del lenguaje y la visión en el cerebro.
El entrenamiento del modelo: de participantes de referencia a nuevos usuarios
Para entrenar el modelo de decodificación del lenguaje, los investigadores recopilaron datos de resonancia magnética funcional (fMRI) de un grupo de participantes de referencia mientras escuchaban 10 horas de historias narradas. Esta información permitió construir un decodificador semántico que relacionaba la actividad cerebral con el contenido lingüístico de los relatos.
Posteriormente, el equipo desarrolló algoritmos de conversión que facilitaron la transferencia de este decodificador a nuevos participantes sin necesidad de que estos recibieran el mismo entrenamiento extensivo.
Para probar la eficacia de esta transferencia, se utilizaron dos enfoques: uno basado en la actividad cerebral registrada mientras los nuevos participantes escuchaban historias durante 70 minutos, y otro utilizando respuestas cerebrales obtenidas mientras observaban cortometrajes mudos.
Gracias a la técnica de alineación funcional, los científicos lograron mapear las respuestas cerebrales de ambos grupos y ajustar el decodificador para que pudiera interpretar los pensamientos de los nuevos participantes. A pesar de que la precisión fue ligeramente mayor en los participantes de referencia, el modelo logró generar predicciones semánticamente relacionadas con los estímulos originales en los nuevos sujetos, incluso sin datos lingüísticos previos.
Resultados clave: predicción del lenguaje sin necesidad de datos lingüísticos previos
El estudio evaluó la precisión del modelo en tres participantes, utilizando imágenes de resonancia magnética funcional (fMRI). Se descubrió que:
- La decodificación del lenguaje fue posible sin necesidad de entrenamiento lingüístico previo en el individuo objetivo.
- La alineación funcional con estímulos no lingüísticos, como películas mudas, permitió la transferencia efectiva de decodificadores semánticos.
- Los resultados fueron consistentes en diversas regiones corticales, demostrando que la representación semántica del lenguaje es compartida entre visión y audición.
Estos hallazgos son fundamentales para el desarrollo de interfaces cerebro-computadora destinadas a personas con trastornos del lenguaje, como aquellas que han sufrido un ictus o padecen enfermedades neurodegenerativas.
Aplicaciones potenciales: personas que podrían beneficiarse de esta tecnología
Este modelo de decodificación del lenguaje podría marcar una diferencia significativa en la vida de personas con diversas afecciones neurológicas que afectan la comunicación. Entre los beneficiarios potenciales se encuentran aquellos con afasia, una condición que suele presentarse tras un accidente cerebrovascular o un traumatismo craneoencefálico y que limita la capacidad de comprender o producir lenguaje.
También podría ser útil para pacientes con esclerosis lateral amiotrófica (ELA), quienes con el tiempo pierden la capacidad de hablar debido a la degeneración de las neuronas motoras, pero conservan su capacidad de pensar en palabras y conceptos.
Además, esta tecnología podría beneficiar a personas con trastornos neurodegenerativos, como la enfermedad de Parkinson avanzada o la esclerosis múltiple, en quienes la comunicación verbal se ve afectada progresivamente. También se vislumbra su uso en pacientes con lesiones cerebrales severas, permitiéndoles expresarse sin necesidad de emitir palabras de manera convencional.
Al ofrecer una alternativa de comunicación basada en la actividad cerebral, esta innovación podría mejorar drásticamente la calidad de vida de quienes han perdido la capacidad de hablar.
La posibilidad de decodificar el lenguaje sin entrenamiento personalizado abre un abanico de aplicaciones, entre ellas:
- Sistemas de comunicación para personas con afasia o discapacidad del habla.
- Mejora en interfaces cerebro-computadora para asistir a personas con movilidad reducida.
- Nuevas estrategias en neurorehabilitación para restaurar funciones lingüísticas en pacientes con daño cerebral.
Nueva era en la comunicación asistida por el cerebro
Este avance en la decodificación del lenguaje representa un hito en la investigación neurocientífica. La capacidad de traducir pensamientos en palabras supone una herramienta prometedora para mejorar la comunicación en personas con trastornos del habla.
El estudio también plantea desafíos. Por ejemplo, la necesidad de mejorar la precisión de los decodificadores y comprender mejor las diferencias individuales en la organización cerebral del lenguaje. Aunque aún quedan retos por superar, esta tecnología podría transformar el futuro de la neurociencia y la asistencia médica en los próximos años.
Referencias
- Tang J, Huth AG. Semantic language decoding across participants and stimulus modalities. Curr Biol. (2025). doi:10.1016/j.cub.2025.01.024.
Cortesía de Muy Interesante
Dejanos un comentario: