Dra. M. D. del Castillo Grupo de Bioingeniería Centro de Automática y Robótica CSIC

1. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG Dra. M. D. del Castillo Grupo de Bioingeniería Centro de Automática y Robótica CSIC

2. Grupo de bioingeniería: neurorehabilitación • Nuevastecnologías y métodospara la evaluación, rehabilitación y compensaciónfuncional de déficitsmotores y cognitivosconsecuencia de desórdenesneurológicos • Estasintervencionespersiguen: • restaurar la funciónperdidainduciendoneuroplasticidadal asistir la rehabilitación • sustituirla funciónperdidacuando la rehabilitación no esposible a través de tecnologíasprotésicas u ortésicas

3. Grupo de bioingeniería: neurorehabilitación • Tecnologías para la intervención en Rehabilitación Neurológica: • NeuroprótesisMotoras (MNPs) • Exoesqueletosvestibles (NeuroRobots, NR) • Interacción multimodal • Modelado Computacional Cognitivo (MCC) • BCI (SNC), MMI (SNC, SP)

4. Grupo de bioingeniería: neurorehabilitación • Estas tecnologías se caracterizan por: • Interactuarfísica y cognitivamente con lasestructurascorporalesy cerebrales del usuario • Obtenerinformaciónsobre la planificación y ejecución de susmovimientos y sobresuscapacidadescognitivas

5. Grupo de bioingeniería: neurorehabilitación • MÉTODOS: • AnálisisEMG. Actividadmuscular en tareasfuncionales o analíticas • Análisis EEG. Planificaciónde movimentos, capacidadescognitivas (memoria, funciónejecutiva, atención) • Seguimientoocular. Informaciónsobrecapacidadescognitivas a partir del movimiento de los ojos y la mirada • Arquitecturascognitivas. Modelos de comportamientohumanorealizandotareascognitivas

6. Interfaz Cerebro-Computador: introducción • La Neurorehabilitacióncon base en la tecnología BCI (BrainComputer Interface) puede ayudar a mejorar la calidad de vida y facilitar la recuperación funcional de personas con discapacidad motora grave • BCI: Canal de comunicacióndel cerebro con el entorno y de controlde dispositivos diversos para personas con problemas neuromusculares • Desde finales de los años 90 han surgido numerosos programas de investigación en BCI impulsados por: • unmayor conocimiento de la función cerebral • el bajo coste de equipos computacionales cada vez más potentes • una mayor toma de conciencia de las necesidades y del potencial de la gente discapacitada

7. Interfaz Cerebro-Computador: introducción • Los BCIsactuales: • pueden determinar la intención del usuario a partir de distintas señales electrofisiológicas que se transforman en tiempo real en órdenes de control de un dispositivo: ordenador, silla de ruedas, TV, neuroprótesis, … • presentan velocidades de transferencia de información en el rango de los 10 a los 25 bits/minuto. Esta velocidad, que puede ser una limitación para determinadas aplicaciones, es más que suficiente para ofrecer una posibilidad de comunicación a personas con discapacidad severa que no pueden beneficiarse de otros métodos • para garantizar una respuesta adecuada y estable, el usuario y el sistema BCI deben adaptarse entre sí tanto inicialmente como a lo largo del tiempo

8. Interfaz Cerebro-Computador: introducción • Son muchas las enfermedades que conducen a una interrupción de la conexión entre el cerebro y los canales neuromusculares que impiden a un sujeto comunicarse e interaccionar con su entorno: • Esclerosis • Accidente Cerebro Vascular (ictus, derrame) • Parálisis Cerebral • Parkinson • Lesión Medular • Sólo en USA afectan a más de 2 millones de personas. Algunas de estas lesiones dan lugar a personas encerradas en un cuerpo inmóvil

9. Interfaz Cerebro-Computador: introducción • Dado que es imposible reparar la lesión, existen tres vías para restablecer la funcionalidad: • incrementar la capacidad de las rutas no dañadas entre el cerebro y el mundo: usar la mirada para manejar un programa de procesamiento de palabras o un sintetizador de voz • utilizar la actividad de los músculos no afectados para estimular eléctricamente los músculos paralizados • construir BCIs que utilicen la información cerebral para enviar mensajes al mundo exterior

10. Interfaz Cerebro-Computador: introducción OPCIONES DE COMUNICACIÓN CON EL MUNDO: A: El canal de comunicación normal del cerebro a la manoderechaestáinterrumpido B: La comunicaciónutilizaotravíacomo el habla C: La comunicaciónpuedeemplear el cerebro y músculos no dañados D: El cerebroestablece un canal de comunicacióndirecto con un dispositivo o la mano (BCI)

11. Interfaz Cerebro-Computador: introducción • Existen distintos métodos para monitorizar la actividad cerebral: • electroencefalografía (EEG) • magnetoencefalografía(MEG) • tomografía por emisión de positrones (PET) • resonancia magnética funcional (fMRI) • imagen óptica. • Tanto PET como MEG, fMRI e imagen óptica exigen una tecnología sofisticada y de cara y las tres últimas, además, dependen del flujo sanguíneo con unas constantes de tiempo largas lo que no les hace idóneas para comunicación en tiempo real • EEGtiene una respuesta temporal adecuada, es barata y pueden funcionar en cualquier entorno

12. Interfaz Cerebro-Computador: introducción • Desde que el psiquiatra alemán Berger en 1929 publicó su trabajo sobre la relación entre la actividad electroencefalográfica(patrones espacio-temporales) y la realización de determinadas funciones o estados del ser humano, el EEG se ha empleado fundamentalmente: • para evaluar desórdenes neurológicos desde el punto de vista clínico (epilepsia) • para investigar la función cerebral en laboratorio (en estado de relajación, predomina en la actividad los ritmos de 10hz) • con fines terapéuticos(enseñar a modular la señal para situarla en los rangos de normalidad)

13. Interfaz Cerebro-Computador: introducción Corte vertical del cerebroquemuestralasáreascorticalesmotoras en la zonaroja y ylassensoriales en la zonaazul. Las áreas de la cortezamotora se asocian con lasfunciones de lasdistintaspartes del cuerpo y las de la corteza sensorial con la función sensorial del cuerpo (Homúnculo de Penfield)

14. Interfaz Cerebro-Computador: introducción • Desde entonces hasta aquí se ha especulado con la posibilidad de que el EEG sirviera para desentrañar pensamientos e intenciones, posibilidad no explotada hasta hace unas décadas debido a que: • la cantidad de datos que subyace a la señal EEG y la variabilidad exponencial de los mismos, incluso realizando la misma función, impedían detectar la información relevante con fiabilidad • era muy difícil analizar la señal en tiempo real y, además, la limitada velocidad de comunicación impedía la aplicación en escenarios reales

15. Interfaz Cerebro-Computador: introducción • Los avances tecnológicos, científicos y la sensibilidad social han dado un vuelco a esta situación: • La investigación clínica y básica ha generado conocimiento detallado sobre las señales EEG: se conoce con rigor el origen de ritmos y los potenciales evocados de la señal y su ubicación espacial, además de su relación con la función cerebral. De este modo, es posible establecer qué señales EEG son más adecuadas para usar en aplicaciones de comunicación y control • Desarrollo de hardware y software permite el análisis continuo de los datos recogidos por múltiples electrodos • La mayor apreciación social de las necesidades de las personas discapacitadasya que las técnicas convencionales aumentativas no son suficientes para algunas de ellas

16. Interfaz Cerebro-Computador: partes de un bci • Un BCI, como cualquier sistema de comunicación o control, recibe una entrada • la actividad electrofisiológica de un sujeto • produce una salida • una orden a un dispositivo • mediante • un algoritmo que transforma la entrada en la salida • Es necesario, además, un protocolo que determina la planificación temporal y estructural para recoger los datos de entrada y proporcionar la salida

17. Interfaz Cerebro-Computador: partes de un bci DISEÑO Y OPERATIVA BÁSICA DE CUALQUIER SISTEMA BCI: Las señales del cerebro se adquieren de electrodossituados en el cuerocabelludo y se procesanparaextraercaracterísticasespecíficas de la señal (medidas en los dominios de la frecuencia o del tiempo) quereflejan la intención del usuario. Estascaracterísticas se trasladan a comandosquecontrolan un dispositivo (procesador de palabras, unaneuroprótesis o unasilla de ruedas)

18. Interfaz Cerebro-Computado: partes de un bci • ENTRADA • La creación de un nuevo canal de comunicación requiere: • el uso de sensores adecuados que puedan medir efectivamente las características de la señal cerebral que contienen la intención del usuario • la definición de un lenguaje que permita la interacción correcta entre usuario y el sistema de comunicación: el usuario utiliza símbolos para construir un mensaje y el sistema entiende el mensaje

19. Interfaz Cerebro-Computador: partes de un bci • 1) Sensores • Las señales cerebrales se detectan mediante diferentes tipos de electrodos metálicos (plata, oro, platino, estaño) situados en el cuero cabelludo • Los electrodos miden pequeños potenciales eléctricos que reflejan la actividad de las neuronas (±20µV) • Para detectar la débil amplitud de las señales es necesario amplificarlas. El amplificador mide la diferencia de potencial (voltaje) entre dos electrodos • En la mayoría de los sistemas BCI, existe un electrodo de referencia común al resto de electrodos (ubicado en la oreja normalmente) y un electrodo a tierra (mastoide) • La conexión del electrodo al cuero cabelludo se potencia mediante un gel conductor • La nomenclatura y el esquema de colocación de los electrodos estándar se denomina sistema internacional 10-20. En este sistema se puede trabajar con más de 70 electrodos ubicados en posiciones preestablecidas

20. Interfaz Cerebro-Computador: partes de un bci • 1) Sensores Esquema 10-20 de ubicación de electrodos

21. Interfaz Cerebro-Computador: partes de un bci • 2) Señal • No es posible detectar en la señal aquello que el usuario no puede producir físicamente: • La información utilizable puede ser la actividad electrofisiológica espontánea que genera el sujeto o una señal evocada por algún estímulo • Los dos fenómenos neurofisiológicos más representativos y relevantes para la comunicación BCI • la realización o imaginación del movimiento de determinadas partes del cuerpo tiene efectos detectables en la señal cerebral: ritmos sensorimotores • cuando se presenta al usuario un estímulo, se produce una respuestadetectable en la señal: potencial evocado P300

22. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (I) • La mayoría de la gente presenta un ritmo cerebral dominante entre las frecuencias 8-12 Hz cuando está en reposo, esto es, sin realizar movimientos ni procesar información sensorial • Esta oscilación localizada en el córtex sensorimotor o motor se conoce como ritmo mu, o ritmo alfa cuando se localiza en el córtex visual. Se cree producida por circuitos tálamo-corticales • Normalmente se presenta asociada con ritmos beta en las frecuencias 18-25 Hz • Son las señales asociadas con las áreas corticales más directamente conectadas con los canales normales de la salida motora del cerebro

23. Interfaz Cerebro-Computador: partes de un bci i) Ritmos Sensorimotores (II) Ejemplo de ritmos mu/beta. A, B: mapastopográficos de la diferencia entre la densidad de potencia EEG calculadaparamovimientosreales de la manoderecha y parareposo (A) y la diferencia entre movimientosimaginados de la manoderecha y reposo (B) en unabanda de frecuencia de 3Hz centrada en 12 Hz. C: Cambios en el voltaje en diferentesfrecuencias en la cortezasensorimotoraizquierdacomparandodescanso (líneadiscontinua) con imaginación de movimiento

24. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (III) • Los cambios en estos ritmos se producen cuando se llevan a cabo funciones sensoriales o motoras. El movimiento, la intención del mismo o su imaginación se acompañan de un decremento en la actividad mu y beta, normalmente en el hemisferio contralateral al movimiento • Este fenómeno neurofisiológico se denomina desincronización relacionada con el evento de moverse o de intentar moverse. La sincronización, fenómeno opuesto, tiene lugar cuando cesa el movimiento y se pasa a un estado de relajación: migración de ritmos • Estos factores hacen que estos ritmos se consideren adecuados a la hora de ofrecer una vía para comunicación BCI y constituyen la base de estos desarrollos desde los años 80

25. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (IV) • Grupo Wadsworth: • Se enseña a la gente con o sin problemas motores a controlar la amplitud de los ritmos mu y beta con el fin de mover y controlar un cursor en una o dos dimensiones y dirigirlo hacia un objetivo en una pantalla • Mientras el usuario imagina el movimiento de alguna parte de su cuerpo, una ecuación lineal transforma la amplitud mu o beta de uno o varios electrodos 10 veces por segundo en una posición del cursor. El usuario aprende a controlar el sistema en sesiones de 40 minutos, dos veces por semana • La tasa de aciertos es del 95% y se comprueba moviendo el cursor para responder Sí o No a preguntas que se le hacen a los sujetos de las que se conocen las respuestas

26. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (V) • Grupo Graz: • Este sistema se basa en la sincronización y desincronización de los ritmos mu y beta. Las aplicaciones utilizan la imaginación del movimiento de manos o pies y pueden servir para controlar un cursor o un dispositivo ortopédico que abre o cierra una mano paralizada • Se realizan series de ejercicios de imaginación de una o varias partes del cuerpo (mano, pie, lengua). Se analiza en el dominio de la frecuencia la señal EEG entre las bandas 5-30 Hz. Cada señal se etiqueta con el tipo de movimiento imaginado y se construye un clasificador multiclaseque discrimina entre los tipos de movimiento

27. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (VI) • Grupo Graz: • El clasificador se puede usar en sesiones posteriores para trasladar los movimientos imaginados dando una salida continua, como el movimiento de un cursor o una barra vertical que aumenta o disminuye su altura, o una salida discreta, como seleccionar una letra • Normalmente, el clasificador se debe ajustar entre sesiones • En 6-7 sesiones de entrenamiento se consigue una tasa de acierto del 90% y es apropiado para usar por el 90% de la gente • Este tipo de BCI puede ser de uso doméstico con control remoto. El análisis y la actualización del clasificador se hace en laboratorio

28. Interfaz Cerebro-Computador: partes de un bci • i) Ritmos Sensorimotores (y VII) • Progreso sobre estas dos corrientes: • reducir el número de sensores (electrodos) y elaborar nuevos algoritmos de transformación de datos a comandos • nuevos enfoques en el ámbito de laboratorio: potenciales relacionados con movimientos voluntarios ampliando la información del córtex sensorimotor con la del córtex motor suplementario • diferencias en los clasificadores obtenidos de entrenamientos síncronos, en los que se indica al usuario cuando moverse o imaginar, con respecto a entrenamientos asíncronos, donde el usuario decide el momento de inicio del ejercicio • relación entre movimientos simples y combinados

29. Interfaz Cerebro-Computador: partes de un bci • ii) Potencial evocado P300 (I) • Además de las respuestas cerebrales moduladas por la acción o la imaginación motora, existen otras señales útiles para la operativa de un BCI: • respuesta evocada que se produce en el córtex parietal cuando a un sujeto se le presenta un estímulo poco frecuente auditivo, visual o somatosensorial • Esta respuesta se recoge normalmente en el córtex parietal a los 300ms de percibir el estímulo. La amplitud de este potencial es mayor en los electrodos parietales y se atenúa en las zonas centrales y frontales

30. Interfaz Cerebro-Computador: partes de un bci • ii) Potencial evocado P300 (II) • Este potencial se observa cuando: • 1) Se presenta una secuencia aleatoria de estímulos • 2) El sujeto cuenta el número de veces que percibe el estímulo deseado • 3) Se calcula la amplitud de la señal en el córtex parietal para cada estímulo • El ejemplo más conocido es el de la matriz de letras cuyas filas y columnas parpadean de forma aleatoria a una frecuencia determinada: • El usuario fija su atención en un elemento de la matriz y cuenta el número de veces que ha parpadeado ese elemento • Se mide la señal P300 que evoca cada fila y cada columna • Tras promediar varias respuestas, un programa establece qué elemento seleccionó el usuario: la intersección de fila y columna que produce el P300 con mayor amplitud

31. Interfaz Cerebro-Computador: partes de un bci • ii) Potencial evocado P300 (III) El clásicoparadigmaparadeletrearunapalabrabasado en P300. Las filas y lascolumnas de la matrizparpadeanaleatoriamente y la quecontiene la letrabuscadaevoca un potencial Respuesta P300 A: Distribucióntopográfica del potencial P300 500 msdespués del estímulo B: Curso temporal del voltajeregistrado en el electrodoPzpara el estímuloesperado (líneasólida) o el no esperado (líneadiscontinua)

32. Interfaz Cerebro-Computador: partes de un bci • ii) Potencial evocado P300 (y IV) • Un BCI basado en P300 puede servir para construir un procesador de palabras y frases. Normalmente, estos BCIs producen 5 letras por minuto. Para personas con déficits visuales, se pueden emplear estímulos auditivos • Este tipo de BCIs no requieren entrenamiento ya que esta señal se da de forma natural cuando una persona elige una opción de entre varias

33. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (I) • Filtrado de ruido y artefactos • En los registros de la señal EEG se detectan en ocasiones interferencias debidas al ruido de equipos eléctricos, en frecuencias de 50-60hz, si las condiciones experimentales no son las adecuadas. Por ello, la mayoría de los amplificadores EEG están provistos de un filtro que eliminan esas frecuencias de la señal • Otro tipo de ruido procede de los parpadeos o de los movimientos oculares. Este efecto se registra como un pico positivo de amplitud en la región frontal pero se propaga hacia otros canales atenuándose. El uso de electrodos cerca del ojo (EOG) permite eliminar este ruido • Por último, se encuentran los artefactos producidos por los movimientos musculares (mandíbula apretada). La distribución de la frecuencia de estos movimientos puede afectar a las amplitudes de los ritmos mu y beta. La inclusión de un medidor de la señal electromiográfica en los experimentos permite detectarlos y eliminarlos • La amplitud de la señal EEG se mueve en el rango de ±20µV. Los artefactos introducen amplitudes de ±100µV

34. Interfaz Cerebro-Computador: partes de un bci Filtrado de ruido y artefactos Artefactos por pestañeo Ruido de 60 Hz debido a la línea eléctrica contaminando un canal Artefactos por movimientos musculares Artefactos por movimientos oculares

35. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (II) • Filtrado espacial • Persigue reducir el efecto de la deformación de la señal desde la zona del cerebro en la que se produce hasta que es capturada por los electrodos a su paso por un conjunto de tejidos heterogéneos. Con ello se busca aumentar la calidad de la señal • Entre los métodos computacionales de filtrado espacial más empleados se encuentra: • Análisis de Componentes Independientes (ICA), que representa la señal mediante componentes independientes estadísticamente. Se trata de una técnica de análisis que requiere de un exhaustivo volumen de datos • Patrones Espaciales Comunes (CSP), que pondera las señales procedentes de los distintos canales en función de su capacidad para discriminar entre diferentes clases de señales cerebrales

36. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (III) • Filtrado espacial • Referencia Media Común (CAR), que referencia la amplitud de la señal de cada electrodo a la media de todos ellos • Laplaciano, que calcula en cada instante de tiempo de medida y para cada electrodo, la diferencia entre el valor de la amplitud de la señal de ese electrodo y la suma ponderada de la amplitud de los cuatro electrodos próximos que le rodean

37. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (IV) • Extracción de características • Una vez recogida la señal y eliminados los artefactos, la señal digitalizada se somete a un conjunto de procedimientos para extraer las características que transportan el mensaje que el usuario quiere comunicar • Para ello, ha sido y es esencial la investigación llevada a cabo sobre los efectos que tienen en determinadas señales cerebrales la realización de determinadas tareas: imaginar el movimiento de una mano se traduce en la desincronización del ritmo mu en una posición específica del cerebro • Sin embargo, este hecho general está sometido a numerosas contingencias. La primera de ellas es que depende de cada sujeto. La segunda, depende del momento o estado del sujeto: • Elegir,por ejemplo, el ritmo mu para construir un BCI implica seleccionar para cada sujeto la tarea, las frecuencias, los canales y las ventanas temporales que mejor codifican ese ritmo

38. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (V) • Extracción de características • El propósito de la extracción de características es representar la señal en el dominio que mejor refleja lo que el usuario modula o modifica con su actividad cerebral • Los dos posibles dominios son el temporal y el de la frecuencia: • en el dominio temporal se encuentra la amplitud de los potenciales evocados P300 (voltaje de la señal a lo largo del tiempo) • en el dominio de la frecuencia, la densidad de potencia de los ritmos sensorimotores (cuadrado de la amplitud de la señal para cada frecuencia)

39. Interfaz Cerebro-Computador: partes de un bci • 3) Selección de características de la señal (y VI) • Extracción de características Filtrado temporal: (arriba) Dominio de la frecuencia: Diferentes amplitudes de la señal EEG durante imaginación de movimiento de la mano izquierda (línea roja) y durante el reposo (línea azul) (abajo) Distribución espacial(C4): El mismo canal refleja esa diferencia de amplitud en las frecuencias alfa y beta

40. Interfaz Cerebro-Computador: partes de un bci • ALGORITMO • La etapa siguiente a la extracción de características es la del procedimiento que traduce o transforma esas características, que contienen la intención del usuario, en las órdenes o comandos a un dispositivo • El algoritmo que lo lleva a cabo puede usar métodos lineales (análisis estadístico clásico) o no lineales (bayesiano, redes neuronales, vectores de soporte, árboles de decisión) • Cualquiera que sea su naturaleza, el papel del algoritmo es el de combinar las variables independientes que representan las características de la señal (frecuencia, canal, tiempo) en variables dependientes que representan los parámetros de control del dispositivo

41. Interfaz Cerebro-Computador: partes de un bci • ALGORITMO • La señal EEG, como otras señales electrofisiológicas, presenta una gran variabilidad no sólo entre distintos sujetos, sino de un día a otro en cada sujeto e incluso a lo largo del día debido a factores como la fatiga, los niveles hormonales, las circunstancias, etc. • Los algoritmos pueden adaptarse al usuario en tres niveles: • i) Cuando el usuario utiliza por primera vez un BCI, el algoritmo se adapta a las características de su señal • Si el BCI está basado en ritmos mu (ritmos alfa medidos en el córtex sensorimotor), el algoritmo se ajusta al rango que el usuario presenta en esos ritmos. Si la característica es la amplitud del potencial evocado P300, el sistema ha de ajustarse a los valores de esa característica en ese usuario • Un BCI que presente sólo este primer nivel de adaptación podrá ser eficaz en el transcurso del tiempo solo si la señal del usuario es muy estable

42. Interfaz Cerebro-Computador: partes de un bci • ALGORITMO • ii) Para reducir el impacto de continuos reajustes debidos a estas variaciones espontáneas, es necesario un segundo nivel de adaptación en el que estas variaciones en el rango de los valores de las características de la señal se hagan corresponder con cambios en el rango de valores de los comandos del dispositivo • iii) Sin embargo, un BCI realmente eficaz debe considerar no sólo la adaptación del algoritmo sino del cerebro, que es otro sistema adaptativo, al BCI • Del mismo modo que la interacción normal entre el cerebro y el mundo a través de los canales neuromusculares sanos produce cambios en el cerebro, la interacción mediada por el BCI y los resultados de la acción que percibe el usuario también producen cambios en el cerebro y, por ende, en la señal neurofisiológica

43. Interfaz Cerebro-Computador: partes de un bci • ALGORITMO • Si la característica empleada es la amplitud del ritmo mu, la correlación entre dicha amplitud y la intención del usuario debería incrementarse con el tiempo • Un algoritmo que incluya el tercer nivel de adaptación debería reflejar este incremento, por ejemplo, respondiendo más rápidamente a la intención del usuario como forma de recompensar al usuario e involucrarle más en la operativa del BCI

44. Interfaz Cerebro-Computador: partes de un bci • SALIDA • En la mayoría de los BCIs actuales, el dispositivo de salida consiste en la pantalla de un ordenador y la salida se circunscribe a la selección en ella de objetivos, letras o iconos o al movimiento de un cursor • La salida no sólo es el producto de la operación del BCI sino también de la realimentación que recibe el usuario y, por tanto, de su cerebro que puede emplear para mantener o mejorar la precisión y la velocidad de comunicación • Un campo de enorme interés y proyección actualmente es el control de dispositivos neurorobóticos o neuroprotésicos cuya actuación provee al usuario con una realimentación que percibe en su propio cuerpo (propiocepción): • comunicación y control • rehabilitación

45. Interfaz Cerebro-Computador • PROTOCOLO • Todo BCI tiene un protocolo que guía su operación. Esta operación tiene varios factores que es necesario definir: • cómo se enciende y se apaga el sistema • si la comunicación es continua o discontinua • si la transmisión del mensaje la inicia el sistema (envía un estímulo al usuario que evoca un potencial P300) o el usuario espontáneamente (imagina un movimiento) • la secuencia y velocidad de interacción entre usuario y sistema • la realimentación que se va a dar al usuario • La mayoría de los protocolos que se emplean en laboratorio no se adecúan a priori a las necesidades reales de los usuarios con discapacidades: el investigador apaga y enciende el sistema y le indica al usuario lo que hacer para comenzar a interactuar • Las diferencias en los protocolos son las que marcan la difícil transición de la investigación a la aplicación a la vida real

46. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG • BCI para Rehabilitación: Bases Neurofisiológicas • Aprendemos nueva información y destrezas desde el período de desarrollo y a lo largo de la vida gracias a la plasticidad presente en las neuronas y sinapsis del sistema nervioso central desde la corteza cerebral hasta la médula espinal: cambios a nivel sináptico, neuronal o de red neuronal • El término 'plasticidad cerebral' expresa la capacidad del cerebro para minimizar los efectos de las lesiones mediante cambios estructurales y funcionales • Una gran parte de procesos lesivos del sistema nervioso que afectan a tractos corticoespinales y subcorticoespinales, cerebelosos, medulares, visuales y lingüísticos muestran el efecto de la plasticidad, unas veces de forma espontánea y otras tras tratamientos de rehabilitaciónadecuados

47. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG • BCI para Rehabilitación: Bases Neurofisiológicas • Las señales EEG han tenido un uso terapéutico para el tratamiento de enfermedades neurológicas (epilepsia, insomnio, déficit de atención) o para incrementar capacidades cognitivas en población sana (concentración, atención) conocido con el término neurofeedback • Este tipo de técnica puede emplearse para promover la plasticidad cerebral en áreas asociadas a tareas motoras • Para una recuperación/rehabilitación exitosa, tras un accidente cerebro-vascular, es posible plantear intervenciones que induzcan plasticidad motora mediante dos estrategias: • BCI basado en neurofeedback • BCI basado en rehabilitación convencional

48. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG • BCI para Rehabilitación: Bases Neurofisiológicas • Neurofeedback: el objetivo es entrenar al paciente para que modifique determinadas características de la señal EEG y las sitúe en los valores asociados a un actividad cerebral normal, apoyándose en la hipótesis de que alterando la plasticidad del sistema nervioso que produce una actividad normal, se recuperará la función normal del sistema nervioso y el control motor mejorará: • BCIs basados en los ritmos sensorimotores. Se extiende su aplicación de la comunicación y el control a la rehabilitación

49. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG • BCI para Rehabilitación: Bases Neurofisiológicas • La rehabilitación convencional de la función motora consiste en la práctica de movimientos repetitivos de los miembros afectados con la expectativa de que influye en la plasticidad del sistema nervioso • BCIs basados en el uso de la actividad cerebral existente para activar un dispositivo que asista al movimiento, apoyándose en la idea de que al realizarse el movimiento el sujeto recibe como salida del BCI una entrada sensorial propioceptivaque induce la plasticidad del sistema nervioso y conduce a la restauración del control motor normal • Dispositivo rehabilitador: estimulación eléctrica funcional mediante electrodos de superficie o práctica de movimientos con un dispositivo robótico

50. Interfaz Cerebro-Computador para rehabilitación motora y cognitiva: minería de datos de la señal EEG BCI para Rehabilitación: Bases Neurofisiológicas