English version available here.
Esta es una actualización del OpenBCI Sponsorship Program. Haz click aquí para obtener información sobre cómo aplicar.
En OpenBCI estamos orgullosos de asociarnos con el Instituto de Matemática Aplicada del Litoral, IMAL-UNL-CONICET, en Santa Fe, Argentina, para ayudar a desarrollar un sistema de rehabilitación motora basado en la retroalimentación que el paciente recibe desde una Interfaz Cerebro Computadora (ICC) de bajo coste.
Hemos entrevistado a la Dra. Victoria Peterson, directora del proyecto y becaria postdoctoral del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), para obtener más información acerca de este increíble proyecto. A continuación presentamos un resumen de la entrevista.
¿De qué se trata el proyecto?
Hoy en día, los accidentes cerebrovasculares son una de las principales causas de discapacidad física en todo el mundo. A pesar de los esfuerzos de rehabilitación, el 50% de los sobrevivientes vive con alguna discapacidad motora y/o cognitiva crónica. Nuestro grupo de investigación en Santa Fe, Argentina, integrado por Victoria Peterson, Ruben D. Spies, Diego H. Milone, Catalina M. Galván, Nicolás Nieto, Lilian Celeste Alarcón Segovia e Ignacio Rintoul, está investigando la viabilidad de desarrollar una herramienta alternativa de rehabilitación para personas que hayan sufrido un accidente cerebrovascular utilizando Interfaces Cerebro Computadora (ICCs) de bajo coste.
Estamos buscando validar el concepto y ofrecer esta herramienta como un acompañamiento a la terapia tradicional, de forma que los pacientes la puedan utilizar en su hogar de manera segura y sistemática. El sistema ofrecería a los pacientes la posibilidad de comandar un exoesqueleto, brazo robótico u otro tipo de estructura mediante su actividad cerebral. La ICC detectaría la intención del paciente de realizar una acción y haría que la estructura robótica la ejecute, proporcionando al paciente retroalimentación tanto visual como somatosensorial. Mediante la combinación de las terapias tradicionales con este sistema, se le permitiría al paciente participar no sólo de forma pasiva sino también activamente en su proceso de rehabilitación, esperando así proveer una terapia mucho más efectiva.
Dada la alta variabilidad y ruido presente en las señales de actividad cerebral, crear un sistema de estas características requerirá el desarrollo de algoritmos robustos al ruido y adaptativos a estos constantes cambios. Queremos crear una ICC de bajo costo co-adaptativa, en la cual tanto el sistema como el paciente se vayan modificando de manera conjunta a lo largo de las sesiones.
¿Cómo utilizarán el equipamiento de OpenBCI?
Una vez se hayan realizado las simulaciones para demostrar el correcto funcionamiento de los modelos, utilizaremos equipamiento de OpenBCI tanto para adquirir la actividad cerebral como para llevar a cabo pruebas en tiempo real. El principal equipamiento a utilizar serán las placas Cyton + Daisy, la placa Ganglion, el WiFi Shield y el EEG Electrode Cap Kit.
La adquisición de equipamiento para investigar en este campo es difícil y costosa en Argentina. La obtención del WiFi Shield junto con el EEG Electrode Cap Kit nos permitirá tanto incrementar la frecuencia de muestreo de las señales como proporcionar a los participantes un casco cómodo con una mentonera que ayudará en la reducción de fuentes de ruido en las señales de electroencefalografía (EEG). Además, mediante la placa Ganglion se obtendrán datos de electromiografía (EMG) para controlar que el paciente no realice ningún movimiento cuando no es debido.
El sistema se probará primero en personas sin ningún tipo de disfunción motora, a quienes se les pedirá que imaginen un movimiento utilizando una modalidad conocida como “imaginería motora” o práctica mental del movimiento. Para cada experimento, se requerirá a los participantes asistir al laboratorio al menos 4 días diferentes. El primer día será una sesión destinada exclusivamente a la adquisición de datos para calibrar el modelo. Las siguientes sesiones incorporarán retroalimentación con el objetivo de entrenar no sólo al usuario sino también recalibrar el sistema.
¿Qué impacto tendrá esta investigación?
La visión futura es desarrollar una herramienta complementaria a la terapia de rehabilitación tradicional para que pacientes que hayan sufrido un accidente cerebrovascular puedan utilizarla cómodamente desde su hogar con el objetivo de ayudar a sobrellevar el proceso de rehabilitación, aumentando su impacto y calidad. Hoy en día no existen sistemas de esta naturaleza validados clínicamente. El objetivo de este proyecto es mejorar la practicidad de los sistemas ICCs y contribuir al avance del campo en dirección de la aprobación y validación de sistemas como este.
Confiamos en que este proyecto tendrá un impacto positivo en el campo de la neurotecnología tanto en Argentina como en otros países de la región que presentan dificultades a la hora de adquirir equipamiento para desarrollar proyectos como este.
¿Quiénes están involucrados en el proyecto?
Nuestro equipo está integrado por:
Dra. Victoria Peterson: Becaria postdoctoral del CONICET en el Instituto de Matemática Aplicada del Litoral. En 2013 obtuvo su título de grado en Bioingeniería de la Universidad de Entre Ríos, Argentina y en 2018 obtuvo el título de Doctora en Ingeniería en la Universidad Nacional del Litoral (UNL, Argentina).
Prof. Dr. Ruben D. Spies: Investigador Principal del CONICET y Profesor Titular de la Universidad Nacional del Litoral (UNL, Argentina). Obtuvo su título de Grado en Matemática Aplicada de la UNL, Argentina, y su Máster y Doctorado del Virginia Polytechnic Institute and State University, Virginia, USA, en 1989 y 1992, respectivamente.
Prof. Dr. Diego H. Milone: Recibió el título de Bioingeniero por la Universidad Nacional de Entre Ríos en 1998 y el título de Doctor en Ingeniería Electrónica por la Universidad de Granada en 2003. Es Profesor Titular de la Universidad Nacional del Litoral (UNL, Argentina) e Investigador Principal del CONICET. Actualmente es Director del Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, sinc(i)–UNL-CONICET, Argentina.
Ing. Nicolás Nieto: Becario doctoral del CONICET en la Universidad Nacional del Litoral (UNL, Argentina) con lugar de trabajo en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, sinc(i)-UNL-CONICET. Ingeniero Biomédico recibido de la Universidad Nacional de Córdoba.
Bioing. Catalina M. Galván: Estudiante de doctorado de la Universidad Nacional del Litoral y becaria doctoral del CONICET en el Instituto de Matemática Aplicada del Litoral, IMAL. Obtuvo su título de Grado en Bioingeniería de la Universidad Nacional de Entre Ríos.
Dr. Lilian Celeste Alarcón Segovia: Becaria postdoctoral del CONICET en el Instituto de Matemática Aplicada del Litoral, IMAL. Obtuvo su Grado en Ingeniería Industrial de la Universidad Católica Nuestra Señora de la Asunción, Paraguay. Realizó su doctorado en Ciencias Biológicas en la Facultad de Bioquímica y Ciencias Biológicas de la Universidad Nacional del Litoral (UNL, Argentina), con lugar de trabajo en el Instituto de Desarrollo Tecnológico para la Industria Química. Trabajó como becaria predoctoral visitante en el Center for Bio-Integrated Electronics en la Northwestern University, Illinois, USA
Prof. Dr. Ignacio Rintoul: Doctor en Ciencias de la Escuela Politécnica Federal de Lausanne. Ingeniero en Materiales del Instituto Sabato de la Universidad Nacional de San Martín y la Comisión Nacional de Energía Atómica. Profesor adjunto en la Facultad de Ingeniería Química de la UNL e Investigador Independiente en el Grupo de Materiales Avanzados y Energía del Instituto de Desarrollo Tecnológico para la Industria Química del CONICET.
¿Cuál es el plan para los próximos meses?
Actualmente estamos desarrollando los algoritmos adaptativos. El siguiente paso será realizar pruebas con datos simulados y bases de datos públicas para determinar la validez de la hipótesis propuesta. Una vez demostrado el concepto, se probará el modelo en personas sanas antes de probarlo en pacientes. En base a los resultados obtenidos, se diseñarán estudios para analizar y mejorar la adaptación del modelo.
Leave a Reply
You must be logged in to post a comment.