Poder predecir el pensamiento humano es el sueño de muchos. El ya doctor por la UPCT, Juan Antonio Martínez, ha desarrollado en su tesis doctoral una evaluación de las prestaciones de un sistema de lectura de datos cerebrales de bajo coste utilizado para predecir la imaginación de movimiento, incluyendo además una metodología capaz de reducir los cálculos necesarios a entre un 3% y un 5% de los originales, a partir de identificar los datos capturados más relevantes.
El trabajo, titulado ’Sistemas de interfaz cerebro-ordenador basados en dispositivos EEG de bajo coste y modelos neurodifusos aplicados a la imaginación de movimiento’ y dirigido por los doctores José Manuel Cano y Julio José Ibarrola, se basa en evaluar el dispositivo de captura de datos Emotiv EPOC para identificar la imaginación del movimiento de la persona.
Según Martínez, la imaginación del movimiento “es la única vía de comunicación que tienen algunas personas con su entorno”. El objetivo del trabajo, explica es crear un sistema que “pueda predecir” lo que la persona está pensando y, partir de las reducción en la dimensionalidad del problema, conseguir que los cálculos para obtener estas predicciones sean “más ligeros”.
El investigador, que ha desarrollado el trabajo dentro del programa de doctorado Tecnologías Industriales, explica que en la actualidad los datos cerebrales se capturan normalmente con equipos de varias decenas de miles de euros, lo que los restringe a los entornos médicos y de investigación. Sin embargo, dispositivos como Emotiv EPOC, con un coste reducido, pueden posibilitan el acceso de un público mayor, lo que debe redundar en la democratización del uso de este tipo de interfaces para controlar otros sistemas, que podrían permitir a personas impedidas, una mejor relación con su entorno.
Durante el trabajo creó bases de datos de voluntarios y demostró que con un dispositivo de captura de datos barato como Emotiv EPOC se puede detectar la imaginación de movimiento con suficiente precisión. Además, la metodología aportada redujo las variables necesarias a entre un 3% y un 5% de las iniciales, mejorando incluso la precisión inicial del sistema completo para en torno a un 70% de los colaboradores.
Afirma, por tanto, que esta metodología se podría usar en la integración de los sistemas de predicción del movimiento en las operaciones con exoesqueletos y miembros artificiales para rehabilitar el movimiento independiente de las personas que han perdido esa capacidad. “Eso es un gran reto de la tecnología”, añade.
