Interfaz cerebro-máquina: avances en neurociencia y desarrollo de bioelectrodos
DOI:
https://doi.org/10.33448/rsd-v11i12.35046Palabras clave:
Neurociencias, Neurología, Rehabilitación.Resumen
Objetivo: Presentar acerca de las actualizaciones de este campo de investigación en los últimos años. Metodología: Se trata de una revisión narrativa que son publicaciones más amplias. Se realizaron búsquedas en las bases de dados PubMed y en la Biblioteca Virtual en Salud (BVS). Se utilizó los descriptores en ciencias de salud (DeCS) y Medical Subject Headings(MeSH): “Brain-Computer Interfaces”, “Nervous System”, “Cerebrum” e “Neurosciences.” Fueron incluidos artículos publicados entre los años de 2017 y 2022, en portugués e inglés y que abordasen avances de la interfaz cerebro-máquina. Resultados: Fueron encontrados 17 artículos que se encajaron en los criterios de inclusión, todos en inglés. Las investigaciones demostraron avances significativos que pueden ser empleados en procesos de rehabilitación física, motora y sensorial. Conclusión: Se verificó la aplicación de protocolos y método diferentes, lo que puede ser un escollo para la replicación de futuros estudios; sin embargo, también hubiera avances en lo desenvolvimiento de electrodos biocompatibles a partir de prolongamientos de axones, que pueda disminuir el proceso inflamatorio en implantes intracorticales, y el perfeccionamiento de codificación y decodificación por métodos no invasivos acoplados en diferentes partes del cuerpo.
Referencias
Araki, T., Uemura, T., Yoshimoto, S., Takemoto, A., Noda, Y., Izumi, S., & Sekitani, T. (2019). Wireless Monitoring Using a Stretchable and Transparent Sensor Sheet Containing Metal Nanowires. Adv Mater , 32(15):e1902684. 10.1002/adma.201902684.
Barria, P., Pino, A., Tovar, N., Gomez-Vargas, D., Baleta, K., Díaz, C. A. R., Múnera, M., & Cifuentes, C. A.(2021). BCI-Based Control for Ankle Exoskeleton T-FLEX: Comparison of Visual and Haptic Stimuli with Stroke Survivors. Sensors (Basel), 21(19):6431. 10.3390/s21196431
Carino-Escobar, R. I., & Cantillo-Negrete, J. (2020). Interfaces cérebro-computador para reabilitação motora de membros superiores de pacientes com acidente vascular cerebral. Revista mexicana de engenharia biomédica , 41 (1), 128-140. https://doi.org/10.17488/rmib.41.1.10
Cheng, J., Jin, J., & Wang, X. (2017). Comparison of the BCI Performance between the Semitransparent Face Pattern and the Traditional Face Pattern. Comput Intell Neurosci, 1323985. 10.1155/2017/1323985.
da Silva Pinto, M. A. (2011a). Estudo do potencial evocado visual em regime permanente baseado em LED para interface cérebro máquina. publicado no site da Universidade Federal de Minas Gerais. http://hdl.handle.net/1843/BUOS-8R3HN7
de Melo, G. C. (2018). Algoritmos para reconhecimento de padrões em imagética motora em uma interface cérebro-máquina. publicado no site da Puc-Rio.. https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=34769@1
de Souza, J. R. M., de Aquino Wanderley, D., & da Silva Dória, Ã. (2015). A importância da robótica aplicada à neurociência como ferramenta utilizada na reabilitação de pacientes com deficiências locomotora: uma revisão teórica. Ciências da Engenharia , 3 (1),61. https://sustenere.co/index.php/engineeringsciences/article/view/SPC2318-3055.2015.001.0001
Hermann, J. K., & Capadona J. R. (2019) Understanding the Role of Innate Immunity in the Response to Intracortical Microelectrodes. Crit Rev Biomed Eng,46(4):341-367. doi: 10.1615/CritRevBiomedEng.2018027166.
Hu, K., Jamali, M., Moses, Z. B., Ortega, C. A., Friedman, G. N., Xu, W., & Williams, Z. M. (2018). Decoding unconstrained arm movements in primates using high-density electrocorticography signals for brain-machine interface use. Sci Rep, 8(1):10583. doi: 10.1038/s41598-018-28940-7.
Jochumsen, M., Cremoux, S., Robinault, L., Lauber, J., Arceo, J. C., Navid, M. S., Nedergaard, R. W., Rashid, U., Haavik, H., & Niazi, I. K. (2018). Investigation of Optimal Afferent Feedback Modality for Inducing Neural Plasticity with A Self-Paced Brain-Computer Interface. Sensors (Basel) , 8(11):3761. 10.3390/s18113761.
Kellmeyer, P., Grosse-Wentrup, M., Schulze-Bonhage, A., Ziemann, U., & Ball, T. (2018). Electrophysiological correlates of neurodegeneration in motor and non-motor brain regions in amyotrophic lateral sclerosis—implications for brain–computer interfacing. Journal of Neural Engineering, 15(4). https://iopscience.iop.org/article/10.1088/1741-2552/aabfa5
Loza, C. A., Reddy, C. G., Akella, S., & Príncipe, J. C.(2019). Discrimination of Movement-Related Cortical Potentials Exploiting Unsupervised Learned Representations From ECoGs. Front Neurosci,13:1248. 10.3389/fnins.2019.01248.
Luan, L., Robinson, J. T., Aazhang, B., Chi, T., Yang, K., Li, X., Rathore, H., Singer, A., Yellapantula, S., Fan, Y., Yu, Z., & Xie, C. (2020).Recent Advances in Electrical Neural Interface Engineering: Minimal Invasiveness, Longevity, and Scalability. Neuron. 108(2):302-321. 10.1016/j.neuron.2020.10.011.
Maghsoudi, A., & Shalbaf, A.(2022). Hand Motor Imagery Classification Using Effective Connectivity and Hierarchical Machine Learning in EEG Signals. J Biomed Phys Eng, 2(2):161-170. 10.31661/jbpe.v0i0.1264.
R. Schuh Ânderson, Lima A., de O. Heidrich, R., Mossmann, J., Flores, C., R. Bez, M. (2013) Desenvolvimento de Um Simulador Controlado por Interface Cérebro- Computador Não Invasiva para Treinamento na Utilização de Cadeira de Rodas. RENOTE, 11(3). https://www.seer.ufrgs.br/index.php/renote/article/view/44716
Risso, G., Valle, G., Iberite, F., Strauss, I., Stieglitz, T., Controzzi, M., Clemente, F., Granata, G., Rossini, P. M., Micera, S., & Baud-Bovy, G.(2019) Optimal integration of intraneural somatosensory feedback with visual information: a single-case study. Sci Rep, 9(1):7916. 10.1038/s41598-019-43815-1
Rother, E. T. (2007). Revisão sistemática X revisão narrativa. Scielo, 20(2). https://www.scielo.br/j/ape/a/z7zZ4Z4GwYV6FR7S9FHTByr/#
Schuh, Â. R., Lima, A., de O. Heidrich, R., Mossmann, J., Flores, C., & Bez, M. R. (2013). Desenvolvimento de Um Simulador Controlado por Interface Cérebro- Computador Não Invasiva para Treinamento na Utilização de Cadeira de Rodas. RENOTE, 11(3), 1–9. https://seer.ufrgs.br/index.php/renote/article/view/44716
Sebastián-Romagosa M., Cho, W., Ortner, R., Murovec, N., Von Oertzen, T., Kamada, K., Allison, B. Z., & Guger, C.(2020) Brain Computer Interface Treatment for Motor Rehabilitation of Upper Extremity of Stroke Patients-A Feasibility Study. Front Neurosci,14:591435. 10.3389/fnins.2020.591435
Serruya, M. D., Harris, J. P., Adewole, D. O., Struzyna, L. A., Burrell, J. C., Nemes, A., Petrov, D., Kraft, R. H., Chen, H. I., Wolf, J. A., & Cullen, D. K. (2017)Engineered Axonal Tracts as "Living Electrodes" for Synaptic-Based Modulation of Neural Circuitry. Adv Funct Mater. 28(12):1701183. 10.1002/adfm.201701183.
Souza, J. P. G., Krizan, J., Costa, G. de M., & Fermoseli, A. F. de O. (2015). Interface cérebro – máquina (icm): da transdução do estímulo externo em impulso nervoso a tradução em comandos digitais. Caderno De Graduação - Ciências Biológicas E Da Saúde - UNIT, 3(1), 139–152. https://periodicos.set.edu.br/fitsbiosaude/article/view/2634
Stavisky, S. D., Kao, J. C., Ryu, S. I., & Shenoy, K. V. (2017).Motor Cortical Visuomotor Feedback Activity Is Initially Isolated from Downstream Targets in Output-Null Neural State Space Dimensions. Neuron, 95(1):195-208.e9. 10.1016/j.neuron.2017.05.023.
Tang, J., Liu, Y., Hu, D., & Zhou, Z.(2018). Towards BCI-actuated smart wheelchair system. Biomed Eng Online,17(1):111. 10.1186/s12938-018-0545-x
Twardowski, M. D., Roy, S. H., Li, Z., Contessa, P., De Luca, G., & Kline, J. C. (2018).Motor unit drive: a neural interface for real-time upper limb prosthetic control. J Neural Eng, 6(1):016012. 10.1088/1741-2552/aaeb0f.
Wang, C. H., & Tsai, K. Y.(2022).Optimization of machine learning method combined with brain-computer interface rehabilitation system. J Phys Ther Sci. ,34(5):379-385. 10.1589/jpts.34.379
Wen, D., Fan, Y., Hsu, S. H., Xu, J., Zhou, Y., Tao, J., Lan, X., & Li, F. (2021).Combining brain-computer interface and virtual reality for rehabilitation in neurological diseases: A narrative review. Ann Phys Rehabil Med. 2021 Jan;64(1):101404
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Wanderson Silva Macedo de Sousa; Danielle Costa Lopes; Diego Agripino Chagas Silva; Ana Claudia de Miranda Adad; Jonatas Paulino da Cunha Monteiro Ribeiro; Lyslly Rhanny Soares de Deus ; Gabriela Veiga Macêdo e Araújo; Matheus Sam do Santos Lemos; Tayane de Jesus Bispo; Celina Araújo Veras
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
