Por Keli F. Seidel – Universidade Tecnológica Federal do Paraná – UTFPR

Em um mundo tecnológico, onde hackers tentam a todo momento furtar dados e informações, burlando regras de segurança na internet, ouvir falar de uma máquina projetada para ler mentes pode ser um pouco assustador. Será que pesquisadores estariam projetando uma máquina capaz de acessar seus pensamentos sem sua permissão?

Bom, definitivamente esse não é o intuito da pesquisadora Maryam Shanechi da Universidade do Sul da Califórnia. Seu intuito é permitir que pacientes com paralisia motora consigam desenvolver algum meio de comunicação através da leitura de pulsos cerebrais, os quais são decodificados trazendo novamente uma forma de comunicação a esses pacientes. Seu principal trabalho é desenvolver algoritmos de computador que “traduzam” sinais elétricos emitidos por regiões do cérebro em comandos para uma máquina. Dispositivos elétricos (eletrodos) são implantados sobre o cérebro criando uma interface cérebro-máquina capaz de coletar estes dados. Mais do que isto, estes dispositivos podem também decodificar sinais cerebrais a fim de detectar o estado de humor de um paciente.

Em relação a suas pesquisas sobre detecção de sinais capazes de predizer o humor dos pacientes, seu primeiro trabalho trata de calibrar seu algorítimo à situação real. O que isso significa? Um algoritmo é uma sequência de equações que visa uma solução para um determinado tipo de problema. O trabalho da pesquisadora e seu grupo é verificar quais equações são capazes de interpretar os sinais elétricos emitidos por pacientes com bom humor e com mal humor. Uma vez treinado, o algorítimo é capaz de decodificar o estado de humor do paciente para depois intervir com medicação capaz de alterar/melhorar seu humor [1]. Por mais que possa parecer óbvio que qualquer pessoa seja capaz de dizer seu estado de humor, não necessitando de uma máquina para isso, lembre-se que pacientes com distúrbios neuropsiquiátricos não se encontram necessariamente capazes disso. Os resultados desta pesquisa, publicados em 2018 na renomada Nature Biotechnology, fornecem uma linha inicial de evidência para auxílio a estes tipos de pacientes.

O grupo da pesquisadora Maryam Shanechi também já desenvolveu estudos para decodificar a atividade neural no córtex pré-motor de macacos [2]. Esses macacos não apresentam nenhuma paralisia motora e o intuito é perceber se a máquina consegue detectar os pulsos elétricos ao mesmo tempo que os macacos realizam estes movimentos. Os resultados foram muito positivos uma vez que os eletrodos implantados no cérebro dos animais foram capazes de decodificar simultaneamente uma sequência motora completa com precisão. Veja que a novidade desta pesquisa está relacionada ao refinamento/melhoramento de algoritmos capazes de interpretar os estímulos neurais, uma vez que a utilização destes eletrodos já vem de longa data. O passo seguinte a estes resultados está relacionado a dominar a técnica de leitura de pulsos neurais, para que, posteriormente, pacientes com paralisia possam utilizar esta estrutura para se comunicar com uma máquina de maneira mais precisa do que já existe atualmente. Mais especificamente, isto permite a ascensão de pesquisas relacionadas à restauração de movimentos em pacientes com algum tipo de paralisia, ou ainda, a possibilidade de algum tipo de comunicação a aqueles pacientes em estados mais graves com paralisia total de movimentos motores.

Pesquisas relacionadas a desenvolvimentos de interfaces cérebro/máquina e também na área de inteligência artificial (IA) têm ganhado amplo destaque na ciência. Avanços tecnológicos, através de dispositivos eletrônicos mais eficientes e também computadores com maior potencial de processamento, têm trazido melhorias para essas áreas, tornado tais resultados uma realidade em nosso cotidiano. Já é uma realidade a utilização de “inteligência artificial” para auxiliar em diagnósticos médicos, melhora no tráfego de carros, buscas personalizadas em sua rede de internet, etc e a cada dia ela deve ser ainda mais presente.

Para saber mais, acesse os artigos originais utilizados para produção desse texto:

1. Mood variations decoded from multi-site intracranial human brain activity.
2. Neural population partitioning and a concurrent brain-machine interface for sequential motor function.