Ser o no ser un drogadicto tecnológico puede conducir a un problema común: el estrés tecnológico o también llamado tecnoestrés.

El término se refiere a una «enfermedad de adaptación, el impacto negativo del uso de las tecnologías en una persona«, dijo en una entrevista a Efe Juana Patlán, profesora de la Facultad de Psicología de la Universidad Nacional Autónoma de México (UNAM).

Este trastorno ocurre en todas las personas que están en contacto con las tecnologías de la información y la comunicación (TIC) debido a su trabajo o actividades diarias.

«En realidad, el uso de las TIC por sí mismo no genera estrés tecnológico. Hay muchos factores que intervienen, porque hay personas que no tienen las habilidades para manejarlos, no tienen una buena formación y que influye en su personalidad, autoestima y autoeficacia «, explicó la especialista.

Según el Programa de las Naciones Unidas para el Desarrollo, alrededor del 52% de los usuarios de Internet del planeta sufren alguna forma de comportamiento adictivo relacionado con el uso de dispositivos tecnológicos o hábitos de uso de Internet y redes sociales.

En México, la Asociación Psicoanalítica Mexicana (APM) estima que el 2% de la población entre 11 y 18 años es adicta a la tecnología.

«Es una cifra relativamente baja en comparación con otros países como los Estados Unidos, donde la proporción puede llegar al 40%, o Taiwán, donde el 80% de los jóvenes tienen esta adicción, pero sigue siendo un porcentaje que debería preocupar, hace unos años era del 0,5% «, dijo Delia Hinojosa, presidenta de la APM.

Según datos publicados en mayo de 2016 en la Encuesta de Hábitos de Usuarios de Internet en México realizada por la Asociación Mexicana de Internet (AMIPCI), 65 millones de mexicanos tienen acceso a Internet, lo que representa casi el 59% de la población total.

El 47% de ellos estuvo de acuerdo en que el uso de la tecnología había cambiado significativamente sus hábitos y estilos de vida.

En promedio, el usuario de las nuevas tecnologías en México se conecta a Internet 7 horas y 15 minutos al día, principalmente para usar redes sociales. Francamente, una auténtica barbaridad.

Así, los efectos que el estrés tecnológico puede generar en una persona son «ansiedad, dolores de cabeza, músculos, irritabilidad«, dice Patlán.

La profesora universitaria explica que las personas que utilizan las tecnologías pueden clasificarse en cinco grupos: los que las usan solo lo necesario, los que las aceptan y las adaptan a las necesidades, los que realmente disfrutan trabajando con ellas, los que han creado una Dependencia con las TIC y los que las resisten y las rechazan totalmente.

«Estos últimos tres grupos son los más afectados por los technoestrés», admitió la especialista.

Del mismo modo, Patlán dice que el ritmo actual de trabajo ha impulsado el estrés tecnológico, «la carga de trabajo, la presión del tiempo, el control que se tiene a través de las TIC detonan esta situación«.

Ante todo esto, la especialista consideró necesario trabajar las habilidades de organización y administración de la época.

«El autocontrol también es importante para una persona para conocer sus habilidades en la gestión de las TIC y utilizarlas adecuadamente sin generar resistencia o adicciones», dijo.

Mientras tanto, las empresas deben capacitar adecuadamente a sus empleados en la gestión de estas tecnologías y aprovechar las capacidades de cada una en el uso de las mismas; además, debe evitarse el trabajo rutinario y se deben alentar las actividades del equipo para evitar el aislamiento de los trabajadores, concluyó.

Hace ocho años, el grupo de investigación de Ted Adelson del Laboratorio de Informática e Inteligencia Artificial del MIT (CSAIL) presentó una nueva tecnología de sensores, llamada GelSight, que utiliza el contacto físico (una especie de sentido del tacto) con un objeto para proporcionar un mapa 3-D notablemente detallado de su superficie.

Ahora, mediante el montaje de sensores GelSight en las pinzas de los brazos robóticos, dos equipos del MIT han dado a los robots una mayor sensibilidad y destreza. Los investigadores presentaron su trabajo en dos ponencias en la Conferencia Internacional sobre Robótica y Automatización la semana pasada.

En un artículo, el grupo de Adelson utiliza los datos del sensor GelSight para permitir que un robot juzgue la dureza de las superficies que toca, una habilidad crucial si los robots domésticos manejan objetos cotidianos.

En el otro, el Rob Robot Locomotion Group de Russ Tedrake en CSAIL utiliza sensores GelSight para permitir a un robot manipular objetos más pequeños de lo que era posible anteriormente.

El sensor GelSight es, en algunos aspectos, una solución de no muy alta tecnología para un problema difícil. Consiste en un bloque de goma transparente una cara de la cual está recubierta con pintura metálica. Cuando la cara pintada se presiona contra un objeto, se ajusta a la forma del objeto.

La pintura metálica hace que la superficie del objeto sea reflexiva, por lo que su geometría se vuelve mucho más fácil para que los algoritmos de visión computarizada puedan inferir. Montado en el sensor opuesto a la cara pintada del bloque de goma hay tres luces de color y una sola cámara.

«El sistema tiene luces de colores en diferentes ángulos, y luego tiene este material reflectante, y al mirar los colores, la computadora … puede averiguar la forma tridimensional de lo que es esa cosa«, explica Adelson, el John Y Dorothy Wilson Profesor de Ciencias de la Visión en el Departamento de Ciencias Cerebrales y Cognitivas.

En ambos conjuntos de experimentos, se montó un sensor GelSight en un lado de una pinza robótica, un dispositivo algo parecido a la cabeza de una pinza, pero con superficies de agarre planas en lugar de puntas puntiagudas.

Puntos de contacto y sentido del tacto

Para un robot autónomo, medir la suavidad o la dureza de los objetos es esencial para decidir no solo dónde y cómo es de difícil de coger los objetos sino cómo se comportarán cuando se mueven, apilan o colocan sobre diferentes superficies. La detección táctil también podría ayudar a los robots a distinguir objetos que parezcan similares, sería como el sentido del tacto.

En trabajos anteriores, los robots han intentado evaluar la dureza de los objetos colocándolos sobre una superficie plana y suavemente empujándolos para ver cuánto resisten. Pero esta no es la forma principal en que los humanos miden la dureza. Más bien, nuestros juicios parecen estar basados ​​en el grado en que el área de contacto entre el objeto y nuestros dedos cambia a medida que la presionamos. Los objetos más suaves tienden a aplanarse más, aumentando el área de contacto.

Los investigadores del MIT adoptaron el mismo enfoque. Wenzhen Yuan, un estudiante graduado en ingeniería mecánica y primer autor en el estudio del grupo de Adelson, usó moldes de confitería para crear 400 grupos de objetos de silicona, con 16 objetos por grupo. En cada grupo, los objetos tenían las mismas formas, pero diferentes grados de dureza, que Yuan midió usando una escala industrial estándar.

Entonces presionó un sensor de GelSight contra cada objeto manualmente y registró cómo el patrón del contacto cambió con el tiempo, esencialmente produciendo una película corta para cada objeto. Para normalizar el formato de datos y mantener el tamaño de los datos manejables, extrajo cinco fotogramas de cada película, espaciados uniformemente en el tiempo, lo que describió la deformación del objeto que se presionó.

Finalmente, alimentó los datos a una red neuronal, que buscó automáticamente correlaciones entre los cambios en los patrones de contacto y las mediciones de dureza. El sistema resultante toma marcos de vídeo como entradas y produce puntuaciones de dureza con una precisión muy alta. Yuan también llevó a cabo una serie de experimentos informales en los que los sujetos humanos palparon las frutas y verduras y los clasificó de acuerdo a la dureza. En todos los casos, el robot equipado con GelSight llegó a la misma clasificación; han sido los primeros pasos hacia el sentido del tacto cibernético.

Vistas obstruidas

El trabajo del Robot Locomotion Group nació de la experiencia del grupo con el Robotics Challenge (DRC) de la Defense Advanced Research Projects Agency, en el que equipos académicos e industriales compitieron para desarrollar sistemas de control que guiaran a un robot humanoide a través de una serie de tareas relacionadas con una emergencia hipotética.

Normalmente, un robot autónomo utilizará algún tipo de sistema de visión por ordenador para guiar su manipulación de los objetos en su entorno. Tales sistemas pueden proporcionar información muy fiable sobre la ubicación de un objeto, hasta que el robot recoge el objeto. Especialmente si el objeto es pequeño, gran parte de él será atrapado por la pinza del robot, haciendo la estimación sobre su ubicación mucho más difícil. Por lo tanto, exactamente en el punto en el que el robot necesita conocer la ubicación del objeto con precisión, su estimación se vuelve poco fiable. Este fue el problema que enfrentó el equipo del MIT durante la RDC, cuando su robot tuvo que recoger y encender un taladro eléctrico.

Es por eso que el Robot Locomotion Group se volvió a GelSight. Izatt y sus coautores – Tedrake, el Profesor de Toyota de Ingeniería Eléctrica y Ciencias de la Computación, Aeronáutica y Astronáutica, e Ingeniería Mecánica; Adelson; Y Geronimo Mirano, otro estudiante de postgrado en el grupo de Tedrake, diseñado algoritmos de control que utilizan un sistema de visión por ordenador para guiar la pinza del robot hacia una herramienta y luego convertir la estimación de ubicación a un sensor GelSight una vez que el robot tiene la herramienta en la mano.

En general, el desafío con este enfoque es conciliar los datos producidos por un sistema de visión con los datos producidos por un sensor táctil, que imitaría el sentido del tacto humano. Pero GelSight se basa en la cámara, por lo que su salida de datos es mucho más fácil de integrar con datos visuales que los datos de otros sensores táctiles.

En los experimentos de Izatt, un robot con una pinza equipada con GelSight tuvo que agarrar un destornillador pequeño, sacarlo de una funda y devolverlo a la posición inicial en el interior de su funda. Por supuesto, los datos del sensor de GelSight no describen el destornillador entero, apenas una pequeña parte de él. Pero Izatt descubrió que, mientras la estimación del sistema de visión de la posición inicial del destornillador fuera exacta en unos pocos centímetros, sus algoritmos podían deducir qué parte del destornillador tocaba el sensor GelSight y así determinar la posición del destornillador en la mano del robot.

«Creo que la tecnología GelSight, así como otros sensores táctiles de alto ancho de banda, tendrán un gran impacto en la robótica», dice Sergey Levine, profesor asistente de ingeniería eléctrica e informática de la Universidad de California en Berkeley. «Para los seres humanos, nuestro sentido del tacto es uno de los factores clave que facilitan nuestra asombrosa destreza manual. Los robots actuales carecen de este tipo de destreza y están limitados en su capacidad de reaccionar a las características de la superficie al manipular objetos. Si te imaginas buscando un interruptor de luz en la oscuridad, extrayendo un objeto de tu bolsillo, o cualquiera de las otras muchas cosas que puedes hacer sin siquiera pensar, dependiendo todos ellos del sentido del tacto.

«El software finalmente está alcanzando las capacidades de nuestros sensores», añade Levine. «Algoritmos de aprendizaje de máquinas inspirados en innovaciones en el aprendizaje profundo y la visión por computadora pueden procesar los ricos datos sensoriales de sensores como el GelSight, para deducir las propiedades del objeto. En el futuro, veremos este tipo de métodos de aprendizaje incorporados en habilidades de manipulación entrenadas de extremo a extremo, lo que hará que nuestros robots sean más hábiles y capaces, y tal vez nos ayuden a entender algo sobre nuestro propio sentido del tacto y el control motor .

Los investigadores han revelado que las células T reguladoras (Tregs), un tipo de célula inmunológica generalmente asociada con el control de la inflamación, activan directamente las células madre de la piel para promover el crecimiento saludable del cabello. Sin estas células inmunes asociadas las células madre no pueden regenerar los folículos pilosos, lo que lleva a la calvicie.

«Nuestros folículos pilosos se están reciclando constantemente: cuando un pelo se cae, una parte del folículo piloso tiene que volver a crecer», dijo Michael Rosenblum, profesor asistente de dermatología en UCSF y autor principal de este nuevo documento. «En un principio se había pensado que esto es un proceso enteramente dependiente de células madre, pero resulta que las Tregs son esenciales. Si eliminas este tipo de células inmunes, el cabello no crece«.

El nuevo estudio, publicado en línea el 26 de mayo en Cell , sugiere que los defectos en las Tregs podrían ser las responsables de la alopecia areata, un trastorno autoinmune común que causa la pérdida de cabello, y podría desempeñar un papel en otras formas de calvicie, incluyendo la calvicie masculina, Rosenblum dijo. Dado que las mismas células madre son responsables de ayudar a curar la piel después de una lesión, el estudio plantea la posibilidad de que las Tregs puedan desempeñar un papel clave en la reparación de la herida también.

Las células inmunitarias antiinflamatorias activan las células madre de la piel

Normalmente las Treg actúan como si fueran unos guardianes de la paz o diplomáticos, informando al resto del sistema inmunológico de la diferencia entre amigo y enemigo. Cuando las Tregs no funcionan correctamente, podemos desarrollar alergias a sustancias inofensivas como la proteína del cacahuete o la caspa del gato, o sufren de trastornos autoinmunes.

Al igual que otras células inmunes, la mayoría de las Tregs residen en los ganglios linfáticos del cuerpo, pero algunos viven permanentemente en otros tejidos, donde parecen haber evolucionado para ayudar con las funciones metabólicas locales, así como desempeñar su función antiinflamatoria normal. En la piel, por ejemplo, Rosenblum y colegas han demostrado previamente que las Tregs ayudan a establecer la tolerancia inmune a los microbios sanos de la piel en ratones recién nacidos, y estas células también segregan las moléculas que ayudan a la curación de la herida en edad adulta.

Rosenblum, que es inmunólogo y dermatólogo, quería entender mejor el papel de estas células inmunes residentes en la piel. Para ello, él y su equipo desarrollaron una técnica para eliminar temporalmente las Tregs de la piel. Pero cuando rasparon el pelo de los ratones para hacer observaciones de la piel afectada, hicieron un descubrimiento sorprendente. «Rápidamente nos dimos cuenta de que las partes afeitadas nunca volvían a crecer, y pensamos: ‘Esto se vuelve interesante'», dijo Rosenblum. «Nos dimos cuenta de que teníamos que ahondar más en ello.»

En la nueva investigación, conducida por la UCSF compañero postdoctoral y primer autor Ali Niwa, varias líneas de evidencia sugirieron que las Tregs desempeñaban un papel en el desencadenamiento de la regeneración del folículo piloso.

El papel de las Treg en el desencadenamiento del crecimiento del pelo no parecía relacionado con su capacidad normal de reducir la inflamación de los tejidos, advirtieron los investigadores. En su lugar, descubrieron que estas células desencadenaban la activación de las células madre directamente a través de un sistema de comunicación celular común conocido como el camino Notch. En primer lugar, el equipo demostró que las T reguladoras en la piel secretan niveles inusualmente altos de una proteína de señalización Notch llamada Jagged 1 (Jag1), en comparación con las Tregs en otras partes del cuerpo. Luego vieron que la eliminación de las Tregs de la piel redujo significativamente la señalización Notch en las células madre del folículo y que la sustitución de Tregs con perlas microscópicas cubiertas por la proteína Jag1 restauró la señalización Notch en las células madre y activó con éxito la regeneración folicular.

«Es como si las células madre de la piel y las Tregs han co-evolucionado, por lo que estas células no solo protegen las células madre contra la inflamación, sino también participar en su trabajo regenerativo«, dijo Rosenblum. «Ahora las células madre dependen totalmente de las células T reguladoras para saber cuándo es el momento de comenzar a regenerarse«.

Relevancia a la pérdida de cabello por causa autoinmune

Rosenblum dijo que los hallazgos pueden tener implicaciones para la alopecia areata, una enfermedad autoinmune que interfiere con la regeneración del folículo piloso y hace que los pacientes pierdan el pelo en parches desde el cuero cabelludo, las cejas y la cara. La alopecia está entre las enfermedades autoinmunes humanas más comunes, es tan común como la artritis reumatoide, y más común que la diabetes tipo 1, pero los científicos apenas saben cuál es la causa.

Después de que su equipo observó por primera vez la pérdida del cabello en ratones con déficit de células T reguladoras, Rosenblum aprendió que los genes asociados con la alopecia en estudios previos están casi todos relacionados con estas Tregs, y los tratamientos que aumentan la función de la T reguladoras han demostrado ser un tratamiento eficaz para la enfermedad. Rosenblum cree que una mejor comprensión del papel crítico de las Tregs en el crecimiento del cabello podría conducir a tratamientos mejorados para la pérdida del cabello y la calvicie de manera más general.

La capacidad de un ordenador para predecir cuánto te queda de vida simplemente mirando las imágenes de tus órganos está a un paso de convertirse en una realidad, gracias una nueva investigación.

Los enfoques de medicina de precisión se basan en la obtención de un conocimiento preciso del verdadero estado de salud de un paciente en concreto, que resulta de una combinación de sus riesgos genéticos y exposiciones ambientales. Este enfoque está actualmente limitado por la falta de pruebas médicas no invasivas efectivas y eficientes, para definir la gama completa de la variación fenotípica asociada con la salud individual. Este conocimiento es fundamental para mejorar la intervención temprana, para tomar las decisiones del tratamiento y para tratar la epidemia de enfermedades crónicas que empeora constantemente.

Se han presentado experimentos de prueba para demostrar cómo por la adquisición sistemática de imágenes a través de la TC de corte transversal se puede utilizar para predecir la longevidad del paciente como una guía para la salud individual y el estado general de la enfermedad mediante técnicas de análisis de imagen por ordenador. A pesar de las limitaciones de un conjunto de datos modesto y el uso de métodos de aprendizaje de la máquina, nuestros resultados son comparables a los métodos clínicos manuales previos para la predicción de la longevidad.

Este trabajo demuestra que las técnicas radiográficas pueden utilizarse para extraer biomarcadores relevantes para cada uno de los resultados más ampliamente utilizados en la investigación epidemiológica y clínica, sobre la mortalidad; y que el aprendizaje profundo con las redes neuronales convolucionales (redes neuronales artificiales) puede aplicarse de manera útil a la investigación radiológica. El análisis de imágenes computarizadas aplicado a imágenes médicas recopiladas rutinariamente ofrece un potencial sustancial para mejorar las iniciativas de medicina de precisión.

La investigación, ahora publicada en la revista científica Nature Reports, tiene implicaciones para el diagnóstico precoz de enfermedades graves y la intervención médica.

Investigadores de la Escuela de Salud Pública de la Universidad y la Escuela de Ciencias de la Computación, junto con colaboradores australianos e internacionales, utilizaron la inteligencia artificial para analizar la imagen médica de 48 pechos de pacientes. Este análisis computarizado fue capaz de predecir qué pacientes morirían dentro de cinco años, con el 69% de precisión, comparable a las predicciones «manuales» por los clínicos.

Este es el primer estudio de este tipo con imágenes médicas e inteligencia artificial.

«Predecir el futuro de un paciente es útil porque puede ayudar a los médicos a adaptar los tratamientos al individuo«, dice el autor principal, el Dr. Luke Oakden-Rayner, radiólogo y estudiante de doctorado de la Escuela de Salud Pública de la Universidad de Adelaida.

«La evaluación precisa de la edad biológica y la predicción de la longevidad de un paciente ha sido hasta ahora limitada a la capacidad de los médicos para mirar el interior del cuerpo y medir la salud de cada órgano”, casi como lo hacían los antiguos arúspices.

«Nuestra investigación ha indagado en el uso del «aprendizaje profundo», una técnica donde los sistemas informáticos pueden aprender a entender y analizar imágenes” mediante algoritmos.

«Aunque para este estudio solo se utilizó una pequeña muestra de pacientes, nuestra investigación sugiere que la computadora ha aprendido a reconocer las apariciones complejas de imágenes de las enfermedades, algo que requiere un entrenamiento extenso para los expertos humanos», dice el Dr. Oakden-Rayner.

Si bien los investigadores no pudieron identificar exactamente lo que el sistema informático estaba viendo en las imágenes para hacer sus predicciones, las predicciones más fiables se hicieron para los pacientes con enfermedades crónicas severas como el enfisema y la insuficiencia cardíaca congestiva.

«En lugar de centrarse en el diagnóstico de enfermedades, los sistemas automatizados pueden predecir los resultados médicos de una manera que los médicos no están capacitados para hacer, mediante la incorporación de grandes volúmenes de datos y la detección de patrones sutiles», dice el Dr. Oakden-Rayner.

Nuestra investigación abre nuevas vías para la aplicación de la tecnología de inteligencia artificial en el análisis de imágenes médicas, y podría ofrecer una nueva esperanza para la detección temprana de enfermedades graves, que requieren intervenciones médicas específicas.

Presentamos un estudio preliminar de «prueba de principio» para evaluar la utilidad de la imagen médica para el fenotipado de la salud. Investigamos el análisis de la TC torácica de forma rutinaria en pacientes adultos (edad> 60) para predecir la longevidad. Elegimos la longevidad como nuestro resultado primario, ya que la mortalidad representa un resultado fácilmente obtenido y bien definido (en este caso, la tasa de mortalidad a los 5 años) y se correlaciona fuertemente con la presencia subyacente de enfermedad crónica. La fuerte relación entre la edad, la morbilidad y la mortalidad motiva la selección de la mortalidad a corto plazo como biomarcador sustituto para el estado general de salud. Las tomografías computarizadas son también la modalidad de imagen transversal menos variable a la estandarización de valores de píxeles y la relación definida entre los valores de píxeles y la densidad física del tejido. Finalmente, el tórax contiene tejidos directamente implicados en gran parte de la morbilidad y mortalidad en adultos mayores (es decir, en los pulmones, corazón, grandes vasos y otros órganos). Muchos de los métodos existentes de biomarcadores de imágenes cuantitativas relacionadas con la enfermedad crónica y la mortalidad utilizan CT imágenes de tórax.

La predicción de la mortalidad se ha intentado previamente utilizando datos clínicos, incluidos los resultados de las encuestas y las pruebas de laboratorio. Si bien se ha logrado una precisión prometedora con estos métodos, las herramientas no han sido ampliamente adoptadas. Ha habido un trabajo mínimo para integrar los datos de imágenes médicas en los sistemas para predecir la mortalidad.

Investigamos tanto el análisis de imagen tradicional con características definidas por humanos y técnicas de aprendizaje profundo («redes neuronales convolucionales») para esta tarea, ya que estas técnicas tienen diferentes fortalezas y debilidades. En particular, los métodos tradicionales de análisis de imágenes han sido previamente validados como un método para describir cambios sutiles en los tejidos, y el aprendizaje profundo ofrece el aprendizaje automático y sin hipótesis de características de imágenes complejas y de alto nivel.

Presentamos la novedosa aplicación de estos métodos a la predicción de la longevidad en pacientes adultos mayores, como una evidencia para motivar la aplicación de técnicas de radiografía a imágenes médicas para producir biomarcadores para las aplicaciones de medicina de precisión.

Los investigadores esperan aplicar las mismas técnicas para predecir otras condiciones médicas importantes, como la aparición de ataques cardíacos.

La siguiente etapa de su investigación implica el análisis de decenas de miles de imágenes de pacientes.

Un método no invasivo para la estimulación del cerebro mediante unos electrodos colocados en el cuero cabelludo podría ayudar a los pacientes con enfermedades cerebrales.

Aplicar una corriente eléctrica a una parte del cerebro involucrada en el control de movimiento ha demostrado ser exitoso en el tratamiento para muchos pacientes con enfermedad de Parkinson. Este enfoque, conocido como estimulación cerebral profunda, requiere la implantación de electrodos en el cerebro, un procedimiento complejo que conlleva algún riesgo para el paciente.

Ahora, los investigadores del MIT, que colaboran con investigadores del Beth Israel Deaconess Medical Center (BIDMC) y la IT’IS Foundation, han encontrado una forma de estimular regiones profundas del cerebro usando electrodos colocados en el cuero cabelludo. Este enfoque podría hacer que la estimulación cerebral profunda fuera no invasiva, menos arriesgada, menos costosa y más accesible a los pacientes.

«La estimulación cerebral tradicional requiere la apertura del cráneo y la implantación de un electrodo, que puede tener complicaciones. En segundo lugar, solo un pequeño número de personas puede hacer este tipo de neurocirugía «, dice Ed Boyden, profesor asociado de ingeniería biológica y Ciencias Cerebrales y Cognitivas en el MIT, y el autor principal del estudio, que aparece en la edición del 1 de junio de Cell.

Los médicos también utilizan la estimulación cerebral profunda para tratar a algunos pacientes con trastorno obsesivo-compulsivo, epilepsia y depresión, y están explorando la posibilidad de usarlo para tratar otras condiciones como el autismo. El nuevo enfoque no invasivo podría facilitar la adaptación de la estimulación cerebral profunda para tratar trastornos adicionales, dicen los investigadores.

«Con la capacidad de estimular las estructuras cerebrales no invasiva, esperamos que podamos ayudar a descubrir nuevos objetivos para el tratamiento de los trastornos cerebrales«, dice el autor principal del documento, Nir Grossman, un ex post-doctorado Wellcome Trust-MIT que trabaja en MIT y BIDMC, que ahora es Un investigador del Imperial College de Londres.

Ubicaciones profundas

Los electrodos para el tratamiento de la enfermedad de Parkinson se colocan generalmente en el núcleo subtalámico, una estructura en forma de lente situada debajo del tálamo, en el interior del cerebro. Para muchos pacientes de Parkinson, la aplicación de impulsos eléctricos en esta región del cerebro puede mejorar los síntomas, pero la cirugía para implantar los electrodos conlleva riesgos, incluyendo hemorragia cerebral e infección.

Otros investigadores han intentado no invasivamente estimular el cerebro usando técnicas tales como la estimulación magnética transcraneal (TMS), que está aprobado por la FDA para el tratamiento de la depresión. Dado que el SMT no es invasivo, también se ha utilizado en sujetos humanos normales para estudiar la ciencia básica de la cognición, la emoción, la sensación y el movimiento. Sin embargo, el uso de TMS para estimular las estructuras cerebrales profundas también puede resultar en regiones de superficie que se estimulan fuertemente, resultando en la modulación de múltiples redes cerebrales.

El equipo del MIT ideó una forma de proporcionar estimulación eléctrica en el interior del cerebro, a través de electrodos colocados en el cuero cabelludo, aprovechando un fenómeno conocido como interferencia temporal.

Esta estrategia requiere generar dos corrientes eléctricas de alta frecuencia utilizando electrodos colocados fuera del cerebro. Sin embargo, estas corrientes interfieren entre sí de tal manera que donde se intersectan, profundamente en el cerebro, una pequeña región de corriente de baja frecuencia se genera dentro de las neuronas. Esta corriente de baja frecuencia se puede utilizar para impulsar la actividad eléctrica de las neuronas, mientras que la corriente de alta frecuencia pasa a través del tejido circundante sin ningún efecto.

Al ajustar la frecuencia de estas corrientes y cambiar el número y la ubicación de los electrodos, los investigadores pueden controlar el tamaño y la ubicación del tejido cerebral que recibe la estimulación de baja frecuencia. Pueden apuntar localizaciones profundas dentro del cerebro sin afectar ninguna de las estructuras circundantes del cerebro. También pueden dirigir la localización de la estimulación, sin mover los electrodos, alterando las corrientes. De esta forma, se podrían estimular objetivos profundos, tanto para el uso terapéutico como para las investigaciones científicas básicas.

«Se puede ir hacia objetivos profundos y evitar las neuronas superpuestas, aunque la resolución espacial no es tan buena como la de la estimulación cerebral profunda«, dice Boyden, miembro del Media Lab del MIT y del McGovern Institute for Brain Research.

«El hecho de que solo dos fuentes sean necesarias y uno puede conceptualmente orientar el enfoque es fascinante. Puedo ver un futuro posible donde esta tecnología podría ser portátil para la estimulación cerebral no invasiva profunda como terapia. Si el trabajo pudiera mostrarse en modelos animales más grandes que un ratón, sería aún más optimista «, dice Tipu Aziz, profesor de neurocirugía de la Universidad de Oxford, que no participó en la investigación.

Estimulación dirigida

Li-Huei Tsai, directora del MIT’s Picower Institute for Learning and Memory, y los investigadores de su laboratorio probaron esta técnica en ratones y encontraron que podían estimular pequeñas regiones en el interior del cerebro, incluyendo el hipocampo. También fueron capaces de cambiar el sitio de la estimulación, lo que les permite activar diferentes partes de la corteza motora y pedir a los ratones para mover sus extremidades, las orejas, o bigotes.

«Mostramos que podemos enfocar con precisión una región cerebral para obtener no solo la activación neuronal sino respuestas conductuales», dice Tsai, quien es autor del artículo.» Creo que es muy emocionante, porque la enfermedad de Parkinson y otros trastornos del movimiento parecen originarse en una región muy particular del cerebro, y si puedes apuntar a eso, tienes el potencial para revertirlo».

Significativamente, en los experimentos del hipocampo, la técnica no activó las neuronas en la corteza, la región situada entre los electrodos en el cráneo y el objetivo en el interior del cerebro. Los investigadores también no encontraron efectos nocivos en ninguna parte del cerebro.

El año pasado, Tsai demostró que el uso de la luz para inducir visualmente ondas cerebrales de una frecuencia particular podría reducir sustancialmente las placas beta-amiloides observadas en la enfermedad de Alzheimer, en el cerebro de los ratones. Ahora planea explorar si este tipo de estimulación eléctrica podría ofrecer una nueva forma de generar el mismo tipo de ondas cerebrales beneficiosas.

Hay un límite a la velocidad con que los vehículos autónomos (drones) pueden volar, consiguiendo así evitar con seguridad los obstáculos. Esto se debe a que las cámaras usadas en los drones de hoy en día solo pueden procesar imágenes tan rápido como un marco por cuadro individual. Más allá de los aproximadamente 48 kilómetros por hora, un drone es probable que se bloquee simplemente porque sus cámaras no pueden actualizarse.

Recientemente, los investigadores de Zurich inventaron un nuevo tipo de cámara, conocida como el Sensor de Visión Dinámica (DVS), que visualiza continuamente una escena en términos de cambios de brillo, a intervalos de microsegundos extremadamente cortos. Pero este lluvia de datos puede abrumar a un sistema, lo que hace difícil para que los drones puedan distinguir un obstáculo que se aproxima a través del ruido.

Ahora los ingenieros en el MIT han llegado con un algoritmo para sintonizar una cámara DVS para detectar sólo los cambios específicos de brillo que importan para un sistema particular, simplificando enormemente una escena a sus elementos visuales más esenciales.

Los resultados que presentaron esta semana en la IEEE American Control Conference en Seattle pueden aplicarse a cualquier sistema lineal que dirige a un robot a moverse del punto A al punto B como respuesta a los datos visuales de alta velocidad. Eventualmente, los resultados también podrían ayudar a aumentar las velocidades de los sistemas más complejos como los drones y otros robots autónomos.

«Hay una nueva familia de sensores de visión que tiene la capacidad de llevar el vuelo autónomo de alta velocidad a la realidad aplicada a los drones, pero los investigadores no han desarrollado algoritmos que sean adecuados para procesar los datos de salida», dice Prince Singh, estudiante graduado en MIT Departamento de Aeronáutica y Astronáutica. «Presentamos un primer enfoque para dar sentido a los datos ambiguos del DVS, al reformular el sistema inherentemente ruidoso en una forma accesible«.

Los coautores de Singh son el profesor visitante del MIT Emilio Frazzoli del Instituto Federal Suizo de Tecnología en Zurich y Sze Zheng Yong de la Universidad Estatal de Arizona.

Tomando una señal visual de la biología

La cámara DVS es el primer sensor «neuromórfico» comercialmente disponible, una clase de sensores que se modelan después de los sistemas de visión en animales y seres humanos. En las primeras etapas del procesamiento de una escena, las células fotosensibles en la retina humana, por ejemplo, se activan en respuesta a cambios de luminosidad, en tiempo real.

Los sensores neuromórficos están diseñados con múltiples circuitos dispuestos en paralelo, de forma similar a las células fotosensibles, que activan y producen píxeles azules o rojos en la pantalla del ordenador en respuesta a una reducción o un aumento de brillo.

En lugar de una alimentación de video típica, un drone con una cámara DVS «vería» una representación granulada de píxeles que cambian entre dos colores, dependiendo de si ese punto en el espacio se ha iluminado u oscurecido en un momento dado. El sensor no requiere procesamiento de imágenes y está diseñado para permitir, entre otras aplicaciones, un vuelo autónomo de alta velocidad.

Los investigadores han utilizado cámaras DVS para permitir que los sistemas lineales simples vean y reaccionen ante eventos de alta velocidad, y han diseñado controladores o algoritmos para traducir rápidamente los datos DVS y llevar a cabo las respuestas apropiadas. Por ejemplo, los ingenieros han diseñado controladores que interpretan cambios de píxeles para controlar los movimientos de un portero robótico para bloquear un balón de fútbol entrante, así como para dirigir una plataforma motorizada para mantener un lápiz erguido.

Pero para cualquier sistema DVS dado, los investigadores han tenido que empezar de cero en el diseño de un controlador para traducir DVS datos de una manera significativa para ese sistema en particular.

«Los ejemplos de lápiz y portero están muy limitados geométricamente, es decir, si me das esos escenarios específicos, puedo diseñar un controlador», dice Singh. «Pero la pregunta es, ¿y si quiero hacer algo más complicado?»

Corte a través del ruido

En el nuevo trabajo del equipo, los investigadores informan del desarrollo de una especie de controlador universal que puede traducir DVS datos de una manera significativa para cualquier sistema lineal, robótico simple. La clave del controlador es que identifica el valor ideal para un parámetro que Singh llama «H», o el valor umbral de evento, que significa el cambio mínimo de brillo que el sistema puede detectar.

El establecimiento del valor de H para un sistema particular puede esencialmente determinar la sensibilidad visual del sistema: Un sistema con un valor de H bajo se programaría para capturar e interpretar los cambios en la luminosidad que van desde muy pequeño hasta relativamente grande, mientras que un valor alto de H excluiría Pequeños cambios, y solo «ver» y reaccionar a grandes variaciones de brillo.

Los investigadores formularon un algoritmo primero teniendo en cuenta la posibilidad de que ocurriría un cambio en el brillo para cada «evento» o píxel activado en un sistema particular. También estimaron la probabilidad de «eventos espurios», como un píxel que falla al azar, creando un ruido falso en los datos.

Una vez que se derivó una fórmula con estas variables en mente, fueron capaces de trabajar en un conocido algoritmo conocido como un H-infinity o controlador robusto, para determinar el valor de H para ese sistema.

El algoritmo ahora se puede utilizar para establecer la sensibilidad de una cámara DVS para detectar los cambios más esenciales en el brillo de cualquier sistema lineal dado, excluyendo las señales extrañas. Los investigadores realizaron una simulación numérica para probar el algoritmo, identificando un valor de H para un sistema lineal teórico, que encontraron capaz de permanecer estable y llevar a cabo su función sin ser interrumpido por eventos de píxeles extraños.

«Encontramos que este umbral H sirve como un» punto dulce «, para que un sistema no se sienta abrumado por demasiados eventos», dice Singh. Añade que los nuevos resultados «unifican el control de muchos sistemas» y representan un primer paso hacia robots autónomos más rápidos y estables, como el Robobee, desarrollado por investigadores de la Universidad de Harvard.

«Queremos romper ese límite de velocidad de 32 a 48 kilómetros por hora, e ir más rápido sin colisionar«, dice Singh.

En su libro Beyond Infinity (Más allá del infinito), la Dra. Eugenia Cheng explora el funcionamiento interno del infinito, un misterioso concepto que todos conocemos desde la infancia, pero que nunca hemos pretendido comprender, ya que parece estar reñido con nuestro propio cerebro finito. Hay hechos infinitos en el libro (bueno, bastantes, muchos, en cualquier caso), pero aquí es solo os explicamos una mínima expresión.

Infinito más uno

Imagina un hotel infinito con habitaciones numeradas 1, 2, 3, 4 y así sucesivamente y progresivamente. Incluso si tuviese lleno, siempre podría caber otro huésped más, pide a todos los huéspedes subir una habitación, dejando la habitación 1 gratis para el nuevo huésped. Sin embargo, esto causaría una molestia infinita, ya que todos los huéspedes tienen que cambiar de habitación. No sería ninguna molestia si el invitado extra llegase el primero. Esto demuestra que uno más infinito no es igual que infinito más uno. Shakespeare sabía esto dijo «Para siempre y un día«. Él debía saber que esto es más que meramente «para siempre«.

¿Mayor que infinito?

Algunos infinitos son más grandes que otros. El infinito más pequeño es cuántos números enteros hay: 1, 2, 3, 4 y así sucesivamente y en progresión. Si incluimos fracciones hay infinitamente más números. De hecho, hay infinitas fracciones entre cada número entero. Pero en general no hay más números a menos que incluyamos los números irracionales, los «decimales que duran para siempre«. Hay dos para el poder de la infinitud de aquellos, es decir, 2 x 2 x 2 … multiplicado infinitamente muchas veces. El matemático Georg Cantor demostró que esto es más grande que el infinito, cualquier tipo de infinito con el que empieces.

La paradoja de Zenón

Un día tiene solo un número finito de horas y un número finito de minutos, pero haces infinidad de cosas todos los días. Incluso para caminar hasta la nevera y cubrir un número infinito de distancias: primero hay que cubrir la mitad de la distancia, luego la mitad de la distancia restante, y la mitad de la distancia restante, y así sucesivamente progresivamente. Afortunadamente, puedes cubrir esas infinitas distancias en tiempo finito, de lo contrario estarías infinitamente hambriento. Esta es la paradoja de Zenón, y no se resolvió realmente hasta la invención del cálculo un par de miles de años después de la muerte de Zenón.

Otro mundo

Tú puede pensar que 1/0 es infinito. Pero no lo es. Pero también lo es. ¿Cómo pueden ambos ser verdad? Depende del mundo matemático en el que te encuentres. En el mundo de los números ordinarios, la división por cero no puede definirse. Si 1/0 tenía una respuesta, entonces todo se colapsaría a cero. Pero hay un mundo matemático llamado los números complejos extendidos en los cuales podemos definir 1/0 para ser infinito sin colapsar todo. Esto nos demuestra que las matemáticas no es todo sobre el bien y el mal, sino sobre la investigación de diferentes mundos posibles en los que diferentes cosas pueden ser verdad.

Relaciones complejas

Si fuéramos inmortales podríamos procrastinar para siempre. En realidad, hay una versión matemática de esto, que es un teorema que la Dra. Cheng ha demostrado. Su investigación se centra en la teoría de categorías de dimensiones superiores, que consiste en estudiar las relaciones entre las cosas, las relaciones entre las relaciones, las relaciones entre las relaciones entre las relaciones, y así sucesivamente. En dimensiones finitas tienes que parar en un cierto punto y decidir qué relaciones cuentan como equivalente. Esas decisiones son matemáticamente difíciles. Mientras que en dimensiones infinitas tu puedes posponer la decisión para siempre. Esto significa que la categoría dimensional infinita es más fácil de trabajar que la finita. Es satisfactoriamente raro.

Considérate infinitamente más sabio después de estos hechos fascinantes que explica el nuevo libro de Eugenia Cheng sobre este concepto matemático, el más curioso y el más bello de las matemáticas.