INTERFAZ CEREBRO-ORDENADOR CON IA RECUPERA VOZ Y GESTOS A LA VEZ

El silencio que no es solo ausencia de palabras

Imagínese una conversación en la que las palabras llegan claras, pero el cuerpo permanece inmóvil. Sin un gesto de asentimiento, sin un movimiento de la mano que enfatice una duda, sin esa pequeña inclinación de cabeza que transforma un “tal vez” en complicidad o en rechazo. La comunicación humana no es un simple intercambio de símbolos lingüísticos. Es un proceso multimodal, dinámico y profundamente encarnado en el que el lenguaje verbal y el no verbal se entrelazan para transmitir intención, emoción y matices que las palabras solas no logran capturar.

Para las personas que viven con parálisis severa del tracto vocal y del cuerpo (causada por accidentes cerebrovasculares, esclerosis lateral amiotrófica u otras enfermedades neurodegenerativas), esa dimensión gestual se pierde casi por completo. Las interfaces cerebro-ordenador (BCI, por sus siglas en inglés) han logrado avances notables en la decodificación del habla o de movimientos aislados. Sin embargo, hasta ahora, la mayoría de estos sistemas trataban la voz y el gesto como canales separados. El resultado era una comunicación funcional, pero incompleta: una voz sin cuerpo desde un cuerpo sin voz. 

Un estudio publicado el 14 de septiembre de 2026 en Nature Neuroscience cambia esa lógica. Liderado por Samantha C. Brosler, Jessie R. Liu, Alexander B. Silva y el neurocirujano Edward F. Chang, de la Universidad de California en San Francisco (UCSF), el trabajo demuestra por primera vez que una sola implantación de electrocorticografía de alta densidad (ECoG) asistido por inteligencia artificial puede decodificar de forma simultánea el habla y los gestos de la parte superior del cuerpo en personas con parálisis severa. Los participantes controlaron un avatar virtual de cuerpo completo personalizado, capaz de articular frases y realizar gestos al mismo tiempo. El hallazgo no solo representa un avance técnico: abre una puerta hacia una comunicación más natural, expresiva y psicológicamente significativa.

Un solo implante, dos canales de expresión

El equipo trabajó con tres participantes del ensayo clínico BRAVO (Brain-Computer Interface Restoration of Arm and Voice), personas con diferentes grados de parálisis vocal y corporal, pero con función cognitiva preservada por completo.

Sobre la corteza sensoriomotora (la región del cerebro que controla tanto los movimientos articulatorios del habla como los de brazos y manos) se colocó una malla de 253 electrodos de alta densidad que muestra patrones de actividad parcialmente solapados: algunos electrodos responden preferentemente al habla, otros a los gestos y, además, un tercer subconjunto se activa durante ambos comportamientos.

Los investigadores no se limitaron a leer la actividad cerebral de forma separada. Entrenaron dos modelos de inteligencia artificial (uno para el habla y otro para los gestos) que trabajaban en paralelo. La clave del éxito no fue solo la potencia de los algoritmos, sino la forma en que se alimentaron los datos. Cuando los modelos se entrenaban únicamente con intentos aislados de hablar o de gesticular, fallaban al enfrentarse a situaciones reales en las que la persona intentaba ambas cosas a la vez. La actividad neural durante la comunicación simultánea no es la simple suma de las dos señales. Solo cuando se incorporaron ensayos en los que los participantes intentaban hablar y gesticular al mismo tiempo (junto con estrategias de entrenamiento cruzado entre modalidades) los sistemas mejoraron de forma significativa su precisión y redujeron los errores.

Este hallazgo sugiere que el cerebro mantiene una representación integrada de la intención multimodal, incluso cuando el cuerpo ya no puede ejecutarla.

Los participantes intentaban pronunciar frases concretas o realizar gestos habituales (un saludo con la mano, un “pulgar hacia arriba”, un asentimiento…), tanto de forma aislada como simultánea. Los modelos de aprendizaje automático procesaban en paralelo las señales neurales: un decodificador de habla y otro de gestos. El resultado se proyectaba en un avatar de cuerpo completo personalizado. Cuando el participante intentaba decir algo y gesticular al mismo tiempo, el avatar hablaba y se movía de manera coordinada.

Un hallazgo clave fue que los modelos entrenados únicamente con datos de comportamientos aislados no generalizaban bien las situaciones simultáneas. La actividad cerebral durante el intento concurrente de hablar y gesticular no es simplemente la suma de las actividades individuales. Incorporar ensayos simultáneos en el entrenamiento, junto con estrategias de entrenamiento cruzado entre modalidades, mejoró de forma notable la precisión y redujo tanto los falsos positivos como los falsos negativos.

En condiciones de decodificación offline y en tiempo real, las tasas de acierto alcanzaron valores muy superiores al azar (alrededor del 9%), con cifras que en algunos participantes y contextos se situaron entre el 66% y el 88% según la modalidad y la tarea.

Es oportuno insistir en que el sistema no pretende devolver el control físico del propio cuerpo, sino restaurar la expresión a través de un avatar. Esa decisión, lejos de ser un límite, constituye una ventaja pragmática: permite demostrar que la intención de hablar y gesticular puede extraerse de forma fiable y concurrente de un único implante asistido por la IA.

Más allá de la precisión técnica: la psicología de la comunicación multimodal

Desde una perspectiva psicológica, el valor de este trabajo trasciende los porcentajes de acierto. La comunicación no es solo transmisión de información; es también construcción de identidad, regulación emocional y mantenimiento del vínculo social. Cuando una persona pierde la capacidad de gesticular mientras habla, pierde también una parte de su presencia interpersonal. Los denominados gestos co-speech (aquellos que acompañan de forma natural el discurso) modulan el significado, señalan énfasis, expresan incertidumbre o acuerdo y facilitan la sincronía emocional entre interlocutores. 

Estudios previos en psicología de la comunicación han mostrado que la ausencia de señales no verbales puede generar interpretaciones erróneas, reducir la percepción de empatía y aumentar la sensación de distancia. En contextos de parálisis severa, esta pérdida se suma a la ya profunda alteración de la imagen corporal y de la autonomía. La posibilidad de controlar un avatar que combina voz y movimiento ofrece algo más que funcionalidad: ofrece un vehículo de encarnación digital, una forma de proyectar la propia intención en un cuerpo virtual que puede ser reconocido por los demás como “uno mismo”.

El doctor Edward Chang lo resume con claridad: “Una conversación es mucho más que las palabras que se pronuncian. Es un proceso dinámico y multicapa que involucra a toda la corteza motora”. Restaurar esa multicapa no es un lujo estético, sino que es condición para una interacción más auténtica. Decir “quizá” mientras se asiente o se niega con la cabeza no es lo mismo que emitir la palabra aislada. Ese matiz puede ser decisivo en la vida cotidiana, en la relación con cuidadores, en la intimidad familiar o en la participación social. 

Además, el hecho de que el entrenamiento con datos simultáneos mejore el rendimiento sugiere que el cerebro sigue representando de forma integrada la intención multimodal, incluso cuando la ejecución física está gravemente comprometida. Esta preservación de la representación conjunta tiene implicaciones para la rehabilitación y para la comprensión de cómo se organiza la intención comunicativa en la corteza sensoriomotora.

Limitaciones actuales y el horizonte que se abre

El estudio es una prueba de concepto. El vocabulario de frases y el repertorio de gestos son todavía limitados. La precisión, aunque notablemente superior al azar, no alcanza aún los niveles de fluidez de una conversación cotidiana. Se necesitarán cohortes de pacientes más amplias, con distintas etiologías y grados de parálisis, para evaluar la generalización. También será necesario explorar cómo se comporta el sistema en conversaciones espontáneas, más allá de tareas de copia o de bloques controlados. 

Sin embargo, el camino que abre es claro. Al demostrar que un único implante puede sostener decodificación paralela de habla y gestos, el trabajo sienta las bases para interfaces más flexibles y expresivas. Futuras iteraciones podrían ampliar el vocabulario, incorporar expresiones faciales más ricas, integrar síntesis de voz personalizada en tiempo real y, eventualmente, conectar el avatar con sistemas de realidad aumentada o con robots sociales que amplíen la presencia física de la persona.

Desde el punto de vista psicológico, el impacto potencial es profundo. Recuperar la capacidad de comunicar con matices gestuales puede reducir la sensación de aislamiento, fortalecer la percepción de autonomía y contribuir a una identidad más coherente. No se trata solo de hablar otra vez, sino de volver a estar presentes en la conversación con todo el cuerpo intencional.

Una invitación a repensar la comunicación 

Este avance nos recuerda que la tecnología no solo repara funciones perdidas; también reconfigura lo que entendemos por comunicación humana. Durante décadas, las ayudas técnicas para personas con parálisis severa se centraron en la transmisión eficiente de texto o de comandos. Ahora, la frontera se desplaza hacia la restauración de la expresividad multimodal.

El estudio de Brosler, Liu, Silva, Chang y colaboradores no cierra un capítulo: abre uno nuevo. Demuestra que es posible, con un solo sensor colocado sobre la corteza sensoriomotora, extraer de forma concurrente la intención de hablar y de gesticular, y traducirla en un avatar que habla y se mueve. En un mundo donde cada vez más personas viven con limitaciones motoras y de comunicación, ese logro no es solo un hito de la neuroingeniería. Es un paso hacia una forma más humana de devolver la voz (y las manos) a quienes las habían perdido.

La conversación, después de todo, nunca fue solo de palabras. Y ahora, gracias a este trabajo, el cerebro de algunas personas con parálisis puede volver a demostrar que lo sabe. 

Aquí puedes leer el estudio original.

Si quieres hacer un comentario, recuerda iniciar sesión o registrarte en el recuadro de la esquina superior derecha de la entrada. Nos encantará leerte. Y si nos das un me gusta haciendo clic en el corazoncito, estaremos más encantados todavía.

Las imágenes proceden en parte del artículo original de Nature, en parte de Wikipedia y el resto son de elaboración propia mdiante IA.