DOI: https://doi.org/10.60647/R250-1V08
Resumen: El accidente cerebrovascular (ACV) se presenta por la interrupción del flujo sanguíneo hacia el cerebro, siendo una de las principales causas de mortalidad y discapacidad a nivel mundial y en México. En la búsqueda de apoyar en los procesos de rehabilitación post-ACV la combinación de interfaces cerebro-computadora (BCI), basadas en señales cerebrales y el uso de exoesqueletos, emerge como una alternativa promisoria para mejorar la neuroplasticidad y la calidad de vida de los pacientes.
Palabras clave: Rehabilitación, BCI, ACV.
¿Qué es un accidente cerebro vascular?
Un accidente cerebrovascular (ACV) ocurre cuando se interrumpe el flujo sanguíneo hacia el cerebro, lo que da como resultado la falta de oxígeno y provoca la muerte de las células cerebrales y complicaciones graves. Existen dos tipos de ACV, isquémico y hemorrágico, el primero se presenta cuando un coágulo de sangre bloquea un vaso sanguíneo; el segundo es ocasionado por la ruptura de un vaso sanguíneo en el cerebro (Organización Mundial de la Salud, 2025).
Un ACV puede causar discapacidades temporales o permanentes, dependiendo de la gravedad y el tipo de accidente. Las complicaciones más comunes incluyen parálisis parcial o total de algún miembro del cuerpo, falta de equilibrio, dificultad para hablar, afectación de memoria, visión, atención y orientación, lo que representa un gran reto para el paciente y para su familia (Lui et al., 2025).
Panorama en México y en el mundo
Esta afección es una de las principales causas de mortalidad y discapacidad a nivel mundial, al 2021 el accidente cerebrovascular fue la tercera causa de muerte más común (Organización Mundial de la Salud, 2025). En el caso de México el ACV es la séptima causa de muerte, teniendo la mayor cantidad de estas defunciones en los grupos de edad de 45 años y más (Instituto Nacional de Estadística y Geografía).
Los efectos del ACV han empeorado en las últimas dos décadas, lo cual repercute en la calidad de vida de los pacientes. Si bien no todos los ACV provocan la muerte, son una causa de discapacidad a largo plazo. La rehabilitación es sumamente importante en el tratamiento y la recuperación tras un ACV debe iniciarse tan pronto como el paciente se encuentre clínicamente estable.
¿Cómo ayuda la tecnología en la rehabilitación tras un ACV?
La rehabilitación motora tradicional debe incluir ejercicios de motricidad que ayuden a mejorar la fuerza y la coordinación del cuerpo, así como el uso de dispositivos de ayuda para la movilidad, como andadores y sillas de ruedas. El tiempo necesario de rehabilitación del paciente dependerá de la gravedad del ACV, la mayoría requiere de tratamiento a largo plazo, que pueden durar meses o años (Liao et al., 2025).
La rehabilitación asistida con la ayuda de la tecnología juega un papel importante en las personas que han sufrido un ACV. Avances recientes muestran la adopción de interfaces cerebro-computadora (BCI) basadas en imaginación motora (MI) (Liu et al., 2024). Este tipo de tecnología nos permite implementar dispositivos robóticos que puedan ser manipulados únicamente con el pensamiento, como lo son los exoesqueletos.
Importancia de las señales de EEG
Las señales de electroencefalografía (EEG) miden los cambios en la actividad eléctrica del cerebro, es una técnica no invasiva, en la que los electrodos son colocados sobre el cuero cabelludo del paciente (Liu et al., 2024). Estas señales son registradas en forma de ondas que se clasifican de diferente manera, en función de su amplitud o frecuencia; las cuales permiten encontrar patrones para identificar si la actividad cerebral de la persona es normal o anormal. Por ejemplo, se ha explorado su uso para el diagnóstico y seguimiento de padecimientos como la epilepsia, trastornos del sueño, enfermedad de Alzheimer, depresión, accidente cerebro vascular (ACV), entre otras.
Las señales provenientes de nuestro cerebro tienden a verse de distinta forma, dependiendo del paciente y de la gravedad del ACV. El reto es implementar algoritmos computacionales que nos permitan clasificar cada una de estas señales en un conjunto de tareas/clases/patologías previamente definidas y/o etiquetadas. De manera ilustrativa, en la figura 1, presentamos los mapas topográficos de la potencia promedio de la señal de un paciente de ACV durante un intervalo de imaginación motora (movimiento de mano izquierda y mano derecha) de 4 segundos.
En el caso de pacientes con ACV, explorar las señales cerebrales nos permite implementar nuevos métodos de rehabilitación, mediante la implementación de interfaces cerebro- computadora basadas en tareas relacionadas con el movimiento.
Interfaces cerebro-computadora basadas en tareas relacionadas con el movimiento
Las BCI son sistemas que establecen conexión directa entre el cerebro y una computadora o extremidad protésica. Para interactuar con la BCI se necesita tener un mecanismo en que el usuario de la BCI pueda interactuar con ésta, conocidos como neuroparadigmas, siendo el más expandido el de imaginación motora (MI). En las BCI basadas en MI, los pacientes imaginan tareas asociadas con el movimiento sin realizarlo físicamente, activando áreas en el cerebro similares a las que se activan durante un movimiento real, lo cual es útil para los pacientes en recuperación tras un ACV, pues aunque no puedan realizar el movimiento sí pueden imaginarlo. Otro neuroparadigma relacionado con tareas motoras es la intención motora del paciente. En este paradigma el paciente intenta hacer el movimiento de su extremidad afectada, pudiendo existir poco o ningún movimiento oculto en la señal cerebral; lo cual lo hace excelente para propósitos de rehabilitación.
Una de las principales ventajas de las BCI es que los comandos cerebrales se pueden usar para controlar diferentes dispositivos como brazos y manos robóticas, y exoesqueletos (King et al., 2015). El esquema de este proceso se puede observar en la figura 2.
¿Qué es un exoesqueleto y cómo ayuda en la rehabilitación de los pacientes?
Un exoesqueleto robótico es un dispositivo electromecánico diseñado como una estructura externa, cuya finalidad es ayudar a una persona a mejorar su movilidad, resistencia y fuerza. Existen dos tipos principales: los pasivos, que son estructuras en su mayoría rígidas y sin motores diseñadas para reducir el esfuerzo al mover cargas pesadas; y los activos, los cuales incorporan motores, sensores e incluso inteligencia artificial para potenciar el movimiento. Entre sus muchos usos, una de las áreas que más importante es en el campo de la salud. Aquí, el exoesqueleto funciona como un apoyo en la rehabilitación de personas con paraplejia o movilidad reducida, permitiéndoles volver a ponerse de pie y caminar.
¿Y qué pasa cuando combinamos esto con una BCI? Que las señales captadas por el EEG, las cuales ya no llegan al músculo debido al daño del ACV, encuentran una nueva salida: el exoesqueleto. Estas señales del cerebro son traducidas en comandos para los motores del dispositivo robótico. Esta sinergia entre mente y máquina, no solo ayuda a la movilidad, sino que da una retroalimentación al cerebro, estimulando la neuroplasticidad, la cual es fundamental para la recuperación.
Un desarrollo inicial, descrito en (King et al., 2015), permitía que cuando el paciente pensaba en dar un paso, la IA de la BCI interpretaba esa intención, y el exoesqueleto ejecutaba el movimiento. Asimismo, en nuestro país, también se han hecho desarrollos importantes como el proyecto liderado por investigadores del Instituto Nacional de Rehabilitación (INR), cuyo sistema BCI, basado en intención motora, ayudó a personas con ACV durante su rehabilitación de mano usando un exoesqueleto (Cantillo-Negrete et al., 2025).
Principales retos en las BCI basadas en tareas relacionadas con el movimiento
En el caso de BCI basadas en MI, el principal problema es conocido como ineficiencia de la BCI, que remarca la dificultad del sistema para reconocer los patrones cerebrales de entre 10-30% de los usuarios, inclusive a pesar de un entrenamiento previo. Asimismo, la alta variabilidad de las señales cerebrales de los pacientes. En el caso de BCI basadas en la intención de movimiento, el sistema debe detectar este patrón de corta duración que se genera justo antes de realizar el movimiento. Asimismo, al ser sistemas BCI basados en señales de EEG, suelen verse afectados por el registro de otro tipo de señales provenientes del entorno, como parpadeos y movimientos involuntarios del paciente, haciendo que la señal sea susceptible de ruido y, por ende, difícil de clasificar.
Otro reto para el desarrollo de estas tecnologías está en la dificultad de tener acceso a datos de pacientes con ACV para entrenar los algoritmos computacionales. Esto limita la precisión, robustez y generalización de los modelos. En el INAOE, se están realizando estudios para grabar nuevos conjuntos de datos que cumplan con estas características y se investigan modelos de transferencia de aprendizaje que nos permitan reutilizar la información de sujetos sanos. En primera instancia, evaluados en escenarios de pocos datos de sujetos sanos (Toledo Broca & Torres García, 2025) para en trabajos posteriores verificar la eficacia de transferir estos modelos generados con sanos a datos de pacientes. Asimismo, inspirados por el trabajo liderado por el Dr. José del Millán (Kumar et al., 2025a; Kumar et al., 2025b) se está evaluando el uso de BCI bimanuales con un enfoque de transferencia de datos de tareas unimanuales a bimanuales (Cortés Téllez et al., 2026). La motivación detrás de las BCI bimanuales recae en su importancia dado que la mayoría de las actividades de la vida cotidiana son de este tipo. En este escenario, para una tarea común, como abrir una botella, el paciente/usuario interactuaría con el exoesqueleto mediante imaginación o intención del movimiento a la vez que la otra extremidad funcional asiste de una forma más natural para completar dicha tarea (ver figura 3).
Conclusiones
La integración de interfaces cerebro-computadora (BCI) y exoesqueletos robóticos representa un enfoque esperanzador para la rehabilitación de los pacientes después de un ACV. Al aprovechar tareas relacionadas con la actividad motora a nivel cerebral junto con una estimulación mecánica realizada por el exoesqueleto; estas tecnologías ofrecen una alternativa para recuperar la movilidad perdida tras un ACV y abren una puerta a la autonomía del paciente, mejorando su calidad de vida y la de su familia. Aunque la variabilidad de las señales cerebrales y la escasez de datos clínicos siguen siendo retos importantes de cara aplicaciones fuera del laboratorio, el avance en algoritmos de clasificación y la suma de esfuerzos realizados por diversos grupos de investigación tanto a nivel mundial como a nivel nacional acercan cada vez este tipo de aplicaciones.
