Naukowcy z UC San Francisco Weill Institute for Neurosciences pracujący nad protezą kończyny kontrolowanej przez mózg pokazali jak przy pomocy techniki uczenia maszynowego osoby z amputacjami oraz paraliżem mogą je kontrolować.
Osoby z tego typu protezami i macierzą elektrod ECoG mogą je kontrolować za pomocą aktywności mózgu bez konieczności intensywnego codziennego ponownego szkolenia, co było wymogiem wszystkich poprzednich wysiłków związanych z interfejsem mózg-komputer (BCI).
„Dziedzina BCI poczyniła ogromne postępy w ostatnich latach, ale ponieważ istniejące systemy musiały być resetowane i ponownie kalibrowane każdego dnia, nie były one w stanie wykorzystać naturalnych procesów uczenia się mózgu. To tak, jakby poprosić kogoś, aby nauczył się jeździć na jeździć na rowerze od zera ”- powiedział starszy autor badań, dr Karunesh Ganguly, profesor nadzwyczajny na Wydziale Neurologii UCSF.
Osiągnięcie wydajności „plug and play” pokazuje wartość tak zwanych macierzy elektrod ECoG do zastosowań BCI. Macierz ECoG składa się z elektrod o wielkości zbliżonej do karteczki samoprzylepnej, którą umieszcza się chirurgicznie na powierzchni mózgu. Umożliwiają długotrwałe, stabilne rejestrowanie aktywności neuronalnej i zostały zatwierdzone do monitorowania napadów u pacjentów z padaczką. W przeciwieństwie do tego, w przeszłości BCI wykorzystywało układy ostrych elektrod w stylu „poduszeczki szpilkowej”, które penetrują tkankę mózgową w celu uzyskania bardziej czułych zapisów, ale mają tendencję do utraty sygnału w czasie stąd potrzeba ponownego uczenia.
W przypadku nowej technologii naukowcy opracowali algorytm BCI, który wykorzystuje uczenie maszynowe. Dzięki temu komputer dopasowuje aktywność mózgu rejestrowaną przez elektrody ECoG do pożądanych ruchów kursora użytkownika. Osoba z protezą zaczyna od wyobrażenia sobie określonych ruchów szyi i nadgarstka, obserwując, jak kursor przesuwa się po ekranie. Stopniowo algorytm komputerowy aktualizuje się, aby dopasować ruchy kursora do generowanej przez to aktywności mózgu, przekazując kontrolę nad kursorem użytkownikowi.
Najnowsza forma plug and play protez będzie w stanie pomóc osobom z amputacjami kontrolować protezy a algorytm BIC osobom z paraliżem przejąć kontrolę nad mięśniami.
