Naukowcy z Carnegie Mellon University (CMU) i University of Pittsburgh (Pitt) opublikowali badania w inżynierii biomedycznej przyrody, które drastycznie poprawią interfejsy mózg-komputer i ich zdolność do pozostania stabilnym podczas użytkowania, znacznie zmniejszając lub potencjalnie eliminując potrzebę ponownej kalibracji tych urządzeń podczas lub między eksperymentami.
Mózg-komputer interfejsów (BCI) są urządzenia, które umożliwiają osobom z niepełnosprawnością ruchową, takich jak paraliż do kontroli protez kończyn, kursory komputera i innych interfejsów przy użyciu tylko ich umysły. Jednym z największych problemów BCI stosowanych w warunkach klinicznych jest niestabilność samych nagrań nerwowych. Z czasem sygnały odbierane przez BCI mogą się różnić, a rezultatem tej zmienności jest to, że dana osoba może stracić zdolność do kontrolowania swojego BCI.
W wyniku tej utraty kontroli badacze proszą użytkownika o przejście przez sesję rekalibracji, która wymaga od niego przerwania tego, co robi i zresetowania połączenia między jego poleceniami myślowymi a wykonywanymi zadaniami. Zazwyczaj inny człowiek jest zaangażowany tylko po to, aby system działał.
"Wyobraźmy sobie, że za każdym razem, gdy chcieliśmy skorzystać z naszego telefonu komórkowego, aby działał poprawnie, musieliśmy jakoś skalibrować ekran, aby wiedział, jaką część ekranu wskazujemy", mówi William Bishop, który wcześniej był doktorantem i doktorem na Wydziale Nauczania Maszyn w CMU, a teraz jest stypendystą w Janelia Farm Research Campus. "Aktualny stan techniki w technologii BCI jest taki. Aby te urządzenia BCI działały, użytkownicy muszą wykonywać te częste rekalibracje. Jest to więc bardzo niewygodne dla użytkowników, jak również dla techników obsługujących urządzenia."
W artykule "A stabilized brain-computer interface based on neural manifold alignment" przedstawiono algorytm uczenia maszynowego, który uwzględnia te różne sygnały i pozwala na dalsze kontrolowanie BCI w obecności tych niestabilności. Wykorzystując odkrycie, że aktywność populacji neuronowej znajduje się w nisko wymiarowej "kolektorze neuronowym", badacze mogą stabilizować aktywność neuronów w celu utrzymania dobrej wydajności BCI w obecności niestabilności.
"Kiedy mówimy 'stabilizacja', mamy na myśli to, że nasze sygnały neuronowe są niestabilne, prawdopodobnie dlatego, że nagrywamy z różnych neuronów w czasie", wyjaśnia Alan Degenhart, podoktorant w inżynierii elektrycznej i komputerowej w CMU. "Znaleźliśmy sposób, aby wziąć różne populacje neuronów w czasie i użyć ich informacji, aby zasadniczo ujawnić wspólny obraz obliczeń, które dzieje się w mózgu, utrzymując w ten sposób BCI kalibrowane pomimo niestabilności neuronów".
Naukowcy nie są pierwszymi, którzy proponują metodę samokalibracji; problem niestabilnych nagrań neuronowych istnieje już od dłuższego czasu. W kilku badaniach zaproponowano procedury samokalibracji, ale pojawiła się kwestia radzenia sobie z niestabilnością. Przedstawiona w pracy metoda jest w stanie wydobyć się z katastroficznej niestabilności, ponieważ nie polega na tym, aby podmiot dobrze radził sobie podczas rekalibracji.
"Powiedzmy, że niestabilność była tak duża, że podmiot nie był już w stanie kontrolować BCI", wyjaśnia Byron Yu, profesor inżynierii elektrycznej i komputerowej oraz inżynierii biomedycznej w CMU. "Istniejące procedury samokalibracji prawdopodobnie zmagają się w tym scenariuszu, podczas gdy w naszej metodzie udowodniliśmy, że w wielu przypadkach może on powrócić do normy po tych katastrofalnych niepewnych warunkach".
"Niestabilność zapisu nerwowego nie jest dobrze scharakteryzowana, ale jest to bardzo duży problem", mówi Emily Oby, doktorantka neurobiologii w Pitt. "Nie ma zbyt wiele literatury, na którą możemy wskazać, ale anegdotycznie, wiele laboratoriów, które prowadzą badania kliniczne z BCI, musi radzić sobie z tym problemem dość często. Ta praca ma potencjał, aby znacznie poprawić żywotność kliniczną BCI i pomóc ustabilizować inne interfejsy neuronowe".
Inni autorzy pracy to Steve Chase z CMU, profesor inżynierii biomedycznej i Neuroscience Institute oraz Aaron Batista z Pitt'a, profesor nadzwyczajny bioinżynierii, i Elizabeth Tyler-Kabara, profesor nadzwyczajny chirurgii neurologicznej. Badania te zostały sfinansowane przez Craig H Neilsen Foundation, National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research oraz Simons Foundation.
