Daglig brug af hjernestyrede robotter og neuroproteser er det vigtigste løfte om hjerne-maskine interface (BMI) for mennesker, der lider af alvorlige motoriske handicap. En ny undersøgelse af University of Texas i Austin tager et skridt fremad for hjerne-maskine-grænseflader - computersystemer, der gør sindets aktivitet til handling.
I denne undersøgelse kunne flere personer med motoriske handicap betjene en kørestol, der omsætter deres tanker til bevægelse. Undersøgelsen er også vigtig på grund af det ikke-invasive udstyr, der bruges til at betjene kørestol.
José del R. Millán, professor i Cockrell School of Engineerings Chandra Family Department of Electrical and Computer Engineering, som ledede det internationale forskerhold, sagde: "Vi demonstrerede, at de mennesker, der vil være slutbrugere af denne type enheder, kan navigere i et naturligt miljø ved hjælp af en hjerne-maskine interface".
Forestillingen om en tankedrevet kørestol er blevet undersøgt i årevis. Alligevel har de fleste anstrengelser været afhængige af ikke-handicappede mennesker eller stimuli, der får kørestolen til at kontrollere brugeren i stedet for omvendt.
I dette tilfælde betjente tre personer med tetraplegi – manglende evne til at bevæge sine arme og ben på grund af rygmarvsskader – kørestolen til forskellige grader af succes i kaotiske, naturlige omgivelser. Interfacet fangede deres hjerneaktivitet, og en maskinlæringsalgoritme konverterede det til instruktioner til betjening af kørestolen.
Forskere bemærkede, "Dette er et tegn på fremtidig kommerciel levedygtighed for tankedrevne kørestole, der kan hjælpe mennesker med begrænset motorisk funktion."
"Undersøgelsen er også vigtig på grund af det ikke-invasive udstyr, der bruges til at betjene kørestolen."
Overraskende nok implanterede videnskabsmænd ikke nogen enhed i deltagerne eller brugte nogen form for stimulering på dem. Deltagerne skulle bære en kasket med elektroder, der registrerede hjernens elektriske aktivitet, kendt som en elektroencefalogram (EEG). Disse elektriske signaler blev forstærket og overført til en computer, der omsatte hver deltagers tanker til handling.
To vigtige dynamikker var væsentlige bidragydere til undersøgelsens succes. Det første indebærer et træningsprogram for brugerne.
Teknikkerne til at visualisere at bevæge stolen blev undervist til brugerne på samme måde, som de ville have lært at bevæge deres hænder og fødder. Undersøgelsesdeltagernes hjerneaktivitet ændrede sig, efterhånden som de gav kommandoer, og forskerne var i stand til at overvåge disse ændringer.
Den anden bidragyder lånte fra robotteknologi. For bedre at forstå deres omgivelser udstyrede forskerne deres kørestole med sensorer. Derudover brugte de robotisk intelligenssoftware til at hjælpe kørestolen med at rejse præcist og sikkert ved at udfylde hullerne i brugernes kommandoer.
Millan sagde, "Det fungerer meget som at ride på en hest. Rytteren kan bede hesten om at dreje til venstre eller gå ind i en låge. Men hesten bliver i sidste ende nødt til at finde ud af den optimale måde at udføre disse kommandoer på."
Teammedlemmer i projektet omfatter Luca Tonin fra University of Padova i Italien; Serafeim Perdikis fra University of Essex i Det Forenede Kongerige; Taylan Deniz Kuzu, Jorge Pardo, Thomas Armin Schildhauer, Mirko Aach og Ramón Martínez-Olivera fra Ruhr-Universität Bochum i Tyskland; Bastien Orset fra École polytechnique fédérale de Lausanne i Schweiz; og Kyuhwa Lee fra Wyss Center for Bio and Neuroengineering i Schweiz.
Journal Reference:
- Luca Tonin et al. At lære at styre en BMI-drevet kørestol til mennesker med svær tetraplegi. iScience. DOI: 10.1016/j.isci.2022.105418
