Создано новое устройство декодирования сигналов мозга
Машины, которые прикрепляются к мозгу и декодируют его активность, обещают открыть новые виды медицинских возможностей, потенциально позволяя улучшить скрининг на болезнь Альцгеймера или мониторинг внутренних органов.
Одно из наиболее многообещающих применений заключается в том, чтобы позволить людям, страдающим параличом, восстановить контроль над протезами и конечностями с помощью сигналов головного мозга, что команда из Калифорнийского университета в Сан-Франциско (UCSF) и продемонстрировала с помощью первого в своем роде устройство plug-and-play.
Эти типы машин известны как интерфейсы мозг-компьютер (brain-computer interfaces, BCI), и в стадии разработки находится немало таких, которые показали некоторые многообещающие возможности за последние несколько лет. В различных формах эти устройства могут быть имплантированы в мозг и, используя передовые алгоритмы, превращать его электрические сигналы в управляющие входы для всех видов устройств, от протезов конечностей до законченных экзоскелетов и даже дронов.
Новая технология, разработанная в UCSF, может означать значительный шаг вперед в этой области исследований, поскольку ученые сосредоточились на программном обеспечении, которое переводит активность мозга в действие. Этот алгоритм машинного обучения был обучен отслеживать воображаемые движения шеи или запястья парализованного пользователя, наблюдающего, как компьютерный курсор движется по экрану.
Для начала этот алгоритм приходилось каждый день сбрасывать, а программное обеспечение постепенно училось согласовывать желаемые движения пользователя с фактическим движением курсора на экране, что в конечном итоге позволяло им управлять им. Но это могло занять несколько часов экспериментов каждый день, поэтому ученые начали изучать другие варианты.
Некоторые настройки алгоритма позволили ему продолжать узнавать об активности мозга и желаемых движениях пользователя, не перезагружая и не начиная каждый день с нуля. Команда обнаружила, что такой подход позволяет алгоритму постоянно улучшаться каждый день и в конечном итоге означает, что пользователь может подключиться и сразу же начать использовать его с большим эффектом.
BCI, используемый в этих экспериментах, известен как матрица ЭКоГ, которая представляет собой подушечку электродов размером с марку, которая хирургическим путем имплантируется на поверхность мозга. Исследователи получили специальное разрешение имплантировать его парализованным пациентам на долгосрочной основе для целей своих экспериментов и обнаружили, что со временем мозг пользователей оптимизирует свою деятельность, чтобы контролировать BCI, без необходимости ежедневной повторной калибровки.
«Как только пользователь запомнит решение для управления интерфейсом, нет необходимости в сбросе настроек», — говорит Карунеш Гангули, старший автор исследования. «Мозг просто быстро возвращается к тому же решению».
Исследователи обнаружили, что они могут фактически отключить функцию автоматического обновления алгоритма, а пользователь может просто подключиться и начать использовать его каждый день. Даже без ежедневной калибровки производительность не снижалась в течение 44-дневного периода использования, при этом пользователь также мог несколько дней не использовать его и испытывал лишь небольшое снижение производительности.
«В последние годы в области BCI был достигнут большой прогресс, но поскольку существующие системы приходилось перезагружать и калибровать каждый день, они не могли задействовать естественные процессы обучения мозга. Это все равно, что просить кого-то снова и снова с нуля научиться ездить на велосипеде, — говорит Карунеш Гангули. — Адаптация системы искусственного обучения для бесперебойной работы со сложными схемами долгосрочного обучения мозга — это то, чего никогда раньше не было у парализованного человека.»
Исследование было опубликовано в журнале Nature Biotechnology.