Gedankengesteuerte Robotik: Erfolg der Gehirn-Computer-Schnittstelle von UCSF

Forschende der University of California, San Francisco (UCSF), haben gezeigt, dass ein gelähmter Studienteilnehmer einen Roboterarm durch vorgestellte Bewegungen steuern konnte. Die im März 2025 in Cell veröffentlichte Studie untersuchte die Langzeitfunktion einer Gehirn-Computer-Schnittstelle (BCI). Es handelt sich um ein experimentelles System, nicht um ein allgemein verfügbares Hilfsmittel oder eine Behandlung, die die Bewegung des eigenen Arms wiederherstellt.

Wie wurden die Gehirnsignale erfasst?

Das Team verwendete Elektrokortikografie (ECoG): Sensoren lagen auf der Oberfläche des Gehirns. Der englische Ausgangsartikel beschreibt an einer Stelle fälschlich Elektroden, die direkt im Hirngewebe implantiert seien. Das wäre eine andere Technik. Der Teilnehmer konnte nach einem Hirnstammschlaganfall weder sprechen noch sich bewegen. Er stellte sich Bewegungen von Hand, Fuß und Kopf vor; die Schnittstelle ordnete Muster der Gehirnaktivität den beabsichtigten Bewegungen zu.

Bild: Forschung zur Steuerung eines Roboterarms

Warum verändert sich die Steuerung?

Selbst bei derselben vorgestellten Bewegung ist die Aktivität des Gehirns nicht an jedem Tag identisch. Die Forschenden stellten fest, dass die Beziehungen zwischen den verschiedenen Bewegungsmustern relativ stabil blieben, während sich deren absolute Lage leicht verschob. Indem sie diese Veränderung erfassten, konnten sie ein Modell für spätere Sitzungen entwickeln. Dazu trugen sowohl das Training des Teilnehmers als auch die Anpassung des Algorithmus bei. Künstliche Intelligenz machte eine Nachkalibrierung nicht grundsätzlich überflüssig.

Vom virtuellen Training zum realen Roboterarm

Zuerst trainierte der Teilnehmer mit einem virtuellen Arm, der Rückmeldung zur Steuerung gab. Danach konnte er mit dem echten Roboterarm Gegenstände greifen, drehen und versetzen sowie Aufgaben mit mehreren Schritten ausführen. Laut UCSF funktionierte das System sieben Monate ohne fortlaufende Anpassung des Decoders. Monate später war für präzisere Aufgaben eine etwa 15-minütige Feinabstimmung nötig. Die Angabe „sieben Monate“ bedeutet daher nicht, dass nie wieder kalibriert werden musste.

Die Studie umfasste nur wenige Personen und abgegrenzte Aufgaben. Sie zeigt, dass längerfristige neuroprothetische Steuerung in einer Forschungsumgebung möglich ist. Zuverlässigkeit zu Hause, Operations- und Geräterisiken, Kosten und Eignung für andere Patienten müssen weiter untersucht werden. Ein gesicherter Zeitplan von fünf bis zehn Jahren für die breite klinische Nutzung besteht nicht.

Ein anderes Unternehmen auf diesem Gebiet

Synchron erforscht mit dem Stentrode eine Schnittstelle, die über ein Blutgefäß eingebracht wird. Sie unterscheidet sich von den ECoG-Sensoren auf der Hirnoberfläche in der UCSF-Studie. Deren Ergebnis belegt weder die Wirksamkeit von Synchrons Produkt noch einen bestimmten Anlageerfolg.

Weitere Beiträge zur Robotik.

Quellen

Natraj, N. et al. (2025): „Sampling representational plasticity of simple imagined movements across days enables long-term neuroprosthetic control“, Cell 188(5), 1208–1225.e32. doi:10.1016/j.cell.2025.02.001; UCSF-Bericht zur Studie.