Mielenohjattu robotiikka: UCSF:n Brain-Computer Interface Success

Kalifornian yliopiston San Franciscossa (UCSF) tutkijaryhmä on kehittänyt ainutlaatuisen aivo-tietokone-rajapinnan (BCI), joka tuo maailman askeleen lähemmäksi mielenohjattavia robotteja. Näin uusi järjestelmä voi muuttaa tapaasi käyttää laitteitasi pitkällä aikavälillä ja auttaa raajan menetyksestä kärsiviä parantamaan elämänlaatuaan.

Brain-Computer Interface (BCI)

Ajatuskeskeisten laitteiden käyttö markkinoilla laajenee jatkuvasti. Näiden laitteiden avulla ihmiset voivat ohjata laitteita pelkästään ajatusten avulla. Ne toimivat käyttämällä erilaisia ​​sähkömagneettisia antureita, jotka voivat seurata aivotoiminnan muutoksia. Nämä järjestelmät hyödyntävät aivojen selkeitä somatotooppisia representaatioita yksinkertaisista toiminnoista, kuten sormen napauttamisesta, liikkeidensä määrittämiseen.

Ongelmia nykypäivän aivojen ja tietokoneiden rajapinnassa

BCI:t tarjoavat markkinoille jännittäviä mahdollisuuksia, mutta teknologia on vielä vasta alkuvaiheessa. Merkittävät haitat, kuten näiden laitteiden ohjelmointikustannukset ja tarve säätää jatkuvasti uudelleen oikean kalibroinnin saavuttamiseksi, rajoittavat edelleen käyttöönottoa. Onneksi uusi tutkimus tutkii, miksi BCI:t tarvitsevat uudelleensäätöjä, ja esittelee uuden järjestelmän, joka tarjoaa pitkäaikaista BCI-tukea.

Brain-Computer Interface -tutkimus

Tutkimus nimeltä "Yksinkertaisten kuviteltujen liikkeiden edustavan plastisuuden näytteiden ottaminen useiden päivien aikana mahdollistaa pitkän aikavälin neuroproteesin hallinnan"¹ Julkaistu tieteellisessä lehdessä Cell tarjoaa yksityiskohtia siitä, kuinka mahdollistaa pitkän aikavälin monimutkainen neuroproteesiohjaus.

Mielenohjattu robotiikka

Tutkimuksen tavoitteena oli seurata, luetteloida ja löytää muutoksia aivojen toiminnassa päivittäisissä tehtävissä ja yksinkertaisissa liikkeissä. Tämän tehtävän suorittamiseksi tutkijat seurasivat aivojen toiminnan esitysrakenteen muutoksia päivien aikana BCI-ohjauksen avulla.

Sähkökortikografia Brain-Computer Interface

Elektrokortikografia BCI antoi insinööreille mahdollisuuden verrata hermotoimintaa unihemispheric ECoG-verkkoon, joka edustaa ruumiinosien kuviteltuja liikkeitä. Tätä lähestymistapaa vaadittiin aivojen esitysrakenteen määrittämiseksi. Erityisesti ryhmä käytti parittaista erotusta seurantamittarina.

BCI integroi tekoälymalleja (AI) sopeutuakseen hermoston aktiivisuusmallien asteittaisiin muutoksiin ajan myötä. Näitä muutoksia, jotka tunnetaan representaatioajautumisena, tapahtuu, kun aivot sopeutuvat toistuviin motorisiin tehtäviin. Tekoäly tarkentaa aivosignaalien tulkintaa, jolloin osallistuja voi säilyttää robottikäsivarren hallinnan kuukausien ajan. Tutkimuksessa käytettiin aivokuoren sisäistä aivo-tietokone-rajapintaa, jossa pienet elektrodit istutettiin suoraan aivoihin hermoston aktiivisuuden tallentamiseksi. Toisin kuin elektrokortikografiassa (ECoG), jossa anturit sijoitetaan aivojen pinnalle, aivokuoren sisäiset implantit tarjoavat korkean resoluution tallenteita, mutta ne vaativat suoran istutuksen aivokudokseen.

Plastisuus

Plastisuus viittaa aivojesi kykyyn sopeutua ympäristön, terveydentilan tai kokemusten muutoksiin. Tarkemmin sanottuna aivojesi synaptinen plastisuus, homeostaattinen plastisuus ja aikuisen neurogeneesi käyvät läpi adaptiivisia rakenteellisia ja toiminnallisia muutoksia päivittäin.

Nämä pienet muutokset eivät ehkä ole havaittavissa ihmisille, mutta BCI:n on voitettava tämä haaste pysyäkseen vakaana. Sellaisenaan tutkijat piirsivät kronologisesti kunkin istunnon keskimääräisen Mahalanobis-etäisyyden jäljitettävyyden varmistamiseksi.

Edustuksellinen Drift

Hermoston ajautuminen on toinen ilmiö, joka insinöörien on otettava huomioon luodessaan BCI-järjestelmää. Drift viittaa toiminnan ja käyttäytymisen muutoksiin ajan myötä. Ajelehtia esiintyy useimmilla pitkäaikaisilla muistoilla, jotka ympäröivät motorisia taitoja.

Ymmärtäen, että tuttujen liikkeiden hermoesitykset kehittyvät jatkuvasti, tiimi rakensi yhteisen monistimen päivien tietojen perusteella. He seurasivat tarkkoja päivittäisiä muutoksia ja spesifisiä eroja, erityisesti hermokeskuksissa, joita ei löytynyt alkuperäisen esityksen rakenteesta.

Neuraalinen esitysvarianssi

Insinöörit pystyivät ottamaan huomioon kunkin toiminnon hermoston edustavuuden varianssin. Sellaisenaan ryhmä paljasti meta-esitysrakenteen, jossa oli yleistettävissä olevat päätösrajat kullekin toimintaohjelmalle, joka voisi sijaita sen siirtyessä koko mentaaliverkostossa.

Erityisesti ryhmä tutki aiemmin henkistä varianssia eläimillä. Näiden tutkimusten aikana he huomasivat ensimmäisen kerran, että päivittäiset toiminnot olivat helposti purettavissa suurella tarkkuudella käyttämällä BCI-antureita. He totesivat myös, että toimet stimuloivat erilaisia ​​sentroideja hermojärjestelmän yli ajan edetessä.

Pitkäaikainen aivo-tietokoneliitäntä

Tämä löytö johti insinöörit seuraamaan migraatioiden representaatioita aivoverkossa saavuttaakseen pitkäaikaisen BCI-kontrollin. Tarkemmin sanottuna tutkijat pystyivät seuraamaan ja säätämään päivän mittaan tapahtuvaa plastisuutta ja ajautumista patentoidun tekoälyn avulla.

Aivojen ja tietokoneiden käyttöliittymätesti

Osana testausvaihetta insinöörit keräsivät tietoja 30 toimenpiteestä 49 kokeilusta ja 32 toimenpiteestä 48 kokeilusta. Erityisesti testi keskittyi yhteen kehon osaan, käteen. Ensimmäinen askel oli valita toimintojen osajoukko ja mitata toimien esitysrakennetta eri yhteyksissä. Lopullisena tavoitteena oli ohjata virtuaalista Jaco-robottikäsiä.

Brain-Computer Interface Testin osallistujat

Insinöörit valitsivat osallistujan, joka kärsi vakavasta tetrapareesista ja anartriasta kahdenvälisen aivorungon aivohalvauksen vuoksi. Aivohalvaus oli niin vakava, että se vei heiltä kyvyn puhua tai liikkua. Tetraplegiset osallistujat eivät kärsineet kognitiivisista vaurioista, joten he olivat ihanteellisia tutkimukseen.

Kun potilas oli liitetty päivitettyyn BCI:hen, hänelle annettiin useita vaikeudeltaan erilaisia ​​tehtäviä kehon eri osien, kuten sormenpään, pään tai jalan, liikkuvien visualisoinnista osoitinsormen mikroliikkeisiin.

Tiimi käytti ECoG-pohjaisia ​​BCI:itä rekisteröidessään kunkin toiminnon aivoesitykset. Parannettu BCI tarjosi insinööreille paremman resoluution ja kyvyn suorittaa tarkkaa palautepohjaista esitysten käsittelyä. Erityisesti potilaan kehon liikettä ei havaittu, mutta henkinen toiminta oli sama kuin jos hän ei olisi halvaantunut.

Ohjausrobottivarsi

Seuraava askel oli integroida Kinova Jaco -robottivarsi testausta varten. Ensimmäisessä testausvaiheessa potilasta pyydettiin manipuloimaan laitetta henkistä kapasiteettiaan käyttäen. Testissä potilas yritti nostaa esinettä ja siirtää sen uuteen paikkaan. Tämä varhaisen vaiheen testaus osoitti huonoa hallittavuutta ja käyttäjän luotettavuuden puutetta.

3D-virtuaaliympäristö

Ymmärtääkseen, että ohjaimelle oli annettava enemmän palautetta, tiimi loi virtuaalisen robottikäden. Tämän lähestymistavan avulla käyttäjät voivat tarkentaa hallintaansa ja antaa arvokasta palautetta, jonka avulla he voivat seurata edistymistään ja kykyjään. Insinöörit uskovat, että tämä nopea istunto-oppiminen on ratkaisevan tärkeää tuleville proteesin koulutusjärjestelmille.

Brain-Computer Interface Adjustment Time Test

Yksi tämän tutkimuksen suurimmista läpimurroista on, että insinöörit pystyivät käyttämään samaa proteettista käsivartta ja potilasta vain 15 minuutin uudelleenkalibroinnilla sen jälkeen, kun oli odotettu kuukausia istuntojen välillä. Termi käytti syvää toistuvaa hermoverkkoa (RNN) mukautumaan plastisuuteen ja ajautumiseen.

Kuukausien odottamisen jälkeen potilas lähetettiin takaisin tekstaamaan ja hänelle annettiin erityistehtäviä. Kaksi monimutkaista tartunta- ja objektinkäsittelytestiä, joiden vaikeustasot vaihtelivat, määritettiin, jotta selvitettiin, toimiiko järjestelmä oikein.

Ensimmäinen tehtävä edellytti potilaan kurkottamista ja kääntämistä käsivarresta tarttuakseen esineeseen ja siirtääkseen sen toiseen paikkaan. Vaikuttavaa on, että tiimi saavutti 90 %:n onnistumisasteen, kun tehtävä suoritettiin vain 60.8 sekunnissa. Seuraavat tehtävät vaikeutuivat, ja viimeinen vaati potilaan avaamaan kaapin, ottamaan kupin ja pitämään sitä vesiautomaatissa, kunnes se täyttyy.

Brain-Computer Interface -testin tulokset

Testitulokset osoittivat, että päivitetty BCI pystyi seuraamaan hermoston varianssia ja parantamaan hermoston tarkkuutta. Tutkimus osoitti, että aivojen liikesignaalit pysyvät vakaina ajan kuluessa, mutta niiden toimintapaikat vaihtuvat hieman.

Tekoäly mukautuu automaattisesti seuraamaan näitä muutoksia, mikä mahdollistaa helposti konfiguroitavat järjestelmät, jotka toimivat samalla tavalla kuin tietokoneesi plug and play -laitteet. Ryhmä löysi myös mielenkiintoisia tietoja matkansa varrelta.

He huomauttivat, että jokaisella raajalla on samanlainen aloitemalli ihmisten välillä. He voivat esimerkiksi tarkastella aivojen kuvioita ja nähdä eron oikean ja vasemman käden liikkeiden välillä. Tiimi totesi myös, että varianssin nopea vähentäminen on elintärkeää havaintopäätöksenteolle.

Lisäksi tutkimus osoittaa, että hermotilastoja, kuten varianssia, voidaan seurata ja säädellä edustavien etäisyyksien lisäämiseksi BCI-kontrollin aikana ilman somatotooppisia muutoksia.

Aivojen ja tietokoneiden käyttöliittymän edut

Ihmisen ja tekoälyn oppimisen yhdistämisestä on pitkä lista hyötyjä. Nämä järjestelmät voisivat jonain päivänä auttaa tuskallisista menetyksistä kärsiviä saamaan takaisin elämänsä hallinnan ja mahdollistamaan heidän päivittäisten toimintojensa suorittamisen stressittömästi.

Pysyvyys

Tutkimus osoitti, kuinka BCI:n säätäminen voi vakauttaa näitä ohjauslaitteita. Tiimin päätös hyödyntää matalaulotteisia monistoetäisyyksiä ja suhteellisia esitysetäisyyksiä yksinkertaisten kuviteltujen liikkeiden repertuaarissa osoittautui oikeaksi valinnaksi.

Uusi ennätys

Tähän viimeiseen testiin asti pisin BCI toimi ilman uudelleenkalibrointia noin 2-3 päivää. Tämä tarve kalibroida jatkuvasti uudelleen siirsi nämä laitteet vain testaukseen. Nyt päivitetty BCI voi kestää jopa 7 kuukautta ilman päivityksiä, mikä avaa oven reagoivammille ja halvemmille proteeseille ja paljon muuta.

Tehokkaampi

Parannetun BCI:n uudelleenkalibrointi 15 kuukauden välein kestää vain noin 6 minuuttia. Tämä on merkittävä päivitys edelliseen järjestelmään, joka vaati kalibroinnin 3 päivän välein, koska suorituskyky heikkeni pitkiä aikoja korkeaa tarkkuutta vaativissa tehtävissä.

Aivojen ja tietokoneiden rajapinnan tutkijat

UC San Franciscon tutkijoita johti neurologian professori ja UCSF Weill Institute for Neurosciences -instituutin jäsen, MD, PhD Karunesh Ganguly. Paperin ovat kirjoittaneet neurologian tutkija Nikhilesh Natraj, PhD, Sarah Seko, Adelyn Tu-Chan ja Reza Abiri Rhode Islandin yliopistosta. Erityisesti hanketta rahoittivat National Institutes of Health ja UCSF Weill Institute for Neurosciences.

Brain-Computer Interfacen tulevaisuus

Tiimin mukaan tavoitteena on nyt tehdä robottikäsivarresta tasaisempi ja reagoivampi. He haluavat myös laajentaa BCI-kartoituksiaan lisätäkseen laitteen monipuolisuutta ja ominaisuuksia. Tulevaisuudessa he toivovat sisältävän muita kehon osia.

Reaalimaailman sovellukset ja aikajana aivo-tietokoneliitäntöille

Tällä edistyksellä voi olla myönteinen vaikutus useilla toimialoilla. Kyky hallita ja olla vuorovaikutuksessa henkistä ohjausta hyödyntävien laitteiden kanssa olisi merkittävä päivitys nykyisiin menetelmiin. Se voisi myös avata oven uudelle aikakaudelle terveydenhuollossa, elektroniikassa ja oppimisessa.

Vaikka nykyiset toteutukset ovat kokeiluvaiheessa, laajat kliiniset sovellukset voivat tulla mahdollisiksi seuraavien 5–10 vuoden kuluessa lisätutkimustuloksista ja viranomaishyväksynnöistä riippuen. Näin ollen tämän tekniikan tuleviin mahdollisuuksiin liittyy paljon jännitystä.

lääketieteellinen

Yksi alue, jolla tämän tekniikan nähdään löytävän välittömän käyttökohteen, on proteesiala. Monet ovat pitäneet BCI-teknologian käyttöä proteettisten ohjausjärjestelmien huippuna. Tällä äskettäisellä löydöllä on merkittävä lupaus halvaantuneiden yksilöiden autonomian palauttamiseksi antamalla heille mahdollisuus olla vuorovaikutuksessa ympäristönsä kanssa ajatusohjattujen laitteiden avulla.

Innovatiiviset yritykset johtavat aivojen ja tietokoneiden rajapintojen kehittämiseen

Aivo-ohjattavien tietokoneiden ja laitteiden kehittämiseen tähtäävä kilpailu on saanut useat yritykset investoimaan miljoonia tutkimukseen ja kehitykseen. Nämä yritykset pyrkivät aloittamaan uuden terveyden ja tieteen aikakauden käyttämällä laitteita, jotka ylittävät nykypäivän näppäimistöt ja perinteiset syöttötavat. Tässä on yksi yritys, joka on edelläkävijä näissä pyrkimyksissä ja tekee itselleen nimeä markkinoilla.

Synkronoi

Synchron tuli palvelukseen vuonna 2012 huippuluokan neuroteknologiayrityksenä. Erityisesti yritys sai nimekseen SmartStent. Vuonna 2016 yritys muutti nimensä Synchroniksi, mikä kuvastaa sen keskittymistä minimaalisesti invasiivisten BCI:iden kehittämiseen auttaakseen potilaita, jotka kärsivät liikkuvuuden heikkenemisestä.

Nykyään Synchron tarjoaa erilaisia ​​tuotteita, mukaan lukien endovaskulaarisen hermorajapinnan nimeltä Stentrode. Tämä laite tulee kehoon valtimoiden kautta ja istuttaa itsensä aivoihin tukemaan motorisia taitoja. Tämä tuote edustaa alan synkronisia jatkuvia innovaatioita.

Lisäksi yritys on saanut apurahoja US Defense Advanced Research Projects Agencyltä (DARPA), Yhdysvaltain puolustusministeriöltä (DoD) ja Australian kansalliselta terveys- ja lääketieteelliseltä tutkimusneuvostolta.

Niiden, jotka haluavat altistua BCI-markkinoille, tulisi tehdä lisätutkimuksia Synchronista. Sen markkina-asema ja uraauurtavat ponnistelut luovat edelleen pohjan tuleville tekoälyllä toimiville tietokoneliittymille ja muille.

Aivojen ja tietokoneiden rajapinnat muuttavat kaiken.

Nykypäivän BCI-edistysruiskeet saattavat saada scifi-unelmasi tuntumaan vanhentuneilta. Tulevaisuuden tietokoneet pystyvät kommunikoimaan suoraan kanssasi ajatusten kautta, mikä avaa oven uudelle ihmisen evoluution aikakaudelle. Toistaiseksi nämä insinöörit ansaitsevat seisten suuret suosionosoitukset ponnisteluistaan.

Opi muista robotiikan läpimurroista Tänään.

Viittaustutkimukset:

^{1. Ganguly, K., Natraj, N., Seko, S., Tu-Chan, A. ja Abiri, R. (2024). Näytteenotto yksinkertaisista kuvitteellisista liikkeistä päivien mittaan mahdollistaa pitkän aikavälin neuroproteesin hallinnan. Solu, 2024. https://doi.org/10.1016/j.cell.2024.02.029}