Robotika yang Dikendalikan Pikiran: Keberhasilan Antarmuka Otak-Komputer UCSF

Tim peneliti di University of California, San Francisco (UCSF), telah mengembangkan antarmuka otak-komputer (BCI) unik yang membawa dunia selangkah lebih dekat ke robot yang dikendalikan pikiran. Berikut bagaimana sistem baru ini dapat mengubah cara Anda berinteraksi dengan perangkat dalam jangka panjang dan membantu mereka yang menderita kehilangan anggota tubuh mendapatkan kembali kualitas hidup yang lebih baik.

Antarmuka Otak-Komputer (BCI)

Penggunaan BCI terus berkembang di pasaran. Perangkat ini memungkinkan manusia mengendalikan perangkat hanya dengan pikiran. BCI beroperasi menggunakan berbagai sensor elektromagnetik yang dapat memantau perubahan aktivitas otak. Sistem ini memanfaatkan representasi somatotopik otak yang unik dari tindakan sederhana, seperti mengetuk jari, untuk menentukan gerakannya.

Masalah dengan Antarmuka Otak-Komputer Saat Ini

BCI memberikan peluang menarik bagi pasar, tetapi teknologinya masih dalam tahap awal. Kelemahan yang signifikan, seperti biaya pemrograman perangkat ini dan kebutuhan untuk terus menyesuaikan ulang guna mencapai kalibrasi yang tepat, terus membatasi adopsi. Untungnya, sebuah studi baru menyelidiki mengapa BCI perlu disesuaikan ulang dan memperkenalkan sistem baru yang menyediakan dukungan BCI jangka panjang.

Studi Antarmuka Otak-Komputer

Penelitian yang berjudul “Pengambilan sampel plastisitas representasional dari gerakan-gerakan sederhana yang dibayangkan selama beberapa hari memungkinkan kontrol neuroprostetik jangka panjang"¹ yang diterbitkan dalam jurnal ilmiah Cell memberikan rincian tentang cara mengaktifkan kontrol neuroprostetik kompleks jangka panjang.

Robotika yang Dikendalikan Pikiran

Tujuan dari penelitian ini adalah untuk memantau, membuat katalog, dan menemukan perubahan dalam aktivitas otak untuk tugas sehari-hari dan gerakan sederhana. Untuk menyelesaikan tugas ini, para peneliti melacak perubahan struktur representasional aktivitas otak sepanjang hari melalui kontrol BCI.

Elektrokortikografi Antarmuka Otak-Komputer

BCI Elektrokortikografi memungkinkan para insinyur untuk membandingkan aktivitas saraf dengan jaringan ECoG unihemispheric yang menggambarkan gerakan imajiner dari bagian-bagian tubuh. Pendekatan ini diperlukan untuk menentukan struktur representasional dalam otak. Secara khusus, tim menggunakan pemisahan berpasangan sebagai metrik pelacakan.

BCI mengintegrasikan model kecerdasan buatan (AI) untuk menyesuaikan pergeseran bertahap dalam pola aktivitas saraf seiring waktu. Pergeseran ini, yang dikenal sebagai pergeseran representasional, terjadi seiring otak beradaptasi dengan tugas motorik yang berulang. AI menyempurnakan interpretasi sinyal otak, memungkinkan peserta untuk mempertahankan kendali lengan robot selama berbulan-bulan. Penelitian ini menggunakan antarmuka otak-komputer intrakortikal, di mana elektroda kecil ditanamkan langsung ke dalam otak untuk merekam aktivitas saraf. Tidak seperti elektrokortikografi (ECoG), yang menempatkan sensor di permukaan otak, implan intrakortikal memberikan rekaman beresolusi tinggi tetapi memerlukan implantasi langsung ke dalam jaringan otak.

Keliatan

Plastisitas mengacu pada kemampuan otak Anda untuk beradaptasi dengan perubahan lingkungan, kesehatan, atau pengalaman. Secara spesifik, plastisitas sinaptik, plastisitas homeostatis, dan neurogenesis dewasa otak Anda mengalami perubahan struktural dan fungsional adaptif setiap hari.

Perubahan kecil ini mungkin tidak terlihat oleh manusia, tetapi BCI perlu mengatasi tantangan ini agar tetap stabil. Oleh karena itu, para peneliti memetakan jarak Mahalanobis rata-rata setiap sesi secara kronologis untuk menyediakan keterlacakan.

Pergeseran Representasional

Penyimpangan saraf merupakan kejadian lain yang perlu diperhitungkan oleh para insinyur saat membuat sistem BCI mereka. Penyimpangan mengacu pada perubahan aktivitas dan perilaku seiring berjalannya waktu. Penyimpangan terjadi pada sebagian besar memori jangka panjang yang terkait dengan keterampilan motorik.

Dengan memahami bahwa representasi neural dari gerakan yang sudah dikenal terus berkembang, tim tersebut membangun manifold umum menggunakan data lintas hari. Mereka memantau perubahan harian yang tepat dan perbedaan spesifik, terutama pada pusat neural yang tidak ditemukan dalam konstruksi representasi asli.

Varians Representasional Saraf

Para insinyur mampu memperhitungkan varians representasi saraf dari setiap tindakan. Dengan demikian, tim menemukan struktur meta-representasional dengan batasan keputusan yang dapat digeneralisasi untuk setiap repertoar tindakan, yang dapat ditemukan saat tindakan tersebut bergeser di seluruh jaringan mental.

Khususnya, tim tersebut sebelumnya mempelajari varians mental pada hewan. Selama penelitian ini, mereka pertama kali menyadari bahwa tindakan sehari-hari dapat dengan mudah diuraikan dengan akurasi tinggi menggunakan sensor BCI. Mereka juga mencatat bahwa tindakan tersebut menstimulasi berbagai titik pusat di seluruh sistem saraf seiring berjalannya waktu.

Antarmuka Otak-Komputer Jangka Panjang

Penemuan ini mendorong para insinyur untuk melacak representasi migrasi di seluruh jaringan otak guna mencapai kontrol BCI jangka panjang. Secara khusus, para peneliti mampu melacak dan menyesuaikan plastisitas dan pergeseran lintas hari melalui AI yang dikembangkan secara eksklusif.

Tes Antarmuka Otak-Komputer

Sebagai bagian dari fase pengujian, para teknisi mengumpulkan data selama 30 tindakan dalam 49 percobaan dan 32 tindakan dalam 48 percobaan. Khususnya, pengujian difokuskan pada satu bagian tubuh, tangan. Langkah pertama adalah memilih satu set tindakan dan mengukur struktur representasional tindakan di berbagai konteks, dengan tujuan akhir untuk mengendalikan lengan robot Jaco virtual.

Peserta Tes Antarmuka Otak-Komputer

Para insinyur memilih seorang peserta yang menderita tetraparesis dan anartria parah akibat stroke batang otak bilateral. Stroke tersebut sangat serius hingga menghilangkan kemampuan mereka untuk berbicara atau bergerak. Peserta tetraplegik tidak mengalami kerusakan kognitif, sehingga mereka ideal untuk penelitian ini.

Setelah menghubungkan pasien ke BCI yang diperbarui, ia diberi beberapa tugas dengan tingkat kesulitan mulai dari memvisualisasikan pergerakan berbagai bagian tubuhnya seperti ujung jari, kepala, atau kaki, hingga gerakan mikro jari telunjuknya.

Tim menggunakan BCI berbasis ECoG untuk merekam representasi otak untuk setiap tindakan. BCI yang disempurnakan menawarkan resolusi yang lebih tinggi dan kemampuan untuk melakukan manipulasi representasi yang tepat berdasarkan umpan balik. Khususnya, tidak ada gerakan tubuh yang dapat diamati oleh pasien, tetapi aktivitas mentalnya sama seperti jika mereka tidak lumpuh.

Lengan Robot Kontrol

Langkah selanjutnya adalah mengintegrasikan lengan robot Kinova Jaco untuk pengujian. Pada tahap pengujian pertama, pasien diminta untuk memanipulasi perangkat menggunakan kapasitas mental mereka. Dalam pengujian tersebut, pasien diminta untuk mengangkat suatu barang dan memindahkannya ke lokasi baru. Pengujian tahap awal ini menunjukkan pengendalian yang buruk dan kurangnya keandalan oleh pengguna.

Lingkungan Virtual 3D

Menyadari bahwa perlu ada lebih banyak umpan balik yang diberikan kepada pengendali, tim tersebut menciptakan lengan robot virtual. Pendekatan ini memungkinkan pengguna untuk menyempurnakan kendali mereka dan memberikan umpan balik yang berharga, sehingga memungkinkan mereka untuk melacak kemajuan dan kemampuan mereka. Para teknisi percaya bahwa pembelajaran cepat dalam sesi ini akan sangat penting bagi sistem pelatihan prostetik di masa mendatang.

Uji Waktu Penyesuaian Antarmuka Otak-Komputer

Salah satu terobosan terbesar dari studi ini adalah bahwa para insinyur mampu memanfaatkan lengan prostetik dan pasien yang sama hanya dengan kalibrasi ulang selama 15 menit setelah menunggu berbulan-bulan di antara sesi. Istilah ini memanfaatkan jaringan saraf berulang (RNN) dalam untuk menyesuaikan plastisitas dan pergeseran.

Setelah menunggu selama berbulan-bulan, pasien diminta kembali untuk mengirim pesan teks dan diberi tugas-tugas tertentu. Dua tes rumit untuk meraih dan memegang serta memanipulasi objek dengan berbagai tingkat kesulitan disiapkan untuk melihat apakah sistem berfungsi dengan benar.

Tugas pertama mengharuskan pasien untuk meraih dan memutar lengan untuk memegang suatu objek dan memindahkannya ke lokasi lain. Hebatnya, tim tersebut mencapai tingkat keberhasilan rata-rata 90% sambil menyelesaikan tugas tersebut hanya dalam waktu 60.8 detik. Tugas-tugas berikutnya semakin sulit, dengan tugas terakhir mengharuskan pasien untuk membuka lemari, mengambil cangkir, dan menempelkannya ke dispenser air hingga terisi penuh.

Hasil Uji Antarmuka Otak-Komputer

Hasil uji menunjukkan bahwa BCI yang ditingkatkan dapat melacak varians saraf dan memberikan presisi saraf yang lebih tinggi. Studi tersebut menunjukkan bahwa sinyal gerakan otak tetap stabil seiring waktu, tetapi lokasi operasinya sedikit berubah.

AI menyesuaikan diri secara otomatis untuk melacak perubahan ini, sehingga memungkinkan sistem yang dikonfigurasi dengan mudah beroperasi mirip dengan perangkat plug-and-play di PC Anda. Tim tersebut juga menemukan beberapa data menarik selama perjalanan mereka.

Mereka mencatat bahwa setiap anggota tubuh memiliki pola inisiatif yang sama pada setiap orang. Misalnya, mereka dapat mengamati pola otak dan melihat perbedaan antara gerakan tangan kanan dan kiri. Selain itu, tim menyimpulkan bahwa mengurangi varians dengan cepat sangat penting untuk pengambilan keputusan perseptual.

Selain itu, penelitian menunjukkan bahwa statistik saraf seperti varians dapat dilacak dan diatur untuk meningkatkan jarak representasional selama kontrol BCI tanpa perubahan somatotopik.

Manfaat Antarmuka Otak-Komputer

Ada banyak manfaat yang diperoleh dengan memadukan pembelajaran manusia dan AI. Sistem ini suatu hari nanti dapat membantu mereka yang mengalami kehilangan yang menyakitkan mendapatkan kembali kendali atas hidup mereka dan memungkinkan mereka menjalani aktivitas sehari-hari tanpa stres.

Stabilitas

Studi ini menunjukkan bagaimana penyesuaian BCI dapat memberikan stabilitas pada perangkat kontrol ini. Keputusan tim untuk memanfaatkan manifold berdimensi rendah dan jarak representasional relatif untuk repertoar gerakan imajiner sederhana terbukti merupakan pilihan yang tepat.

Rekor baru

Hingga pengujian terbaru ini, BCI paling lama bekerja tanpa kalibrasi ulang adalah sekitar 2-3 hari. Kebutuhan untuk terus-menerus mengkalibrasi ulang ini menjadikan perangkat ini hanya untuk pengujian. Kini, BCI yang ditingkatkan dapat bertahan hingga 7 bulan tanpa pembaruan apa pun, membuka peluang bagi prostetik yang lebih responsif dan lebih murah, dan masih banyak lagi.

Lebih efisien

BCI yang disempurnakan hanya memerlukan waktu sekitar 15 menit untuk dikalibrasi ulang setiap 6 bulan. Ini merupakan pembaruan besar pada sistem sebelumnya yang memerlukan kalibrasi setiap 3 hari karena penurunan kinerja selama periode yang panjang untuk tugas-tugas yang memerlukan presisi tinggi.

Peneliti Antarmuka Otak-Komputer

Para peneliti dari UC San Francisco dipimpin oleh profesor neurologi dan anggota UCSF Weill Institute for Neurosciences, Karunesh Ganguly MD, PhD. Makalah ini ditulis bersama oleh peneliti neurologi Nikhilesh Natraj, PhD, Sarah Seko, Adelyn Tu-Chan, dan Reza Abiri dari University of Rhode Island. Khususnya, proyek ini didanai oleh National Institutes of Health dan UCSF Weill Institute for Neurosciences.

Masa Depan Antarmuka Otak-Komputer

Menurut tim, tujuannya sekarang adalah membuat lengan robot lebih halus dan lebih responsif. Mereka juga ingin memperluas perintah yang dipetakan BCI untuk meningkatkan fleksibilitas dan kemampuan perangkat. Di masa mendatang, mereka berharap dapat mencakup bagian tubuh lainnya.

Aplikasi Dunia Nyata dan Garis Waktu untuk Antarmuka Otak-Komputer

Kemajuan ini dapat berdampak besar pada berbagai industri. Kemampuan untuk mengendalikan dan berinteraksi dengan perangkat yang memanfaatkan kontrol mental akan menjadi peningkatan besar pada metode saat ini. Hal ini juga dapat membuka pintu bagi era baru dalam perawatan kesehatan, elektronik, dan pembelajaran.

Meskipun implementasi saat ini masih dalam tahap percobaan, aplikasi klinis yang meluas dapat menjadi layak dalam 5 hingga 10 tahun ke depan, tergantung pada hasil penelitian lebih lanjut dan persetujuan regulasi. Dengan demikian, ada banyak kegembiraan seputar kemungkinan masa depan teknologi ini.

Medis

Salah satu bidang yang teknologi ini dianggap dapat segera digunakan adalah di sektor prostetik. Penggunaan teknologi BCI telah dilihat oleh banyak orang sebagai puncak sistem kontrol prostetik. Penemuan terkini ini memiliki harapan besar untuk memulihkan otonomi bagi para penyandang kelumpuhan dengan memungkinkan mereka berinteraksi dengan lingkungan mereka melalui perangkat yang dikendalikan pikiran.

Perusahaan Inovatif yang Memimpin Pengembangan Antarmuka Otak-Komputer

Perlombaan untuk menciptakan komputer dan perangkat yang dikendalikan otak telah mendorong beberapa perusahaan untuk berinvestasi jutaan dolar dalam R&D. Perusahaan-perusahaan ini berupaya untuk memasuki era baru kesehatan dan sains dengan menggunakan perangkat yang melampaui keyboard dan metode input tradisional masa kini. Berikut adalah salah satu perusahaan yang memelopori upaya ini dan mengukir namanya di pasar.

sinkron

Synchron mulai beroperasi pada tahun 2012 sebagai perusahaan neuroteknologi mutakhir. Perusahaan ini diberi nama SmartStent. Pada tahun 2016, perusahaan ini berganti nama menjadi Synchron, yang mencerminkan fokusnya pada pengembangan BCI minimal invasif untuk membantu pasien yang menderita kehilangan mobilitas.

Saat ini, Synchron menawarkan berbagai macam produk, termasuk antarmuka saraf endovaskular yang disebut Stentrode. Perangkat ini masuk ke dalam tubuh melalui arteri dan ditanamkan ke dalam otak untuk memberikan dukungan pada keterampilan motorik. Produk ini merupakan inovasi konstan Synchronous di sektor ini.

Selain itu, firma tersebut telah mendapatkan hibah dari Badan Proyek Penelitian Lanjutan Pertahanan AS (DARPA), Departemen Pertahanan Amerika Serikat (DoD), dan Dewan Penelitian Kesehatan dan Medis Nasional Australia.

Mereka yang ingin masuk ke pasar BCI harus melakukan penelitian lebih lanjut tentang Synchron. Posisi pasar dan upaya perintisnya terus meletakkan dasar bagi antarmuka komputer bertenaga AI di masa depan dan banyak lagi.

Antarmuka Otak-Komputer akan Mengubah segalanya.

Kemajuan BCI saat ini dapat membuat impian fiksi ilmiah Anda tampak ketinggalan zaman. Komputer masa depan akan dapat berkomunikasi langsung dengan Anda melalui pikiran, membuka pintu bagi era baru evolusi manusia. Untuk saat ini, para insinyur ini layak mendapatkan apresiasi atas upaya mereka.

Pelajari terobosan Robotika lainnya Hari ini.

Studi yang dirujuk:

^{1. Ganguly, K., Natraj, N., Seko, S., Tu-Chan, A., & Abiri, R. (2024). Pengambilan sampel plastisitas representasional dari gerakan sederhana yang dibayangkan sepanjang hari memungkinkan kontrol neuroprostetik jangka panjang. Sel, 2024. https://doi.org/10.1016/j.cell.2024.02.029}