Door de geest aangestuurde robotica: UCSF’s Brain-Computer Interface-succes

Een team van onderzoekers aan de University of California, San Francisco (UCSF), heeft een unieke brain-computer interface (BCI) ontwikkeld die de wereld een stap dichter bij door de geest aangestuurde robots brengt. Hier leest u hoe het nieuwe systeem op de lange termijn uw interactie met apparaten kan veranderen en mensen met een ledemaatverlies kan helpen een betere levenskwaliteit te herwinnen.

Brain-Computer Interface (BCI)

Het gebruik van BCI’s blijft zich op de markt uitbreiden. Deze apparaten stellen mensen in staat apparaten te besturen met alleen gedachten. Ze werken met verschillende elektromagnetische sensoren die veranderingen in hersenactiviteit kunnen monitoren. Deze systemen gebruiken de unieke somatotopische representaties van eenvoudige handelingen in de hersenen, zoals het tikken met uw vinger, om hun bewegingen te bepalen.

Problemen met de huidige Brain-Computer Interface

BCI’s bieden spannende kansen voor de markt, maar de technologie bevindt zich nog in een pril stadium. Significante nadelen, zoals de kosten van het programmeren van deze apparaten en de noodzaak om voortdurend opnieuw af te stellen voor een juiste calibratie, blijven de adoptie beperken. Gelukkig onderzoekt een nieuwe studie waarom BCI’s herafstellingen nodig hebben en introduceert een nieuw systeem dat langdurige BCI-ondersteuning biedt.

Brain-Computer Interface Studie

De studie getiteld “Sampling representational plasticity of simple imagined movements across days enables long-term neuroprosthetic control”¹ gepubliceerd in het wetenschappelijke tijdschrift Cell geeft details over hoe langdurige complexe neuroprosthetische controle mogelijk gemaakt kan worden.

Het doel van de studie was het monitoren, catalogiseren en ontdekken van verschuivingen in hersenactiviteit voor alledaagse taken en eenvoudige bewegingen. Om dit te bereiken volgden de onderzoekers veranderingen in de representatieve structuur van hersenactiviteit over dagen heen via BCI-besturing.

Electrocorticografie Brain-Computer Interface

De Electrocorticografie BCI stelde ingenieurs in staat neurale activiteit te vergelijken met een unihemi-sferisch ECoG-raster dat ingebeelde bewegingen van lichaamsdelen representeert. Deze aanpak was nodig om de representatieve structuur in de hersenen te bepalen. Specifiek gebruikte het team paargewijze scheiding als een meetwaarde.

De BCI integreert kunstmatige intelligentie (AI)-modellen om geleidelijke verschuivingen in patronen van neurale activiteit in de loop van de tijd aan te passen. Deze verschuivingen, bekend als representatieve drift, treden op wanneer de hersenen zich aanpassen aan herhaalde motorische taken. De AI verfijnt zijn interpretatie van hersensignalen, waardoor de deelnemer de controle over de robotarm gedurende maanden kan behouden. De studie gebruikte een intracorticale brain-computer interface, waarbij kleine elektroden direct in de hersenen werden geïmplanteerd om neurale activiteit op te nemen. In tegenstelling tot electrocorticografie (ECoG), die sensoren op het oppervlak van de hersenen plaatst, bieden intracorticale implantaten opnames met hoge resolutie, maar vereisen ze een directe implantatie in hersenweefsel.

Plasticiteit

Plasticiteit verwijst naar het vermogen van uw hersenen om zich aan te passen aan veranderingen in uw omgeving, gezondheid of ervaringen. Specifiek ondergaan de synaptische plasticiteit, homeostatische plasticiteit en volwassen neurogenese van uw hersenen dagelijks adaptieve structurele en functionele veranderingen.
Deze kleine veranderingen zijn mogelijk niet merkbaar voor mensen, maar BCI’s moeten deze uitdaging overwinnen om stabiel te blijven. Daarom plotten de onderzoekers chronologisch de gemiddelde Mahalanobis-afstand van elke sessie om traceerbaarheid te bieden.

Representatieve drift

Neurale drift is een ander verschijnsel waar de ingenieurs rekening mee moeten houden bij het creëren van hun BCI-systeem. Drift verwijst naar veranderingen in activiteit en gedrag in de loop van de tijd. Drift treedt op bij de meeste langetermijnherinneringen met betrekking tot motorische vaardigheden.
Door te begrijpen dat neurale representaties van bekende bewegingen voortdurend evolueren, bouwde het team een gemeenschappelijk manifold op met behulp van gegevens over meerdere dagen. Ze monitoren exacte dagelijkse veranderingen en specifieke verschillen, met name in de neurale centriden die niet aanwezig waren in de oorspronkelijke representaties.

Neurale representatieve variantie

De ingenieurs konden rekening houden met de neurale representatieve variantie van elke actie.  Hierdoor ontdekte het team een meta-representatieve structuur met generaliseerbare beslissingsgrenzen voor elk actie-repertoire, die kon worden gelokaliseerd terwijl deze door het mentale netwerk verschuift.
Opmerkelijk is dat het team eerder mentale variantie bij dieren bestudeerde. Tijdens deze studies merkten ze voor het eerst op dat dagelijkse acties gemakkelijk met hoge nauwkeurigheid konden worden gedecodeerd met BCI-sensoren. Ze merkten ook op dat de acties verschillende centriden in het neurale systeem stimuleerden naarmate de tijd vorderde.

Langdurige Brain-Computer Interface

Deze ontdekking leidde de ingenieurs ertoe de representaties van migraties door het hersennetwerk te volgen om langdurige BCI-controle te bereiken. Specifiek konden de onderzoekers plasticiteit en drift over dagen heen volgen en aanpassen via een eigen ontwikkelde AI.

Brain-Computer Interface Test

Als onderdeel van de testfase verzamelden de ingenieurs gegevens tijdens 30 acties in 49 proeven en 32 acties in 48 proeven. Opmerkelijk richtte de test zich op één lichaamsdeel, de hand. De eerste stap was een subset van acties te selecteren en de representatieve structuur van de acties in verschillende contexten te meten, met als uiteindelijk doel een virtuele Jaco-robotarm te besturen.

Deelnemers aan de Brain-Computer Interface Test

De ingenieurs selecteerden een deelnemer die leed aan ernstige tetraparese en anarthrie als gevolg van een bilaterale hersenstamstroke. De beroerte was zo ernstig dat deze hun vermogen om te spreken of te bewegen wegnam. De tetraplegische deelnemers ondervonden geen cognitieve schade, waardoor ze ideaal waren voor de studie.

Na het aansluiten van de patiënt op de bijgewerkte BCI kreeg hij verschillende taken, variërend in moeilijkheidsgraad van het visualiseren van het bewegen van verschillende delen van zijn lichaam, zoals zijn vingertop, hoofd of been, tot de microbewegingen van zijn wijsvinger.

Het team gebruikte op ECoG gebaseerde BCI’s om de hersenrepresentaties voor elke actie te registreren. De verbeterde BCI bood ingenieurs een hogere resolutie en de mogelijkheid om precieze, feedbackgestuurde manipulatie van representaties uit te voeren. Opmerkelijk was er geen waarneembare lichaamsbeweging van de patiënt, maar de mentale activiteit was hetzelfde alsof hij niet verlamd was.

Robotarm besturen

De volgende stap was het integreren van de Kinova Jaco-robotarm voor testing. In de eerste testfase werd de patiënt gevraagd het apparaat te manipuleren met hun mentale capaciteit. De test liet de patiënt een voorwerp oppakken en naar een nieuwe locatie verplaatsen. Deze vroege test toonde een slechte bestuurbaarheid en een gebrek aan betrouwbaarheid door de gebruiker.

3D Virtuele omgeving

Door te erkennen dat er meer feedback aan de controller moest worden gegeven, creëerde het team een virtuele robotarm. Deze aanpak stelt gebruikers in staat hun controle te verfijnen en waardevolle feedback te geven, waardoor ze hun voortgang en mogelijkheden kunnen volgen. De ingenieurs geloven dat dit snelle leren tijdens de sessie cruciaal zal zijn voor toekomstige prothese-trainingssystemen.

Brain-Computer Interface Aanpassingstijd Test

Een van de grootste doorbraken van deze studie is dat de ingenieurs dezelfde prothese-arm en patiënt konden gebruiken met slechts een herkalibratie van 15 minuten na maanden wachten tussen sessies. De methode maakte gebruik van een diep recurrent neuraal netwerk (RNN) om plasticiteit en drift aan te passen.

Na maanden wachten werd de patiënt teruggestuurd naar tekstverwerking en kreeg specifieke taken. Twee complexe reiken-om-te-grijpen en objectmanipulatie-tests met verschillende moeilijkheidsgraden werden opgezet om te zien of het systeem correct functioneerde.

De eerste taak vereiste dat de patiënt de arm uitstrekte en draaide om een object te grijpen en naar een andere locatie te verplaatsen. Indrukwekkend behaalde het team een mediane succesratio van 90% terwijl de taak in slechts 60,8 s werd voltooid. De volgende taken werden moeilijker, waarbij de laatste vereiste dat de patiënt een kast opende, een beker pakte en deze tegen een waterdispenser hield tot deze gevuld was.

Resultaten van de Brain-Computer Interface Test

De testresultaten toonden aan dat de verbeterde BCI neurale variantie kon volgen en een verhoogde neurale precisie bood. De studie liet zien dat de hersensignalen voor beweging over tijd stabiel blijven, maar hun operationele locaties licht verschuiven.

De AI past zich automatisch aan om deze veranderingen te volgen, waardoor gemakkelijk configureerbare systemen mogelijk zijn die werken als plug-and-play-apparaten op uw pc. Het team ontdekte ook enkele interessante gegevens tijdens hun onderzoek.

Ze merkten op dat elk ledemaat vergelijkbare initiatiepatronen vertoont bij verschillende mensen. Bijvoorbeeld, ze kunnen naar hersenpatronen kijken en het verschil zien tussen bewegingen van de rechter- en linkerhand. Ook concludeerde het team dat het snel verminderen van variantie cruciaal is voor perceptuele besluitvorming.

Bovendien toont de studie aan dat neurale statistieken zoals variantie kunnen worden gevolgd en gereguleerd om representatieve afstanden tijdens BCI-besturing te vergroten zonder somatotopische veranderingen.

Voordelen van Brain-Computer Interface

Er is een lange lijst met voordelen die voortkomen uit het combineren van menselijk en AI-leren. Deze systemen kunnen op een dag mensen die lijden aan pijnlijke verliezen helpen de controle over hun leven terug te krijgen en hen in staat stellen dagelijkse activiteiten zonder stress uit te voeren.

Stabiliteit

De studie toonde aan hoe het aanpassen van BCI stabiliteit kan bieden aan deze besturingsapparaten. De beslissing van het team om een laag-dimensionaal manifold en relatieve representatieve afstanden te gebruiken voor een repertoire van eenvoudige ingebeelde bewegingen bleek de juiste keuze.

Nieuw record

Tot deze recente test werkte een BCI het langst zonder herkalibratie ongeveer 2-3 dagen. Deze noodzaak om constant te herkalibreren beperkte deze apparaten tot alleen testgebruik. Nu kan de verbeterde BCI tot 7 maanden zonder enige updates functioneren, waardoor de deur wordt geopend voor responsievere en goedkopere protheses en meer.

Efficiënter

De verbeterde BCI heeft slechts ongeveer 15 minuten nodig om elke 6 maanden te herkalibreren. Dit is een grote verbetering ten opzichte van het vorige systeem dat elke 3 dagen kalibratie vereiste vanwege prestatieafname over langere perioden bij taken die hoge precisie vereisen.

Brain-Computer Interface Onderzoekers

Onderzoekers van UC San Francisco werden geleid door professor neurologie en lid van het UCSF Weill Institute for Neurosciences, Karunesh Ganguly MD, PhD. Het artikel werd mede geschreven door neurowetenschapper Nikhilesh Natraj, PhD, Sarah Seko, Adelyn Tu-Chan en Reza Abiri van de University of Rhode Island. Opmerkelijk is dat het project werd gefinancierd door de National Institutes of Health en het UCSF Weill Institute for Neurosciences.

Toekomst van Brain-Computer Interface

Volgens het team is het doel nu om de robotarm soepeler en responsiever te maken. Ze willen ook uitbreiden welke commando’s ze via BCI in kaart brengen om de veelzijdigheid en mogelijkheden van het apparaat te vergroten. In de toekomst hopen ze andere lichaamsdelen te omvatten.

Toepassingen in de echte wereld & Tijdlijn voor Brain-Computer Interfaces

Deze vooruitgang kan een ingrijpend effect hebben op meerdere sectoren. Het vermogen om apparaten te besturen en ermee te interageren met behulp van mentale besturing zou een grote verbetering zijn ten opzichte van de huidige methoden. Het kan ook de deur openen naar een nieuw tijdperk in de gezondheidszorg, elektronica en onderwijs.
Hoewel de huidige implementaties zich in experimentele stadia bevinden, kunnen brede klinische toepassingen binnen de komende 5 tot 10 jaar haalbaar worden, afhankelijk van verdere onderzoeksresultaten en regelgevende goedkeuringen. Daarom is er veel enthousiasme over de toekomstige mogelijkheden van deze technologie.

Medisch

Een gebied waar deze technologie direct toepasbaar wordt gezien, is de prothesesector. Het gebruik van BCI-technologie wordt door velen beschouwd als het toppunt van prothese-besturingssystemen. Deze recente ontdekking biedt veelbelovende kansen om de autonomie van personen met verlamming te herstellen door hen in staat te stellen via gedachten aangestuurde apparaten met hun omgeving te interageren.

Innovatieve bedrijven die leiding geven aan de ontwikkeling van Brain-Computer Interface

De race om hersenbestuurde computers en apparaten te creëren heeft verschillende bedrijven ertoe gebracht miljoenen te investeren in R&D. Deze bedrijven streven ernaar een nieuw tijdperk van gezondheid en wetenschap in te luiden met apparaten die de huidige toetsenborden en traditionele invoermethoden overtreffen. Hier is één bedrijf dat deze inspanningen voorop loopt en zich een naam maakt op de markt.

Synchron

Synchron begon in 2012 als een toonaangevend neurotechnologiebedrijf. Opmerkelijk is dat het bedrijf oorspronkelijk SmartStent heette. In 2016 veranderde het bedrijf zijn naam naar Synchron, wat haar focus weerspiegelt op het ontwikkelen van minimaal invasieve BCI’s om patiënten met mobiliteitsverlies te helpen.

Vandaag biedt Synchron een verscheidenheid aan producten, waaronder een endovasculaire neurale interface genaamd Stentrode. Dit apparaat komt via de slagaders het lichaam binnen en implanteert zich in de hersenen om motorische vaardigheden te ondersteunen. Dit product staat symbool voor de voortdurende innovaties van Synchron in de sector.

Daarnaast heeft het bedrijf subsidies verkregen van de U.S. Defense Advanced Research Projects Agency (DARPA), het United States Department of Defense (DoD) en de National Health and Medical Research Council of Australia.

Wie blootstelling aan de BCI-markt zoekt, moet verder onderzoek doen naar Synchron. Haar marktpositie en pioniersinspanningen blijven de basis leggen voor toekomstige AI-gestuurde computerinterfaces en meer.

Brain-Computer Interfaces zullen alles veranderen.

De huidige vooruitgang in BCI’s kan uw sci-fi-dromen verouderd laten lijken. Computers van de toekomst zullen direct met u kunnen communiceren via gedachten, waardoor de deur wordt geopend naar een nieuw tijdperk van menselijke evolutie. Voor nu verdienen deze ingenieurs een staande ovatie voor hun inspanningen.

Leer meer over andere doorbraken in robotica Vandaag.

Geraadpleegde studies:

^{1. Ganguly, K., Natraj, N., Seko, S., Tu-Chan, A., & Abiri, R. (2024). Sampling representational plasticity of simple imagined movements across days enables long-term neuroprosthetic control. Cell, 2024. https://doi.org/10.1016/j.cell.2024.02.029}