Robótica Controlada pela Mente: Sucesso da Interface Cérebro-Computador da UCSF

Uma equipe de pesquisadores da Universidade da Califórnia, São Francisco (UCSF), desenvolveu uma interface cérebro-computador (BCI) única que aproxima o mundo de robôs controlados pela mente. Veja como o novo sistema pode mudar a forma como você interage com seus dispositivos a longo prazo e ajudar aqueles que sofrem perda de membros a recuperar uma melhor qualidade de vida.

Interface Cérebro-Computador (BCI)

O uso de BCIs continua a se expandir no mercado. Esses dispositivos permitem que humanos controlem aparelhos usando apenas pensamentos. Eles operam com uma variedade de sensores eletromagnéticos que podem monitorar mudanças na atividade cerebral. Esses sistemas utilizam as representações somatotópicas distintas do cérebro de ações simples, como tocar o dedo, para determinar seus movimentos.

Problemas com a Interface Cérebro-Computador Atual

BCIs oferecem oportunidades empolgantes ao mercado, mas a tecnologia ainda está em estado incipiente. Desvantagens significativas, como o custo de programação desses dispositivos e a necessidade de reajustes constantes para alcançar a calibração correta, continuam limitando a adoção. Felizmente, um novo estudo investiga por que as BCIs precisam de reajustes e apresenta um sistema inovador que fornece suporte de BCI a longo prazo.

Estudo sobre Interface Cérebro-Computador

O estudo intitulado “Amostragem da plasticidade representacional de movimentos imaginados simples ao longo de dias permite controle neuroprótesico de longo prazo”¹ publicado na revista científica Cell fornece detalhes sobre como habilitar controle neuroprótesico complexo de longo prazo.

Robótica Controlada pela Mente

O objetivo do estudo foi monitorar, catalogar e descobrir mudanças na atividade cerebral para tarefas cotidianas e movimentos simples. Para cumprir essa tarefa, os pesquisadores rastrearam alterações na estrutura representacional da atividade cerebral ao longo de dias via controle BCI.

Interface Cérebro-Computador por Eletrocorticografia

A BCI por Eletrocorticografia permitiu que engenheiros comparassem a atividade neural a uma grade ECoG uni-hemisférica que representa movimentos imaginados de partes do corpo. Essa abordagem foi necessária para determinar a estrutura representacional no cérebro. Especificamente, a equipe usou a separação pareada como métrica de rastreamento.

A BCI integra modelos de inteligência artificial (IA) para ajustar gradualmente as mudanças nos padrões de atividade neural ao longo do tempo. Essas mudanças, conhecidas como deriva representacional, ocorrem à medida que o cérebro se adapta a tarefas motoras repetidas. A IA refina sua interpretação dos sinais cerebrais, permitindo que o participante mantenha o controle do braço robótico por meses. O estudo utilizou uma interface cérebro-computador intracortical, onde pequenos eletrodos foram implantados diretamente no cérebro para registrar a atividade neural. Ao contrário da eletrocorticografia (ECoG), que coloca sensores na superfície do cérebro, os implantes intracorticais fornecem gravações de alta resolução, mas exigem implantação direta no tecido cerebral.

Plasticidade

Plasticidade refere-se à capacidade do seu cérebro de se adaptar a mudanças no ambiente, na saúde ou nas experiências. Especificamente, a plasticidade sináptica, a plasticidade homeostática e a neurogênese adulta do seu cérebro passam por mudanças estruturais e funcionais adaptativas diariamente.

Essas pequenas mudanças podem não ser perceptíveis aos humanos, mas as BCIs precisam superar esse desafio para permanecer estáveis. Assim, os pesquisadores plotaram cronologicamente a distância de Mahalanobis média de cada sessão para proporcionar rastreabilidade.

Deriva Representacional

A deriva neural é outra ocorrência que os engenheiros precisam considerar ao criar seu sistema BCI. Deriva refere-se a mudanças na atividade e no comportamento ao longo do tempo. A deriva ocorre com a maioria das memórias de longo prazo relacionadas a habilidades motoras.

Compreendendo que as representações neurais de movimentos familiares evoluem continuamente, a equipe construiu um manifold comum usando dados de vários dias. Eles monitoraram mudanças diárias exatas e diferenças específicas, especialmente nos centróides neurais que não foram encontrados na construção das representações originais.

Variância Representacional Neural

Os engenheiros conseguiram levar em conta a variância representacional neural de cada ação. Dessa forma, a equipe descobriu uma estrutura meta-representacional com limites de decisão generalizáveis para cada repertório de ação, que poderia ser localizada à medida que se deslocava pela rede mental.

Notavelmente, a equipe estudou previamente a variância mental em animais. Foi durante esses estudos que eles notaram pela primeira vez que ações dia a dia eram facilmente decodificáveis com alta precisão usando sensores BCI. Eles também observaram que as ações estimulavam diferentes centróides ao longo do sistema neural conforme o tempo avançava.

Interface Cérebro-Computador de Longo Prazo

Essa descoberta levou os engenheiros a rastrear as representações de migrações através da rede cerebral para alcançar controle BCI de longo prazo. Especificamente, os pesquisadores foram capazes de rastrear e ajustar a plasticidade e a deriva entre dias via uma IA proprietária desenvolvida internamente.

Teste da Interface Cérebro-Computador

Como parte da fase de testes, os engenheiros coletaram dados durante 30 ações em 49 tentativas e 32 ações em 48 tentativas. Notavelmente, o teste focou em uma única parte do corpo, a mão. O primeiro passo foi selecionar um subconjunto de ações e medir a estrutura representacional das ações em diferentes contextos, com o objetivo final de controlar um braço robótico virtual Jaco.

Participantes do Teste da Interface Cérebro-Computador

Os engenheiros selecionaram um participante que sofria de tetraparesia severa e anartria devido a um AVC bilateral no tronco encefálico. O AVC foi tão grave que tirou sua capacidade de falar ou mover-se. Os participantes tetrapléjicos não apresentaram dano cognitivo, tornando-os ideais para o estudo.

Após conectar o paciente ao BCI atualizado, foram-lhe dadas várias tarefas com dificuldade variada, desde visualizar o movimento de diferentes partes do corpo, como a ponta do dedo, a cabeça ou a perna, até os micro‑movimentos do dedo indicador.

A equipe utilizou BCIs baseadas em ECoG para registrar as representações cerebrais de cada ação. O BCI aprimorado ofereceu aos engenheiros maior resolução e a capacidade de conduzir manipulação precisa guiada por feedback das representações. Notavelmente, não houve movimento corporal observável pelo paciente, mas a atividade mental era a mesma como se não estivesse paralisado.

Controlar Braço Robótico

O próximo passo foi integrar o braço robótico Kinova Jaco para testes. Na primeira fase de teste, o paciente foi solicitado a manipular o dispositivo usando sua capacidade mental. O teste fez o paciente tentar levantar um item e movê‑lo para um novo local. Essa fase inicial mostrou baixa controlabilidade e falta de confiabilidade por parte do usuário.

Ambiente Virtual 3D

Reconhecendo que era necessário mais feedback para o controlador, a equipe criou um braço robótico virtual. Essa abordagem permite que os usuários refinem seu controle e forneçam feedback valioso, possibilitando rastrear seu progresso e capacidades. Os engenheiros acreditam que esse aprendizado rápido em sessão será crucial para futuros sistemas de treinamento protético.

Teste de Tempo de Ajuste da Interface Cérebro-Computador

Um dos maiores avanços deste estudo foi que os engenheiros conseguiram utilizar o mesmo braço protético e paciente com apenas 15 minutos de recalibração após esperar meses entre as sessões. O método utilizou a rede neural recorrente profunda (RNN) para ajustar a plasticidade e a deriva.

Após esperar meses, o paciente retornou ao teste e recebeu tarefas específicas. Dois testes complexos de alcance‑a‑agarrar e manipulação de objetos com níveis variados de dificuldade foram configurados para verificar se o sistema estava funcionando corretamente.

A primeira tarefa exigiu que o paciente alcançasse e girasse o braço para agarrar um objeto e movê‑lo para outro local. Impressionantemente, a equipe alcançou uma taxa de sucesso mediana de 90% concluindo a tarefa em apenas 60,8 s. As tarefas subsequentes aumentaram em dificuldade, sendo a final a necessidade de abrir um armário, retirar um copo e segurá‑lo em um dispensador de água até que fosse preenchido.

Resultados do Teste da Interface Cérebro-Computador

Os resultados mostraram que o BCI aprimorado pôde rastrear a variância neural e proporcionar maior precisão neural. O estudo demonstrou que os sinais cerebrais para movimento permanecem estáveis ao longo do tempo, embora seus locais de operação mudem ligeiramente.

A IA ajusta‑se automaticamente para rastrear essas mudanças, permitindo sistemas facilmente configuráveis que operam de forma semelhante a dispositivos plug‑and‑play no seu PC. A equipe também descobriu alguns dados interessantes ao longo da jornada.

Eles observaram que cada membro apresenta padrões de iniciativa semelhantes entre as pessoas. Por exemplo, podem analisar padrões cerebrais e ver a diferença entre movimentos da mão direita e esquerda. Além disso, a equipe concluiu que reduzir rapidamente a variância é vital para a tomada de decisão perceptual.

Adicionalmente, o estudo demonstra que estatísticas neurais como a variância podem ser rastreadas e reguladas para aumentar as distâncias representacionais durante o controle BCI sem alterações somatotópicas.

Benefícios da Interface Cérebro-Computador

Existe uma longa lista de benefícios obtidos ao combinar aprendizado humano e IA. Esses sistemas podem, um dia, ajudar aqueles que sofrem perdas dolorosas a recuperar o controle sobre suas vidas e permitir que realizem atividades diárias sem estresse.

Estabilidade

O estudo demonstrou como ajustar a BCI pode proporcionar estabilidade a esses dispositivos de controle. A decisão da equipe de utilizar um manifold de baixa dimensão e distâncias representacionais relativas para um repertório de movimentos imaginados simples provou ser a escolha correta.

Novo Recorde

Até este teste recente, o maior tempo que uma BCI funcionou sem recalibração era de cerca de 2‑3 dias. Essa necessidade de recalibração constante relegava esses dispositivos apenas a testes. Agora, a BCI aprimorada pode durar até 7 meses sem atualizações, abrindo caminho para próteses mais responsivas e econômicas, entre outras aplicações.

Mais Eficiente

A BCI aprimorada leva apenas cerca de 15 minutos para recalibrar a cada 6 meses. Essa é uma grande melhoria em relação ao sistema anterior, que exigia calibração a cada 3 dias devido à degradação de desempenho ao longo de períodos prolongados para tarefas que requeriam alta precisão.

Pesquisadores da Interface Cérebro-Computador

Pesquisadores da UC San Francisco foram liderados pelo professor de neurologia e membro do Instituto Weill de Neurociências da UCSF, Karunesh Ganguly MD, PhD. O artigo foi co‑autorado pela pesquisadora de neurologia Nikhilesh Natraj, PhD, Sarah Seko, Adelyn Tu‑Chan e Reza Abiri da University of Rhode Island. Notavelmente, o projeto foi financiado pelos National Institutes of Health e pelo Instituto Weill de Neurociências da UCSF.

Futuro da Interface Cérebro-Computador

De acordo com a equipe, o objetivo agora é tornar o braço robótico mais suave e responsivo. Eles também desejam expandir os comandos mapeados pela BCI para aumentar a versatilidade e as capacidades do dispositivo. No futuro, esperam incluir outras partes do corpo.

Aplicações no Mundo Real & Cronograma para Interfaces Cérebro-Computador

Esse avanço pode ter um efeito revolucionário em múltiplas indústrias. A capacidade de controlar e interagir com dispositivos usando comandos mentais seria uma grande melhoria em relação aos métodos atuais. Também poderia abrir portas para uma nova era em saúde, eletrônica e aprendizado.

Embora as implementações atuais estejam em estágios experimentais, aplicações clínicas generalizadas podem se tornar viáveis dentro de 5 a 10 anos, dependendo dos resultados de pesquisas adicionais e das aprovações regulatórias. Como tal, há grande entusiasmo em torno das possibilidades futuras dessa tecnologia.

Medical

Uma área onde essa tecnologia já encontra um caso de uso imediato é o setor de próteses. O uso da tecnologia BCI tem sido visto por muitos como o ápice dos sistemas de controle de próteses. Essa descoberta recente traz promessas significativas para restaurar a autonomia de indivíduos com paralisia, permitindo que interajam com o ambiente por meio de dispositivos controlados por pensamento.

Innovative Companies Leading Brain-Computer Interface Development

A corrida para criar computadores e dispositivos controlados pelo cérebro levou várias empresas a investir milhões em P&D. Essas companhias buscam inaugurar uma nova era de saúde e ciência usando dispositivos que superam os teclados e métodos de entrada tradicionais de hoje. Aqui está uma empresa que está na vanguarda desses esforços e ganhando destaque no mercado.

Synchron

Synchron entrou em operação em 2012 como uma empresa de neurotecnologia de ponta. Notavelmente, a empresa foi nomeada SmartStent. Em 2016, a firma rebatizou‑se como Synchron, refletindo seu foco no desenvolvimento de BCIs minimamente invasivas para ajudar pacientes que sofrem perda de mobilidade.

Hoje, a Synchron oferece uma variedade de produtos, incluindo uma interface neural endovascular chamada Stentrode. Esse dispositivo entra no corpo via artérias e se implanta no cérebro para oferecer suporte às habilidades motoras. Esse produto representa a constante inovação da Synchron no setor.

Além disso, a empresa garantiu subsídios da Defense Advanced Research Projects Agency (DARPA) dos EUA, do Departamento de Defesa dos Estados Unidos (DoD) e do Conselho Nacional de Saúde e Pesquisa Médica da Austrália.

Aqueles que buscam exposição ao mercado de BCI devem conduzir pesquisas adicionais sobre a Synchron. Seu posicionamento de mercado e esforços pioneiros continuam a preparar o terreno para futuras interfaces computador‑cérebro impulsionadas por IA e muito mais.

Brain-Computer Interfaces will Change everything.

Os avanços atuais em BCI podem fazer seus sonhos de ficção científica parecerem ultrapassados. Computadores do futuro poderão se comunicar diretamente com você via pensamentos, abrindo caminho para uma nova era de evolução humana. Por enquanto, esses engenheiros merecem um aplauso de pé por seus esforços.

Saiba mais sobre outras inovações em Robótica Hoje.

Estudos Referenciados:

^{1. Ganguly, K., Natraj, N., Seko, S., Tu-Chan, A., & Abiri, R. (2024). Amostragem da plasticidade representacional de movimentos imaginados simples ao longo de dias permite controle neuroprótesico de longo prazo. Cell, 2024. https://doi.org/10.1016/j.cell.2024.02.029}