Robotik

Tankstyrd robotik: UCSF:s framgång med hjärn-datorgränssnitt

mm
Lägg till Securities.io bland dina föredragna källor på Google
Information: Securities.io kan få ersättning när du använder länkar till produkter vi granskar. Det påverkar inte våra redaktionella bedömningar. Vi är inte registrerad investeringsrådgivare; detta är inte investeringsråd. Läs vår affiliateinformation.
Brain-Computer Interface

Forskare vid University of California, San Francisco (UCSF) har visat att en förlamad deltagare kunde styra en robotarm genom att föreställa sig rörelser. Studien, publicerad i Cell i mars 2025, undersöker hur ett gränssnitt mellan hjärna och dator (BCI) kan fungera över längre tid. Det handlar om ett forskningssystem, inte ett allmänt tillgängligt hjälpmedel eller en behandling som återställer kroppens egna rörelser.

Hur registrerades signalerna?

Forskarna använde elektrokortikografi, ECoG, med sensorer placerade på hjärnans yta. Den engelska ursprungsartikeln beskriver på ett ställe felaktigt ett intracortikalt implantat med elektroder inne i hjärnvävnaden. Det är en annan teknik. En deltagare som efter en hjärnstamsstroke varken kunde tala eller röra sig föreställde sig rörelser med exempelvis hand, fot och huvud. Systemet kopplade mönster i hjärnaktiviteten till avsedda rörelser.

Robotarm som kan styras med ett BCI-system

Bild: forskning om styrning av robotarmar

Varför behöver sådana system anpassas?

Aktiviteten i hjärnan ser inte exakt likadan ut varje dag även när personen tänker på samma rörelse. Forskarna fann att relationen mellan olika rörelsemönster var förhållandevis stabil, medan mönstrens absoluta position försköts något. Genom att kartlägga denna förändring kunde de utforma en avkodare som fortsatte tolka signalerna under senare sessioner. Resultatet berodde både på deltagarens träning och på hur algoritmen hanterade förändringen; AI gjorde inte all kalibrering överflödig.

Från virtuell övning till verklig robotarm

Först övade deltagaren med en virtuell robotarm som gav återkoppling. Senare kunde han gripa tag i och flytta föremål med en fysisk robotarm och utföra uppgifter i flera steg. Enligt UCSF fungerade systemet i sju månader utan fortlöpande justering av avkodaren. Efter några månader gjordes en kort finjustering på omkring 15 minuter för mer precisa uppgifter. Sju månader betyder alltså inte att systemet aldrig behövde kalibreras.

Studien omfattade få deltagare och avgränsade uppgifter. Den visar att långvarig neuroprotesstyrning är möjlig i en forskningsmiljö. Funktion i hemmet, kirurgiska och tekniska risker, kostnad och användbarhet för andra patienter måste undersökas vidare. Någon säker tidplan på fem till tio år för brett kliniskt införande finns inte.

Företag i sektorn

Synchron är ett separat neuroteknikföretag som undersöker ett kärlbaserat gränssnitt kallat Stentrode. Det skiljer sig från UCSF-studiens ECoG-sensorer på hjärnans yta. UCSF-resultatet visar därför inte att Synchrons produkt fungerar på samma sätt eller ger en viss investeringsavkastning.

Läs fler artiklar om robotik.

Källor

Natraj, N. m.fl. (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:s forskningsnyhet.

David Hamilton är en heltidsjournalist och en långvarig bitcoinist. Han specialiserar sig på att skriva artiklar om blockchain. Hans artiklar har publicerats i flera bitcoinpublikationer, inklusive Bitcoinlightning.com