Proteza pełna pomyślunku

Interfejsy mózg-maszyna (Brain-Machine Interface – BMI) zostały opracowane aby przy pomocy fal mózgowych, sczytywanych przez elektrody na skórze pacjenta, można było sterować zewnętrznymi urządzeniami. W tym przypadku mowa o sterowaniu protezami, a sama technologia wydaje się być obiecująca, ponieważ może ona pomóc ludziom, którzy stracili zdolności motoryczne w wyniku urazu lub choroby.

Jednak nauka operowania BMI jest wysoce czasochłonna. Wykorzystanie możliwości płynących z takiego systemu wiąże się z długotrwałym treningiem. Pacjenci muszą posiąść zdolność modulowania swojego procesu myślowego, tak aby sygnał był na tyle klarowny, aby mógł zostać poprawnie zinterpretowany. Dla przykładu, aby ruszyć robotyczną protezą, osoba musi czynnie myśleć o ruchu, który chciałaby wykonać. To proces myślowy, który angażuje znacznie więcej mocy mózgu niż podświadoma myśl, która zazwyczaj leży u podłożu ruchu. Ponadto, nawet po odbyciu długotrwałych ćwiczeń, nie ma pewności, że pacjenci będą w stanie wykonywać złożone ruchy.

Jednakże zaobserwowano, że mózg emituje wyraźnie inne fale, gdy doświadcza sukcesu w obsłudze BMI, a gdy ponosi porażkę. Mając to na uwadze, zespół naukowców z NCCR Robotics opracował nowy system oparty o sprzężenie zwrotne, który rejestruje sygnały błędów nadawane przez mózg (nazwane “error-related potentials” – ErrPs, czyli potencjałami związanymi z błędami). Następnie są one używane do oceny tego czy poprawny ruch został osiągnięty, czy też nie. Następnie system adaptuje ruch do momentu, kiedy rozpozna właściwy zamiar użytkownika. Z czasem efekt staje się coraz bardziej precyzyjny.

Przeprowadzono badanie, w którym udział wzięło 12 ochotników. Zostali oni poproszeni o przyglądnięcie się, jak maszyna wykonuje 350 różnych ruchów, przy czym 20% z nich zostało specjalnie źle zaprogramowanych. Po obserwacji, każdy z badanych przeprowadził trzy eksperymenty, w których mieli oni za zadanie zlokalizować konkretny cel, przy pomocy robotycznej protezy. Tak, jak się spodziewano, czas potrzebny do zlokalizowania konkretnego celu malał z każdą próbą.

To nowe podejście znajduje oczywiste zastosowanie na polu neuroprotez, a w szczególności dla pacjentów z postępującą degradacją neurologiczną. Zaletą tego rozwiązania jest zdolność BMI do automatycznej adaptacji, bez konieczności przeprogramowywania czy treningu od nowa.

Źródło: robohub.org