Première interface cerveau-ordinateur non invasive développée
Une équipe de chercheurs de l’Université Carnegie Mellon, en collaboration avec l’Université du Minnesota, a fait une percée dans le domaine du contrôle non invasif des dispositifs robotiques. À l’aide d’une interface cerveau-ordinateur (ICB) non invasive, les chercheurs ont mis au point le tout premier bras robotique contrôlé par la pensée réussi, présentant la capacité de suivre et de suivre en continu un curseur d’ordinateur.
Pouvoir contrôler de manière non invasive des dispositifs robotiques en utilisant uniquement la pensée aura de larges applications, bénéficiant notamment à la vie des patients paralysés et de ceux souffrant de troubles du mouvement.
Les ICB ont montré qu’elles atteignaient de bonnes performances pour contrôler des dispositifs robotiques en utilisant uniquement les signaux détectés par les implants cérébraux. Lorsque les dispositifs robotiques peuvent être contrôlés avec une grande précision, ils peuvent être utilisés pour accomplir une variété de tâches quotidiennes. Jusqu’à présent, cependant, les ICB qui ont réussi à contrôler des bras robotisés ont utilisé des implants cérébraux invasifs. Ces implants nécessitent une expertise médicale et chirurgicale importante pour les installer et les faire fonctionner correctement, sans parler du coût et des risques potentiels pour les sujets, et à ce titre, leur utilisation a été limitée à quelques cas cliniques seulement.
Un grand défi dans la recherche sur les BCI est de développer une technologie moins invasive, voire totalement non invasive, qui permettrait aux patients paralysés de contrôler leur environnement ou des membres robotisés en utilisant leurs propres « pensées ». Une telle technologie BCI non invasive, si elle réussit, apporterait une technologie aussi nécessaire à de nombreux patients et même potentiellement à la population générale.
Cependant, les BCI qui utilisent une détection externe non invasive, plutôt que des implants cérébraux, reçoivent des signaux plus « sales », ce qui conduit à une résolution actuelle plus faible et à un contrôle moins précis. Ainsi, lorsqu’on utilise uniquement le cerveau pour contrôler un bras robotisé, une BCI non invasive ne fait pas le poids face aux dispositifs implantés. Malgré cela, les chercheurs en BCI sont allés de l’avant, l’œil rivé sur le prix d’une technologie moins ou non invasive qui pourrait aider quotidiennement les patients partout dans le monde.
Bin He, Trustee Professor et chef du département de génie biomédical à l’Université Carnegie Mellon, atteint cet objectif, une découverte clé à la fois.
« Il y a eu des avancées majeures dans les dispositifs robotiques contrôlés par l’esprit en utilisant des implants cérébraux. C’est de l’excellente science », déclare He. « Mais le non invasif est l’objectif ultime. Les avancées dans le décodage neuronal et l’utilité pratique du contrôle non invasif du bras robotique auront des implications majeures sur le développement éventuel de la neurorobotique non invasive. »
Utilisant de nouvelles techniques de détection et d’apprentissage automatique, He et son laboratoire ont pu accéder à des signaux situés profondément dans le cerveau, atteignant une haute résolution de contrôle d’un bras robotique. Grâce à la neuro-imagerie non invasive et à un nouveau paradigme de poursuite continue, il surmonte les signaux EEG bruyants, ce qui conduit à une amélioration significative du décodage neuronal basé sur l’EEG, et facilite le contrôle en temps réel d’un dispositif robotique 2D continu.
Utilisant une BCI non invasive pour contrôler un bras robotique qui suit un curseur sur un écran d’ordinateur, pour la toute première fois, il a montré chez des sujets humains qu’un bras robotique peut maintenant suivre le curseur en continu. Alors que les bras robotiques contrôlés par des humains de manière non invasive avaient auparavant suivi un curseur en mouvement par des mouvements saccadés et discrets – comme si le bras robotique essayait de « rattraper » les commandes du cerveau – maintenant, le bras suit le curseur dans une trajectoire lisse et continue.
Dans un article publié dans Science Robotics, l’équipe a établi un nouveau cadre qui aborde et améliore les composantes « cerveau » et « ordinateur » de la BCI en augmentant l’engagement et la formation de l’utilisateur, ainsi que la résolution spatiale des données neurales non invasives par l’imagerie de la source EEG.
L’article intitulé « La neuro-imagerie non invasive améliore le suivi neuronal continu pour le contrôle des dispositifs robotiques » montre que l’approche unique de l’équipe pour résoudre ce problème n’a pas amélioré l’apprentissage de la BCI de près de 60% pour les tâches traditionnelles de centre-out, mais a également amélioré le suivi continu d’un curseur d’ordinateur de plus de 500%.
La technologie a également des applications qui pourraient aider une variété de personnes, en offrant un « contrôle mental » sûr et non invasif des dispositifs qui peuvent permettre aux gens d’interagir avec et de contrôler leurs environnements. La technologie a, à ce jour, été testée sur 68 sujets humains valides (jusqu’à 10 séances pour chaque sujet), y compris le contrôle de dispositifs virtuels et le contrôle d’un bras robotisé pour une poursuite continue. La technologie est directement applicable aux patients, et l’équipe prévoit de mener des essais cliniques dans un avenir proche.
« Malgré les défis techniques liés à l’utilisation de signaux non invasifs, nous sommes pleinement engagés à apporter cette technologie sûre et économique aux personnes qui peuvent en bénéficier », déclare He. « Ce travail représente une étape importante dans les interfaces cerveau-ordinateur non invasives, une technologie qui pourrait un jour devenir une technologie d’assistance omniprésente aidant tout le monde, comme les smartphones. »
Référence : Edelman, B. J., Meng, J., Suma, D., Zurn, C., Nagarajan, E., Baxter, B. S., … He, B. (2019). La neuroimagerie non invasive améliore le suivi neuronal continu pour le contrôle des dispositifs robotiques. Science Robotics, 4(31), eaaw6844. https://doi.org/10.1126/scirobotics.aaw6844
Cet article a été republié à partir des matériaux suivants. Note : le matériel peut avoir été édité pour la longueur et le contenu. Pour plus d’informations, veuillez contacter la source citée.
.