Eerste niet-invasieve hersen-computerinterface ontwikkeld
Een team onderzoekers van de Carnegie Mellon University heeft, in samenwerking met de Universiteit van Minnesota, een doorbraak bereikt op het gebied van niet-invasieve besturing van robotapparatuur. Met behulp van een niet-invasieve brein-computer interface (BCI), hebben onderzoekers de allereerste succesvolle brein-gestuurde robotarm ontwikkeld die het vermogen vertoont om continu een computercursor te volgen.
Het in staat zijn om niet-invasief robot-apparaten te besturen met behulp van alleen gedachten zal brede toepassingen hebben, in het bijzonder ten voordele van het leven van verlamde patiënten en mensen met bewegingsstoornissen.
BCI’s hebben aangetoond goede prestaties te bereiken voor het besturen van robot-apparaten met behulp van alleen de signalen die worden waargenomen van hersenimplantaten. Wanneer robotica met hoge precisie kunnen worden bestuurd, kunnen ze worden gebruikt om een verscheidenheid aan dagelijkse taken uit te voeren. Tot nu toe echter, hebben BCI’s die succesvol zijn in het besturen van robotarmen invasieve hersenimplantaten gebruikt. Deze implantaten vereisen een aanzienlijke hoeveelheid medische en chirurgische expertise om correct te installeren en te bedienen, om nog maar te zwijgen van de kosten en mogelijke risico’s voor de proefpersonen, en als zodanig is hun gebruik beperkt tot slechts een paar klinische gevallen.
Een grote uitdaging in BCI-onderzoek is het ontwikkelen van minder invasieve of zelfs geheel niet-invasieve technologie die verlamde patiënten in staat zou stellen hun omgeving of robotledematen te besturen met behulp van hun eigen “gedachten”. Dergelijke niet-invasieve BCI-technologie, indien succesvol, zou deze broodnodige technologie naar tal van patiënten en zelfs mogelijk naar de algemene bevolking brengen.
Hoewel, BCI’s die gebruik maken van niet-invasieve externe sensing, in plaats van hersenimplantaten, ontvangen “vuilere” signalen, wat leidt tot de huidige lagere resolutie en minder nauwkeurige controle. Wanneer dus alleen de hersenen worden gebruikt om een robotarm te besturen, kan een niet-invasieve BCI niet op tegen het gebruik van geïmplanteerde apparaten. Desondanks zijn BCI-onderzoekers doorgegaan, met hun oog op de prijs van een minder- of niet-invasieve technologie die patiënten overal in de wereld dagelijks zou kunnen helpen.
Bin He, Trustee Professor en Afdelingshoofd Biomedische Technologie aan de Carnegie Mellon University, bereikt dat doel, één belangrijke ontdekking tegelijk.
“Er is grote vooruitgang geboekt op het gebied van door de hersenen bestuurde robotica met behulp van hersenimplantaten. Het is uitstekende wetenschap,” zegt He. “Maar niet-invasief is het uiteindelijke doel. Vooruitgang in neurale decodering en het praktische nut van niet-invasieve robotarmcontrole zal grote gevolgen hebben voor de uiteindelijke ontwikkeling van niet-invasieve neurorobotica.”
Met behulp van nieuwe technieken voor detectie en machinaal leren hebben He en zijn lab toegang gekregen tot signalen diep in de hersenen, waardoor een hoge resolutie van controle over een robotarm kon worden bereikt. Met niet-invasieve neuro-imaging en een nieuwe continue achtervolging paradigma, is hij het overwinnen van de ruis EEG-signalen leiden tot een aanzienlijke verbetering van EEG-gebaseerde neurale decodering, en het vergemakkelijken van real-time continue 2D robot apparaat controle.
Gebruik makend van een niet-invasieve BCI voor de controle van een robotarm die een cursor op een computerscherm volgt, voor de allereerste keer, heeft hij aangetoond bij menselijke proefpersonen dat een robotarm nu continu de cursor kan volgen. Waar robotarmen gecontroleerd door mensen niet-invasief eerder een bewegende cursor had gevolgd in schokkerige, discrete bewegingen – alsof de robotarm probeerde “in te halen” op de commando’s van de hersenen – nu volgt de arm de cursor in een soepele, continue pad.
In een paper gepubliceerd in Science Robotics, heeft het team een nieuw raamwerk opgezet dat de “hersenen” en “computer” componenten van BCI aanpakt en verbetert door de betrokkenheid en training van de gebruiker te vergroten, evenals de ruimtelijke resolutie van niet-invasieve neurale gegevens door middel van EEG bronbeeldvorming.
Het artikel, “Noninvasive neuroimaging enhances continuous neural tracking for robotic device control,” laat zien dat de unieke aanpak van het team om dit probleem op te lossen niet alleen het leren van BCI met bijna 60% verbeterde voor traditionele center-out taken, maar ook het continu volgen van een computercursor met meer dan 500% verbeterde.
De technologie heeft ook toepassingen die een verscheidenheid aan mensen zouden kunnen helpen, door veilige, niet-invasieve “mind control” van apparaten aan te bieden die mensen in staat kunnen stellen om te interageren met en controle uit te oefenen over hun omgeving. De technologie is tot op heden getest op 68 valide menselijke proefpersonen (tot 10 sessies voor elke proefpersoon), inclusief virtuele apparaatbesturing en besturing van een robotarm voor continue achtervolging. De technologie is direct toepasbaar op patiënten, en het team is van plan om in de nabije toekomst klinische proeven uit te voeren.
“Ondanks de technische uitdagingen bij het gebruik van niet-invasieve signalen, zijn we volledig toegewijd om deze veilige en economische technologie naar mensen te brengen die er baat bij kunnen hebben,” zegt He. “Dit werk vertegenwoordigt een belangrijke stap in niet-invasieve hersen-computer interfaces, een technologie die op een dag een pervasieve ondersteunende technologie kan worden die iedereen helpt, zoals smartphones.”
Referentie: Edelman, B. J., Meng, J., Suma, D., Zurn, C., Nagarajan, E., Baxter, B. S., … He, B. (2019). Niet-invasieve neuroimaging verbetert continue neurale tracking voor robotische apparaatbesturing. Science Robotics, 4(31), eaaw6844. https://doi.org/10.1126/scirobotics.aaw6844
Dit artikel is herpubliceerd van het volgende materiaal. Opmerking: het materiaal kan zijn bewerkt vanwege lengte en inhoud. Voor meer informatie kunt u contact opnemen met de geciteerde bron.