Hjernen-Maskine Grænseflade Kan Assistere Personer Med Lammelse

Et internationalt forskerhold har udviklet en bærbar hjernen-maskine (BMI) enhed, der kan forbedre livskvaliteten for personer med motorisk dysfunktion eller lammelse. Den kan endda assistere personer med låst-in syndrom, der er en tilstand, hvor en person er ude af stand til at bevæge sig eller kommunikere, på trods af at være bevidst.

Holdet blev ledet af Woon-Hong Yeos laboratorium på Georgia Institute of Technology og inkluderede forskere fra University of Kent i Storbritannien og Yonsei University i Republikken Korea. Holdet kombinerede trådløse bløde skalpelektronik og virtuel virkelighed i et enkelt BMI-system. Systemet giver brugerne mulighed for at styre en kørestol eller en robotarm blot ved at forestille sig handlinger.

Den nye BMI blev detaljeret i tidsskriftet Advanced Science sidste måned.

En Mere Komfortabel Enhed

Yeo er en associeret professor på George W. Woodruff School of Mechanical Engineering.

“Den største fordel ved dette system for brugeren, sammenlignet med hvad der allerede eksisterer, er, at det er blødt og komfortabelt at bære, og ikke har nogen ledninger,” sagde Yeo.

BMI-systemer kan analysere hjernesignaler og transmittere neural aktivitet til kommandoer, hvilket er, hvad der giver personerne mulighed for at forestille sig handlinger for BMI at udføre. ElectroEncephaloGraphy, eller EEG, er den mest almindelige ikke-invasive metode til at erhverve signalerne, men det kræver ofte en kraniekap med mange ledninger. 

For at bruge disse enheder, kræves det, at man bruger geler og pasteur, for at opretholde hudkontakt, og alt dette setup er tidskrævende og ubehageligt for brugeren. Oven i dét, har enhederne ofte dårlig signalerhvervelse på grund af materialedegradering og bevægelsesartefakter, der skyldes ting som knusning af tænder. Denne type støj vil optræde i hjernedata, og forskerne må filtrere det ud.

Maskinlæring og Virtuel Virkelighed

Det bærbare EEG-system, der er designed af holdet, forbedrer signalerhvervelsen takket være integrationen af interceptable mikronåle-elektroder med bløde trådløse kredsløb. For at måle hjernesignalerne, er det afgørende for systemet at bestemme, hvilke handlinger en bruger ønsker at udføre. For at opnå dette, har holdet satset på en maskinlæringsalgoritme og en virtuel virkelighedskomponent. 

Testene, der blev udført af holdet, involverede fire menneskelige forsøgspersoner, og næste skridt er at teste det på handicappede personer. 

Yeo er også direktør for Georgia Tech’s Center for Human-Centric Interfaces and Engineering under Institute for Electronics and Nanotechnology, samt medlem af Petit Institute for Bioengineering and Bioscience. 

“Dette er kun en første demonstration, men vi er begejstrede over, hvad vi har set,” sagde Yeo.

Tilbage i 2019 introducerede det samme hold en blød, bærbar EEG-hjernen-maskine grænseflade, og arbejdet inkluderede Musa Mahmood, der var den ledende forfatter på både denne forskning og den nye.

“Denne nye hjernen-maskine grænseflade bruger en helt anden paradigm, der indebærer forestillede motorhandlinger, såsom greb med enten hånd, hvilket frigør subjektet fra at skulle se på for mange stimuli,” sagde Mahmood.

Studiet fra 2021 involverede brugere, der demonstrerede præcis kontrol over virtuelle virkelighedsøvelser med deres tanker, eller motorbillede. 

“De virtuelle promter har vist sig at være meget hjælpsomme,” sagde Yeo. “De øger og forbedrer brugerengagement og nøjagtighed. Og vi kunne optage kontinuerlige, højkvalitets motorbilledeaktiviteter.”

Mahmood siger, at holdet nu vil fokusere på at optimere elektrodeplacering og mere avanceret integration af stimulus-baseret EEG.