Forskere bruger AI til at hjælpe mennesker med neurologiske lidelser til at styre el-kørestole med hjernebølger

Så snart jeg satte mig ned i el-kørestolen, satte forskerne en hjelm på mit hoved med elektroniske ledere, der borede sig ind i min skalp. De gjorde justeringer, indtil en bærbar computer, der var forbundet til hjelmen, begyndte at modtage signaler fra mit hjerte.

Med det formål at registrere de svageste hjernebølger og genkende deres mønstre til forudsigelse gennem kunstig intelligens (AI), blev jeg først instrueret i at øve forestillet bevægelse ved at styre en avatar på en skærm med blot mine tanker, hvilket derefter ville være grundlaget for at styre kørestolen.

Det tog lidt øvelse, men til sidst bevægede avatareren sig blot ved, at jeg tænkte på at knibe min venstre hånd.

Selv da jeg begik en fejl – såsom at flytte avatareren mod en forhindring i stedet for væk fra den – forklarede forskerne, at instruktionen blev overridet af AI-forudsigelse og estimeringsteknologi, som på dette tidspunkt havde genkendt mønstre i mine hjernebølger, der kunne hjælpe den med nøjagtigt at forudse fremtidige instruktioner for avatareren.

Når instrumentet havde været trænet på mine hjernebølger, var det tid til at prøve at bruge mine tanker til at styre el-kørestolen. Jeg lukkede øjnene og koncentrerede mig om, hvordan det føltes at bevæge min venstre hånd, der hvilede, ubevægelig, på mit ben. Da jeg forestillede mig at lave en knytnæve med min venstre hånd, begyndte kørestolen at bevæge sig til venstre – min ønskede retning!

Trods at jeg ikke har brug for en kørestol i min daglige liv, var oplevelsen af at styre kørestolen med mine tanker – assisteret af AI – inspirerende, når man tænker på det potentiale, det kunne have til at forbedre livet for mennesker, der lider af svære rygmarvsskader eller neurologiske lidelser som Multipel Sklerose, Cerebral Parese eller Guillain-Barré-Syndrom.

Disse lidelser efterlader ofte patienterne sengeliggende eller afhængige af sygeplejersker eller familiemedlemmer til at hjælpe med at flytte dem rundt.

I årevis har videnskabsmænd stræbt efter at udvikle teknologi til at hjælpe personer, der er berørt af disse lidelser, med at genvinde noget af deres mobilitet og kroppslige selvstændighed. I 2009 annoncerede Toyota en kørestol, der kunne styres ved hjælp af elektroencefalografi (EEG)-signal; i 2023 udviklede forskere ved Italiens Universitet i Padova hjernemaskinegrænseflade-teknologi , der tillader fuldstændigt lammete personer at køre el-kørestole ved hjælp af hjernebølger; og andre studier af hjernebølge-drevne kørestole inkorporerer forstærket virkelighed, computervision og offline-kalibreringsteknologi.

Selv om disse innovationer har hjulpet os betydeligt med at lukke mobilitetsgapet for personer med svære rygmarvsskader og neurologiske lidelser, fortalte forskere fra NTT Research mig, at der stadig er mange begrænsninger, især når man tænker på, at hjernebølger ikke nødvendigvis er ensartede over hele befolkningen eller over en persons liv.

Ved deres seneste Upgrade 2025-konference i San Francisco viste NTT Research AI-teknologi, som de siger kan forudse og fuldende forstyrrede hjernesignaler, hvilket tillader patienter med endda svære neurologiske lidelser at styre el-kørestole.

“Det er kendt, at hjernebølger kan variere på grund af forskellige faktorer. Men vores teknologi er designet til at optimere AI til hver enkelt person, så vi tror, det forbliver effektivt på trods af sådanne variationer,” sagde Kengo Okitsu, en forsker, der arbejdede på projektet.

Hjernens elektriske aktivitet registreres i alpha-, beta-, gamma-, delta- og theta-bølger, og meget af deres funktionelle betydning er stadig diskuteret.Beta– og Mu-rytme-alpha-bølger, der varierer fra 12 til 30 Hz og 8 til 10 Hz, er forbundet med bevægelse, hvilket antyder planlagt og instrueret bevægelse.

Hjernebølger er dog ikke konsistente hos befolkningen. Personer med kognitive impedimenter, såsom demens og Alzheimers sygdom , oplever reduceret hjernebølgeaktivitet og reaktivitet. Alder kan også hindre personers evne til at producere hjernebølger, der er stærke nok til at styre el-kørestole; og endda psykiatriske lidelser som ADHD, skizofreni og depression kan påvirke EEG-frekvens.

Eksisterende hjernebølgeteknologi kan ikke praktisk holde trit med alle disse variationer. I stedet satser forskerne på, at AI kan hjælpe med at fuldende og supplere utilstrækkelige eller ukorrekte hjernesignaler ved at genkende hjernebølgemønstre, der vil tillade det at forudse forestillet kroppslig bevægelse.

“Vores teknologi vil virke for alle, fordi den opdateres af AI kontinuerligt,” sagde Okitsu. “Den fokuserer på at indsamle data til AI under reel hjernemaskinegrænseflade-operation. Så mennesker kan operere avatareren først, og derefter opdaterer vores teknologi med hjælp af AI.”

Forskerene pegede også på, at den relativt hurtige reaktionstid fra omvandling af en tanke – såsom at knibe en hånd – til en handling – såsom at dreje en kørestol – også hjælpes af en fotonisk-baseret kommunikationsinfrastruktur kaldet IOWN, der tillader højkapacitets-, lav-forsinkelsesdata-processing. Netværket bruger fotoniske (lys-) signaler i stedet for elektriske signaler til informations-transmission for at accelerere data-overførsel og -processing.

Integreringen af disse teknologier i hjernebølge-styrede kørestole repræsenterer udnyttelsen af fremvoksende teknologier til konstruktionen af mere tilgængelige mobilitetsværktøjer.

Projektet kunne betyde en livsstils-evolution for både handicappede mennesker og deres plejere, der begge vil blive tilbudt mere frihed og selvstændighed.