Brain-Machine-Schnittstelle könnte Menschen mit Lähmungen helfen

Ein internationales Team von Forschern hat ein tragbares Brain-Machine-Interface (BMI)-Gerät entwickelt, das die Lebensqualität von Menschen mit motorischen Dysfunktionen oder Lähmungen verbessern könnte. Es könnte sogar Menschen mit Locked-in-Syndrom helfen, bei dem eine Person trotz Bewusstseins nicht sprechen oder sich bewegen kann.

Das Team wurde von dem Labor von Woon-Hong Yeo am Georgia Institute of Technology geleitet und umfasste Forscher von der University of Kent im Vereinigten Königreich und der Yonsei University in der Republik Korea. Das Team kombinierte drahtlose weiche Schädel-Elektronik und virtuelle Realität in einem einzigen BMI-System. Das System ermöglicht es Benutzern, einen Rollstuhl oder einen Roboterarm nur durch Vorstellung von Aktionen zu steuern.

Das neue BMI wurde im Journal Advanced Science letzten Monat detailliert.

Ein komfortableres Gerät

Yeo ist Associate Professor an der George W. Woodruff School of Mechanical Engineering.

“Der größte Vorteil dieses Systems für den Benutzer im Vergleich zu dem, was derzeit existiert, ist, dass es weich und komfortabel zu tragen ist und keine Kabel hat”, sagte Yeo.

BMI-Systeme können Hirnsignale analysieren und neuronale Aktivität in Befehle umwandeln, was es den Personen ermöglicht, Aktionen vorzustellen, die das BMI ausführt. Die Elektroenzephalographie (EEG) ist die häufigste nichtinvasive Methode zur Erfassung von Signalen, erfordert jedoch oft eine Schädelschale mit vielen Kabeln.

Um diese Geräte zu verwenden, sind Gels und Pasten erforderlich, um die Hautkontakt zu erhalten, und all diese Einrichtungen sind zeitaufwändig und unkomfortabel für den Benutzer. Darüber hinaus haben die Geräte oft eine schlechte Signalübernahme aufgrund von Materialdegradation und Bewegungsartefakten, die durch Dinge wie Zähneknirschen verursacht werden. Diese Art von Rauschen erscheint in den Hirndaten, und die Forscher müssen es filtern.

Machine Learning und virtuelle Realität

Das tragbare EEG-System, das von dem Team entwickelt wurde, verbessert die Signalübernahme dank der Integration von interceptablen Mikronadel-Elektroden mit weichen drahtlosen Schaltkreisen. Um die Hirnsignale zu messen, ist es wichtig, dass das System bestimmt, welche Aktionen ein Benutzer ausführen möchte. Um dies zu erreichen, verließ sich das Team auf einen Machine-Learning-Algorithmus und eine virtuelle Realitätskomponente.

Die vom Team durchgeführten Tests umfassten vier menschliche Probanden, und der nächste Schritt ist es, es an behinderten Personen zu testen.

Yeo ist auch Direktor des Centers for Human-Centric Interfaces and Engineering am Institute for Electronics and Nanotechnology der Georgia Tech sowie Mitglied des Petit Institute for Bioengineering and Bioscience.

“Dies ist nur eine erste Demonstration, aber wir sind begeistert von dem, was wir gesehen haben”, sagte Yeo.

Im Jahr 2019 stellte das gleiche Team ein weiches, tragbares EEG-Brain-Machine-Interface vor, und die Arbeit umfasste Musa Mahmood, der der Hauptautor dieser Forschung und der neuen war.

“Diese neue Brain-Machine-Schnittstelle verwendet ein völlig anderes Paradigma, das imaginative motorische Aktionen wie Greifen mit einer Hand umfasst, was den Probanden die Notwendigkeit nimmt, auf viele Reize zu schauen”, sagte Mahmood.

Die Studie von 2021 umfasste Benutzer, die virtuelle Realitätsübungen mit ihren Gedanken oder motorischer Vorstellung kontrollierten.

“Die virtuellen Prompts haben sich als sehr hilfreich erwiesen”, sagte Yeo. “Sie beschleunigen und verbessern die Benutzerbeteiligung und Genauigkeit. Und wir konnten kontinuierliche, hochwertige motorische Vorstellungsaktivität aufzeichnen.”

Mahmood sagt, dass das Team nun darauf fokussieren wird, die Elektrodenplatzierung zu optimieren und eine fortschrittlichere Integration von stimulusbasiertem EEG zu erreichen.