Gehirn-Maschinen-Schnittstelle könnte Menschen mit Lähmungen helfen

Ein internationales Forscherteam hat ein tragbares Gehirn-Maschinen-Interface (BMI) entwickelt, das die Lebensqualität von Menschen mit Bewegungsstörungen oder Lähmungen verbessern könnte. Es könnte sogar Menschen mit dem 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 Vorstellen von Aktionen zu steuern.

Das neue BMI wurde im Journal Advanced Science letzten Monats 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 der Signale, erfordert aber oft eine Schädelkappe mit vielen Kabeln.

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

Machine Learning und virtuelle Realität

Das portable EEG-System, das das Team entwickelt hat, verbessert die Signalübertragung dank der Integration von abfangbaren 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 Tests, die das Team durchgeführt hat, umfassten vier menschliche Probanden, und der nächste Schritt ist, es an behinderten Personen zu testen.

Yeo ist auch Direktor des Centers for Human-Centric Interfaces and Engineering am Georgia Institute of Technology 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 eine weiche, tragbare EEG-Gehirn-Maschinen-Schnittstelle vor, und die Arbeit umfasste Musa Mahmood, der Lead-Autor dieser Forschung und der neuen Forschung war.

“Diese neue Gehirn-Maschinen-Schnittstelle verwendet ein völlig anderes Paradigma, das imaginäre motorische Aktionen wie Greifen mit einer Hand umfasst, was den Probanden von der Notwendigkeit befreit, viele Reize anzusehen”, sagte Mahmood.

Die Studie von 2021 umfasste Benutzer, die virtuelle Realitätsübungen mit ihren Gedanken oder motorischen Vorstellungen steuerten.

“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, das Team werde sich nun auf die Optimierung der Elektrodenplatzierung und die weiter fortgeschrittene Integration von stimulusbasierten EEG konzentrieren.