AR, XR und Gehirnschnittstellen

Neuer Ansatz könnte zu gedankenkontrollierten elektronischen Prothesen führen

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Aktuelle Neuralimplantate sind in der Lage, massive Mengen an neuraler Aktivität aufzuzeichnen, die dann über Kabel an einen Computer übertragen werden. Forscher haben versucht, drahtlose Brain-Computer-Interfaces zu entwickeln, um diese Aktion abzuschließen, aber das erfordert eine große Menge an Energie. Aufgrund dieser hohen Energiemenge wird zu viel Wärme erzeugt, was die Implantate für Patienten unsicher macht.

Jetzt zielt eine neue Studie aus Stanford darauf ab, dieses Problem zu lösen. Forscher an der Universität haben ständig an Technologien gearbeitet, die es Patienten mit Lähmungen ermöglichen könnten, die Kontrolle über ihre Gliedmaßen zurückzugewinnen. Insbesondere haben sie darauf abgezielt, Technologien zu entwickeln, die es diesen Patienten ermöglichen würden, Prothesen und Computer mit ihren Gedanken zu steuern.

Brain-Computer-Interface

Um dies zu erreichen, hat das Team sich auf die Verbesserung eines Brain-Computer-Interfaces konzentriert, das ein Gerät ist, das auf der Oberfläche des Gehirns eines Patienten implantiert wird, direkt unter dem Schädel. Das Implantat verbindet das menschliche Nervensystem mit einem elektronischen Gerät, das dazu beitragen könnte, die motorische Kontrolle bei einem Individuum wiederherzustellen, das eine Verletzung des Rückenmarks oder eine neurologische Erkrankung erlitten hat.

Aktuelle Geräte zeichnen große Mengen an neuraler Aktivität auf und übertragen sie über Kabel an einen Computer, und wenn Forscher versuchen, drahtlose Brain-Computer-Interfaces zu erstellen, wird zu viel Wärme erzeugt.

Das Team von Elektroingenieuren und Neurowissenschaftlern, darunter Krishna Shenoy, PhD, und Boris Murmann, PhD, und der Neurochirurg und Neurowissenschaftler Jaimie Henderson, MD, haben eine mögliche Möglichkeit demonstriert, ein drahtloses Gerät zu erstellen, das in der Lage ist, genaue neurale Signale aufzuzeichnen und zu übertragen, während es nur ein Zehntel der Energie benötigt, die von aktuellen Systemen benötigt wird.

Die vorgeschlagenen drahtlosen Geräte würden natürlicher erscheinen als diejenigen mit Kabeln, und Patienten hätten eine größere Bewegungsfreiheit.

Der Ansatz wurde von dem Doktoranden Nir Even-Chen und dem Postdoktoranden Dante Muratore, PhD, in einem Paper erläutert, das in Nature Biomedical Engineering veröffentlicht wurde.

Isolierung neuraler Signale

Die Neurowissenschaftler konnten spezifische neurale Signale identifizieren, die erforderlich waren, um ein Prothesegerät zu steuern. Das Gerät könnte alles von einem robotischen Arm bis hin zu einem Computer-Cursor umfassen.

Die Elektroingenieure erstellten dann die Schaltung, die zu einem drahtlosen Brain-Computer-Interface führen würde, das in der Lage ist, die identifizierten neuralen Signale zu verarbeiten und zu übertragen. Durch die Isolierung der Signale wurde weniger Energie benötigt, was die Geräte sicher für die Implantation auf der Oberfläche des Gehirns machte.

Das Team testete seinen Ansatz, indem es neuronalen Daten von drei nicht-menschlichen Primaten und einem menschlichen Probanden sammelte. In der klinischen Studie führten die Probanden Bewegungsaufgaben wie das Positionieren eines Cursors auf einem Computerbildschirm aus. Sie nahmen dann Messungen auf, und das Team konnte feststellen, dass durch die Aufzeichnung eines Teils der aktionspezifischen Hirnsignale die Bewegung eines Individuums durch ein drahtloses Interface gesteuert werden konnte.

Der Hauptunterschied zwischen diesem Gerät und dem kabelgebundenen Gerät ist die Isolierung, wobei das kabelgebundene Gerät neurale Signale in großen Mengen sammelt.

Das Team von Forschern wird nun ein Implantat auf der Grundlage des neuen Ansatzes und Designs erstellen.

Alex leitet die KI‑gestützten Nachrichtenoperationen von Unite.AI und verbindet Journalismus, Forschung und Automatisierung, um eine zeitnahe und skalierbare Berichterstattung über Künstliche Intelligenz zu ermöglichen. Seine Arbeit sorgt dafür, dass aufkommende KI‑Entwicklungen effizient aufgezeigt werden, während die redaktionellen Standards der Publikation eingehalten werden.