Neu veröffentlichte Forschung wird Brain-Computer-Interfaces drastisch stabilisieren

Neue Forschungsergebnisse aus der Carnegie Mellon University (CMU) und der University of Pittsburgh (Pitt) werden Brain-Computer-Interfaces drastisch verbessern und stabilisieren. 

Die Forschung wurde in Nature Biomedical Engineering veröffentlicht, mit dem Titel „Ein stabilisiertes Brain-Computer-Interface basierend auf neuronaler Manifold-Anpassung.“

Brain-Computer-Interfaces (BCI)

Brain-Computer-Interfaces (BCI) sind Geräte, die es behinderten Personen ermöglichen, mittels ihrer Gedanken Prothesen, Computer-Cursor oder andere Schnittstellen zu steuern.

Eine der größten Herausforderungen bei der Verwendung von BCI in einer klinischen Umgebung ist, dass die neuronalen Aufzeichnungen instabil sein können. Die Person, die das BCI steuert, kann aufgrund von Signalvariationen die Kontrolle verlieren. 

Wenn dies passiert, muss die Person ein Neukalibrierungsverfahren durchführen. Die Person muss die Verbindung zwischen ihren mentalen Befehlen und den ausgeführten Aufgaben neu einstellen, und oft muss ein menschlicher Techniker anwesend sein. 

William Bishop ist ein Fellow am Janelia Farm Research Campus. Er war zuvor PhD-Student und Postdoktorand im Department of Machine Learning an der CMU.

“Stellen Sie sich vor, dass wir jedes Mal, wenn wir unser Handy benutzen wollen, es neu kalibrieren müssten, damit es richtig funktioniert”, sagt Bishop. “Der aktuelle Stand der Technik bei BCI-Technologie ist ein bisschen wie das. Nur um diese BCI-Geräte zu bedienen, müssen die Benutzer diese häufige Neukalibrierung durchführen. Das ist sehr unpraktisch für die Benutzer und auch für die Techniker, die die Geräte warten.”

Neuer Machine-Learning-Algorithmus

Die Forscher präsentierten einen neuen Machine-Learning-Algorithmus, der in der Lage ist, die variierenden Signale zu berücksichtigen. Die Person kann die Kontrolle über das BCI behalten, auch wenn Instabilitäten vorhanden sind. Die Forscher entwickelten dies, nachdem sie festgestellt hatten, dass die neuronale Populationsaktivität in einem niedrigdimensionalen „neuronalen Manifold“ stattfindet. 

Alan Degenhart ist ein Postdoktorand im Bereich Elektrotechnik und Informatik an der CMU.

“Wenn wir von ‘Stabilisierung’ sprechen, meinen wir, dass unsere neuronalen Signale instabil sind, möglicherweise weil wir von verschiedenen Neuronen über die Zeit aufzeichnen”, sagt Degenhart. “Wir haben eine Möglichkeit gefunden, unterschiedliche Populationen von Neuronen über die Zeit zu verwenden und ihre Informationen zu nutzen, um im Grunde ein gemeinsames Bild der im Gehirn ablaufenden Berechnungen zu erhalten, und damit das BCI trotz neuronaler Instabilitäten kalibriert zu halten.”

Frühere Methoden

Frühere Ansätze zur Selbstkalibrierung haben auch Herausforderungen im Zusammenhang mit Instabilitäten zu bewältigen. Im Gegensatz zu anderen Methoden hängt diese Methode nicht davon ab, dass der Benutzer während des Kalibrierungsprozesses gut funktioniert. 

Byron Yu ist Professor für Elektrotechnik und Informatik sowie Biomedizinische Technik an der CMU.

“Nehmen wir an, die Instabilität wäre so groß, dass der Benutzer das BCI nicht mehr steuern könnte”, erklärt Yu. “Bestehende Selbstkalibrierungsverfahren würden in diesem Szenario wahrscheinlich Schwierigkeiten haben, während unsere Methode in vielen Fällen in der Lage ist, von diesen katastrophalen Instabilitäten zu erholen.”

Emily Oby, eine Postdoktorandin im Bereich Neurobiologie an der Pitt, sprach auch über das Problem der Instabilität. 

“Neuronale Aufzeichnungsinstabilitäten sind nicht gut charakterisiert, aber es ist ein sehr großes Problem”, sagt Oby. “Es gibt nicht viel Literatur, auf die wir verweisen können, aber anekdotisch haben viele Labore, die klinische Forschung mit BCI durchführen, mit diesem Problem zu kämpfen. Diese Arbeit hat das Potenzial, die klinische Viabilität von BCI erheblich zu verbessern und andere neuronale Schnittstellen zu stabilisieren.”

Der Artikel umfasst auch Autoren wie Steve Chase, Professor für Biomedizinische Technik und das Neuroscience Institute an der CMU, sowie Aaron Batists, Associate Professor für Bioengineering an der Pitt, und Elizabeth Tyler-Kabara, Associate Professor für Neurochirurgie an der Pitt. 

Die Forschung wurde von der Craig H Neilsen Foundation, den National Institutes of Health, der DSF Charitable Foundation, der National Science Foundation, dem PA Dept of Health Research und der Simons Foundation finanziert.