L'interface cerveau-machine pourrait aider les personnes atteintes de paralysie

Une équipe internationale de chercheurs a mis au point un appareil cerveau-machine (IMC) portable qui pourrait améliorer la qualité de vie des personnes souffrant de dysfonctionnement moteur ou de paralysie. Cela pourrait même aider les personnes atteintes du syndrome d'enfermement, c'est-à-dire lorsqu'une personne est incapable de bouger ou de communiquer malgré sa conscience.

L'équipe était dirigée par le laboratoire de Woon-Hong Yeo au Georgia Institute of Technology et comprenait des chercheurs de l'Université de Kent au Royaume-Uni et de l'Université Yonsei en République de Corée. L'équipe a combiné l'électronique sans fil du cuir chevelu souple et la réalité virtuelle dans un seul système BMI. Le système permet aux utilisateurs de contrôler un fauteuil roulant ou un bras robotisé simplement en imaginant des actions.

Le nouvel IMC a été détaillé dans le journal Sciences avancées le mois dernier.

Un appareil plus confortable

Yeo est professeur agrégé à la George W. Woodruff School of Mechanical Engineering.

« Le principal avantage de ce système pour l'utilisateur, par rapport à ce qui existe actuellement, est qu'il est doux et confortable à porter, et qu'il ne comporte aucun fil », a déclaré Yeo.

Les systèmes BMI peuvent analyser les signaux cérébraux et transmettre l'activité neuronale en commandes, ce qui permet aux individus d'imaginer des actions que le BMI doit effectuer. L'électroencéphalographie, ou EEG, est la méthode non invasive la plus courante pour acquérir les signaux, mais elle nécessite souvent une calotte crânienne avec de nombreux fils. 

Afin d'utiliser ces dispositifs, l'utilisation de gels et de pâtes est nécessaire pour maintenir le contact avec la peau, et toute cette configuration prend du temps et est inconfortable pour l'utilisateur. En plus de cela, les appareils ont souvent une mauvaise acquisition du signal en raison de la dégradation des matériaux et des artefacts de mouvement, qui sont causés par des choses comme le grincement des dents. Ce type de bruit apparaîtra dans les données cérébrales, et les chercheurs doivent le filtrer.

Apprentissage automatique et réalité virtuelle

Le système EEG portable conçu par l'équipe améliore l'acquisition du signal grâce à l'intégration d'électrodes à micro-aiguilles interceptables avec des circuits sans fil souples. Afin de mesurer les signaux cérébraux, il est crucial que le système détermine les actions qu'un utilisateur souhaite effectuer. Pour y parvenir, l'équipe s'est appuyée sur un algorithme d'apprentissage automatique et un composant de réalité virtuelle. 

Les tests effectués par l'équipe ont impliqué quatre sujets humains, et la prochaine étape consiste à le tester sur des personnes handicapées. 

Yeo est également directeur du Center for Human-Centric Interfaces and Engineering de Georgia Tech dans le cadre de l'Institut d'électronique et de nanotechnologie, ainsi que membre du Petit Institute for Bioengineering and Bioscience. 

« Ce n’est qu’une première démonstration, mais nous sommes ravis de ce que nous avons vu », a déclaré Yeo.

En 2019, la même équipe a introduit une interface cerveau-machine EEG douce et portable, et le travail comprenait Musa Mahmood, qui était l'auteur principal de cette recherche et de la nouvelle.

"Cette nouvelle interface cerveau-machine utilise un paradigme entièrement différent, impliquant des actions motrices imaginées, telles que saisir avec l'une ou l'autre main, ce qui évite au sujet d'avoir à regarder trop de stimuli", a déclaré Mahmood.

L'étude de 2021 a impliqué des utilisateurs démontrant un contrôle précis des exercices de réalité virtuelle avec leurs pensées ou leur imagerie motrice. 

"Les invites virtuelles se sont avérées très utiles", a déclaré Yeo. "Ils accélèrent et améliorent l'engagement et la précision des utilisateurs. Et nous avons pu enregistrer une activité d'imagerie motrice continue et de haute qualité.

Mahmood dit que l'équipe se concentrera désormais sur l'optimisation du placement des électrodes et une intégration plus avancée de l'EEG basé sur les stimuli.