Des recherches nouvellement publiées vont drastiquement stabiliser les interfaces cerveau-ordinateur

De nouvelles recherches menées à l’Université Carnegie Mellon (CMU) et à l’Université de Pittsburgh (Pitt) vont considérablement améliorer et stabiliser les interfaces cerveau-ordinateur.

Les recherches ont été publiées dans Nature Biomedical Engineering, avec un article intitulé « Une interface cerveau-ordinateur stabilisée basée sur l’alignement des manifolds neuronaux ».

Interfaces cerveau-ordinateur (BCI)

Les interfaces cerveau-ordinateur (BCI) sont des appareils capables de permettre aux personnes handicapées de contrôler des membres prothétiques, des curseurs de souris ou d’autres interfaces en utilisant leur esprit.

L’un des plus grands défis associés à l’utilisation des BCI dans un environnement clinique est que les enregistrements neuronaux peuvent être instables. La personne qui contrôle le BCI peut finalement perdre le contrôle en raison des variations dans les signaux captés par le BCI.

Lorsque cette perte de contrôle se produit, la personne doit passer par un processus de recalibration. La personne doit réinitialiser la connexion entre ses commandes mentales et les tâches effectuées, et un technicien humain doit souvent être présent.

William Bishop est un chercheur au Janelia Farm Research Campus. Il était précédemment étudiant en doctorat et chercheur postdoctoral au département de l’apprentissage automatique de la CMU.

“Imaginez si chaque fois que nous voulons utiliser notre téléphone portable, pour qu’il fonctionne correctement, nous devions calibrer l’écran pour qu’il sache quelle partie de l’écran nous pointons”, déclare Bishop. “L’état actuel de la technologie BCI est un peu comme cela. Pour que ces appareils BCI fonctionnent, les utilisateurs doivent effectuer cette recalibration fréquente. C’est extrêmement inconvenant pour les utilisateurs, ainsi que pour les techniciens qui maintiennent les appareils.”

Nouvel algorithme d’apprentissage automatique

Les chercheurs ont présenté un nouvel algorithme d’apprentissage automatique capable de prendre en compte les signaux variables. La personne est capable de conserver le contrôle du BCI même lorsque les instabilités sont présentes. Les chercheurs ont développé cela après avoir constaté que l’activité de la population neuronale se produit dans un « manifold neuronal » de basse dimension.

Alan Degenhart est un chercheur postdoctoral en génie électrique et informatique à la CMU.

“Lorsque nous parlons de « stabilisation », nous voulons dire que nos signaux neuronaux sont instables, peut-être parce que nous enregistrons à partir de différents neurones au fil du temps”, déclare Degenhart. “Nous avons trouvé un moyen de prendre différentes populations de neurones au fil du temps et d’utiliser leurs informations pour essentiellement révéler une image commune du calcul qui se déroule dans le cerveau, ce qui permet de maintenir le BCI calibré malgré les instabilités neuronales.”

Méthodes précédentes

Les approches précédentes pour les méthodes de recalibration automatique ont également été confrontées à des défis entourant les instabilités. Contrairement aux autres méthodes, celle-ci ne repose pas sur le fait que le sujet se comporte bien pendant le processus de recalibration.

Byron Yu est professeur de génie électrique et informatique et de génie biomédical à la CMU.

“Supposons que l’instabilité soit si grande que le sujet ne soit plus en mesure de contrôler le BCI”, explique Yu. “Les procédures de recalibration automatique existantes ont probablement des difficultés dans ce scénario, alors que dans notre méthode, nous avons démontré qu’elle peut dans de nombreux cas récupérer de ces instabilités catastrophiques.”

Emily Oby, chercheuse postdoctorale en neurobiologie à Pitt, a également parlé du problème d’instabilité.

“Les instabilités d’enregistrement neuronal ne sont pas bien caractérisées, mais c’est un problème très important”, déclare Oby. “Il n’y a pas beaucoup de littérature à laquelle nous pouvons nous référer, mais anecdotiquement, de nombreux laboratoires qui effectuent des recherches cliniques avec les BCI doivent faire face à ce problème très fréquemment. Ce travail a le potentiel de considérablement améliorer la viabilité clinique des BCI et d’aider à stabiliser d’autres interfaces neuronales.”

L’article comprenait également des auteurs tels que Steve Chase, professeur de génie biomédical et de l’Institut des neurosciences à la CMU, ainsi qu’Aaron Batists, professeur agrégé de génie biomédical à Pitt, et Elizabeth Tyler-Kabara, professeure agrégée de chirurgie neurologique à Pitt.

La recherche a été financée par la Fondation Craig H Neilsen, les National Institutes of Health, la Fondation caritative DSF, la National Science Foundation, le Département de la santé de la recherche de Pennsylvanie et la Fondation Simons.