Nuova ricerca pubblicata stabilizzerà drasticamente le interfacce cervello-computer

Una nuova ricerca proveniente dalla Carnegie Mellon University (CMU) e dall’Università di Pittsburgh (Pitt) migliorerà e stabilizzerà drasticamente le interfacce cervello-computer.

La ricerca è stata pubblicata su Nature Biomedical Engineering, con il titolo “Un’interfaccia cervello-computer stabilizzata basata sull’allineamento del manifold neurale.”

Interfacce cervello-computer (BCI)

Le interfacce cervello-computer (BCI) sono dispositivi in grado di consentire a persone disabili di controllare arti prostetici, cursori del computer o altre interfacce utilizzando la loro mente.

Una delle sfide più grandi associate all’uso delle BCI in un ambiente clinico è che le registrazioni neurali possono essere instabili. L’individuo che controlla la BCI può eventualmente perdere il controllo a causa delle variazioni nei segnali rilevati dalla BCI.

Ogni volta che si verifica una perdita di controllo, l’individuo deve sottoporsi a un processo di ricallibrazione. L’individuo deve riaggiornare la connessione tra i comandi mentali e le attività eseguite, e spesso deve essere presente un tecnico umano.

William Bishop è un fellow presso il Janelia Farm Research Campus. In precedenza era uno studente di dottorato e un ricercatore post-dottorato nel Dipartimento di apprendimento automatico della CMU.

“Immagina se ogni volta che vogliamo utilizzare il nostro cellulare, per farlo funzionare correttamente, dovessimo in qualche modo calibrare lo schermo in modo che sappia quale parte dello schermo stiamo indicando”, dice Bishop. “Lo stato attuale dell’arte nella tecnologia BCI è un po’ come quello. Solo per far funzionare questi dispositivi BCI, gli utenti devono eseguire questa ricallibrazione frequente. Quindi è estremamente scomodo per gli utenti, nonché per i tecnici che mantengono i dispositivi.”

Nuovo algoritmo di apprendimento automatico

I ricercatori hanno presentato un nuovo algoritmo di apprendimento automatico in grado di tenere conto dei segnali variabili. L’individuo può mantenere il controllo della BCI anche quando sono presenti instabilità. I ricercatori hanno sviluppato questo dopo aver scoperto che l’attività della popolazione neurale si verifica in un “manifold neurale” a bassa dimensionalità.

Alan Degenhart è un ricercatore post-dottorato in ingegneria elettrica e informatica alla CMU.

“Quando diciamo ‘stabilizzazione’, intendiamo che i nostri segnali neurali sono instabili, forse perché stiamo registrando da diversi neuroni nel tempo”, dice Degenhart. “Abbiamo scoperto un modo per prendere diverse popolazioni di neuroni nel tempo e utilizzare le loro informazioni per rivelare essenzialmente un’immagine comune del calcolo che si svolge nel cervello, mantenendo così la BCI calibrata nonostante le instabilità neurali.”

Metodi precedenti

Gli approcci precedenti ai metodi di autoricalibrazione hanno anche affrontato sfide legate alle instabilità. A differenza di altri metodi, questo non si basa sul fatto che il soggetto esegua bene il processo di ricallibrazione.

Byron Yu è un professore di ingegneria elettrica e informatica e ingegneria biomedica alla CMU.

“Supponiamo che l’instabilità fosse così grande che il soggetto non fosse più in grado di controllare la BCI”, spiega Yu. “Le procedure di autoricalibrazione esistenti potrebbero avere difficoltà in quel scenario, mentre con il nostro metodo, abbiamo dimostrato che può recuperare da quelle instabilità catastrofiche in molti casi.”

Emily Oby, una ricercatrice post-dottorato in neurobiologia alla Pitt, ha parlato anche del problema dell’instabilità.

“Le instabilità delle registrazioni neurali non sono ben caratterizzate, ma è un problema molto grande”, dice Oby. “Non c’è molta letteratura a cui possiamo fare riferimento, ma aneddoticamente, molti laboratori che eseguono ricerche cliniche con BCI devono affrontare questo problema molto frequentemente. Questo lavoro ha il potenziale di migliorare notevolmente la fattibilità clinica delle BCI e di aiutare a stabilizzare altre interfacce neurali.”

L’articolo include anche gli autori Steve Chase, professore di ingegneria biomedica e dell’Istituto di neuroscienze alla CMU, insieme ad Aaron Batists, professore associato di bioingegneria alla Pitt, e Elizabeth Tyler-Kabara, professore associato di neurochirurgia alla Pitt.

La ricerca è stata finanziata dalla Craig H Neilsen Foundation, dai National Institutes of Health, dalla DSF Charitable Foundation, dalla National Science Foundation, dal PA Dept of Health Research e dalla Simons Foundation.