Hjerne-maskin-grensesnitt kan hjelpe enkeltpersoner med lammelser

Et internasjonalt team av forskere har utviklet en bærbar hjernemaskin (BMI) som kan forbedre livskvaliteten for personer med motorisk dysfunksjon eller lammelse. Det kan til og med hjelpe de med innelåst syndrom, som er når en person ikke er i stand til å bevege seg eller kommunisere til tross for bevissthet.

Teamet ble ledet av laboratoriet til Woon-Hong Yeo ved Georgia Institute of Technology og inkluderte forskere fra University of Kent i Storbritannia og Yonsei University i Republikken Korea. Teamet kombinerte trådløs myk hodebunnselektronikk og virtuell virkelighet i et enkelt BMI-system. Systemet gjør det mulig for brukere å kontrollere en rullestol eller robotarm bare ved å forestille seg handlinger.

Den nye BMI ble beskrevet i journalen Avansert vitenskap forrige måned.

En mer komfortabel enhet

Yeo er førsteamanuensis ved George W. Woodruff School of Mechanical Engineering.

«Den største fordelen med dette systemet for brukeren, sammenlignet med det som finnes i dag, er at det er mykt og behagelig å bruke, og ikke har noen ledninger», sa Yeo.

BMI-systemer kan analysere hjernesignaler og overføre nevral aktivitet til kommandoer, som er det som gjør individene i stand til å forestille seg handlinger for BMI å utføre. ElectroEncephaloGraphy, eller EEG, er den vanligste ikke-invasive metoden for å tilegne seg signalene, men det krever ofte en hodeskalle med mange ledninger. 

For å bruke disse enhetene kreves det bruk av geler og pastaer for å opprettholde hudkontakt, og alt dette oppsettet er tidkrevende og ubehagelig for brukeren. På toppen av det har enhetene ofte dårlig signalinnsamling på grunn av materialforringelse og bevegelsesartefakter, som er forårsaket av ting som sliping av tenner. Denne typen støy vil dukke opp i hjernedata, og forskerne må filtrere den ut.

Maskinlæring og virtuell virkelighet

Det bærbare EEG-systemet designet av teamet forbedrer signalinnsamlingen takket være integreringen av avskjærbare mikronålelektroder med myke trådløse kretser. For å måle hjernesignalene er det avgjørende for systemet å bestemme hvilke handlinger en bruker ønsker å utføre. For å oppnå dette stolte teamet på en maskinlæringsalgoritme og en virtuell virkelighetskomponent. 

Tester utført av teamet involverte fire mennesker, og neste trinn er å teste det på funksjonshemmede individer. 

Yeo er også direktør for Georgia Techs senter for menneskesentriske grensesnitt og ingeniørvitenskap under Institute for Electronics and Nanotechnology, samt medlem av Petit Institute for Bioengineering and Bioscience. 

«Dette er bare en første demonstrasjon, men vi er begeistret over det vi har sett», sa Yeo.

Tilbake i 2019 introduserte det samme teamet et mykt, bærbart EEG-hjerne-maskin-grensesnitt, og arbeidet inkluderte Musa Mahmood, som var hovedforfatter av både den forskningen og den nye.

"Dette nye hjerne-maskin-grensesnittet bruker et helt annet paradigme, som involverer forestilte motoriske handlinger, for eksempel å gripe med begge hender, noe som frigjør motivet fra å måtte se på for mange stimuli," sa Mahmood.

2021-studien involverte brukere som demonstrerte nøyaktig kontroll over virtuelle virkelighetsøvelser med tankene, eller motoriske bilder. 

"De virtuelle spørsmålene har vist seg å være svært nyttige," sa Yeo. "De øker og øker brukerengasjementet og nøyaktigheten. Og vi var i stand til å registrere kontinuerlig motorisk bildeaktivitet av høy kvalitet.»

Mahmood sier at teamet nå vil fokusere på å optimalisere elektrodeplassering og mer avansert integrering av stimulusbasert EEG.