Forskere bruker kunstig intelligens for å hjelpe mennesker med nevrologiske tilstander med å drive elektriske rullestoler med hjernebølger

Så snart jeg satte meg ned i den elektriske rullestolen, satte forskerne en hjelm på hodet mitt med elektronledere som boret seg inn i hodebunnen. De justerte den helt til en bærbar PC koblet til hjelmen begynte å motta signaler fra hjernen min.

Med den hensikt å oppdage de svakeste hjernebølger og gjenkjenne mønstrene deres for prediksjon gjennom kunstig intelligens (KI), ble jeg først instruert til å øve trodd bevegelse ved å kontrollere en avatar på en skjerm med bare tankene mine, som deretter ville være grunnlaget for å kontrollere rullestolen.

Det krevde litt øvelse, men til slutt beveget avataren seg rett forbi meg mens jeg tenkte på å knytte venstre hånd.

Selv når jeg gjorde en feil – som å flytte avataren mot en hindring i stedet for bort fra den – forklarte forskerne at instruksjonen ble overstyrt av AI-prediksjons- og estimeringsteknologi, som på dette tidspunktet hadde gjenkjent mønstre i hjernebølgene mine som kunne hjelpe den med å nøyaktig forutsi fremtidige instruksjoner for avataren. 

Etter at hjernebølgene hadde trent på instrumentet, var det på tide å prøve å bruke tankene mine til å kontrollere den elektriske rullestolen. Jeg lukket øynene og konsentrerte meg om hvordan det føltes å bevege venstre hånd, som hvilte ubevegelig på beinet mitt. Mens jeg forestilte meg at jeg knyttet neve med venstre hånd, begynte rullestolen å bevege seg til venstre – i ønsket retning! 

Selv om jeg ikke trenger rullestol i hverdagen, var opplevelsen av å drive kjøretøyet med tankene mine – assistert av AI – inspirerende gitt potensialet det kan ha til å forbedre livene til mennesker som lider av alvorlige ryggmargsskader eller nevrologiske tilstander som multippel sklerose, cerebral parese eller Guillain-Barré syndrom. 

Disse tilstandene gjør ofte pasienter sengeliggende eller avhengige av sykepleiere eller familiemedlemmer for å hjelpe dem med å flytte dem rundt. 

I årevis har forskere forsøkt å utvikle teknologi som kan hjelpe personer som er rammet av disse tilstandene med å gjenopprette noe av sin mobilitet og kroppslige autonomi. I 2009, Toyota annonsert en rullestol som kunne styres ved hjelp av elektroencefalogram (EEG)-signaler; i 2023, forskere ved Italias universitet i Padova utviklet hjerne-maskin-grensesnittteknologi som lar fullstendig lammede personer kjøre elektriske rullestoler ved hjelp av hjernebølger; og andre studier av hjernebølgedrevne rullestoler innlemme utvidet virkelighet, datasyn og offline kalibreringsteknologi.

Selv om innovasjoner som disse i overveldende grad har hjulpet oss med å komme nærmere å bygge bro over mobilitetsgapet for personer som lider av alvorlige rygg- og nevrologiske tilstander, fortalte forskere fra NTT Research meg at det fortsatt er mange begrensninger, spesielt når man vurderer at hjernebølger ikke nødvendigvis er de samme på tvers av alle mennesker, og heller ikke gjennom et individs liv.

På sin nylige Upgrade 2025-konferanse i San Francisco viste NTT Research frem AI-teknologi som de sier kan forutsi og fullføre forstyrrede hjernebølgesignaler, slik at pasienter med selv alvorlige nevrologiske tilstander kan kontrollere elektriske rullestoler. 

«Det er kjent at hjernebølger kan variere på grunn av ulike faktorer. Teknologien vår er imidlertid utviklet for å optimalisere AI-en for hvert individ, så vi tror den forblir effektiv til tross for slike variasjoner.» Kengo Okitsu, fortalte en forsker som jobbet med prosjektet meg.  

Hjernens elektriske aktivitet registreres i alfa-, beta-, gamma-, delta- og thetabølger, og mye av deres funksjonelle betydning blir fortsatt undersøkt. debattert. Beta og Mu-rytme Alfabølger, som varierer fra henholdsvis 12 til 30 Hz og 8 til 10 Hz, er knyttet til bevegelse, noe som antyder planlagt og instruert bevegelse. 

Hjernebølger er imidlertid ikke konsistente i befolkningen. Personer med kognitive svekkelser som demens og Alzheimers sykdom oppleve redusert hjernebølgeaktivitet og -reaktivitet. Alder kan også hindre individers evne til å produsere hjernebølger som er sterke nok til å drive elektriske rullestoler; og til og med psykiatriske lidelser som ADHD, schizofreni og depresjon kan påvirke EEG-frekvens. 

Eksisterende hjernebølgeteknologi kan praktisk talt ikke holde tritt med alle disse variasjonene. I stedet satser forskerne på at kunstig intelligens skal bidra til å fullføre og utfylle utilstrekkelige eller unøyaktige hjernesignaler ved å gjenkjenne hjernebølgemønstre, noe som vil gjøre det mulig å forutsi innbilte kroppsbevegelser. 

«Teknologien vår vil fungere for alle fordi den oppdateres kontinuerlig av AI», sa Okitsu«Det fokuserer på å samle inn data for AI under faktisk drift av hjerne-maskin-grensesnittet. Slik at folk kan betjene avataren først, og deretter oppdateres teknologien vår ved hjelp av AI.» 

Forskerne påpekte også at den relativt raske reaksjonstiden fra å konvertere en tanke – som å knytte neven – til en handling – som å snu en rullestol, også hjelpes av en fotonikkbasert kommunikasjonsinfrastruktur kalt IOWN, som muliggjør databehandling med høy kapasitet og lav latens. Nettverket bruker fotoniske (lys) snarere enn elektriske signaler for informasjonsoverføring for å fremskynde dataoverføring og -behandling. 

Integreringen av disse teknologiene i hjernebølgestyrte rullestoler representerer utnyttelsen av nye teknologier for konstruksjon av mer tilgjengelige mobilitetsverktøy. 

Prosjektet kan bety en livsstilsendring for både funksjonshemmede og deres omsorgspersoner, som begge vil få mer frihet og autonomi.