Pesquisa recém-publicada estabilizará drasticamente as interfaces cérebro-computador

Novas pesquisas da Carnegie Mellon University (CMU) e da University of Pittsburgh (Pitt) melhorarão e estabilizarão drasticamente as interfaces cérebro-computador. 

A pesquisa Foi publicado em Natureza Engenharia Biomédica, com o artigo sendo intitulado “Uma interface cérebro-computador estabilizada baseada no alinhamento do manifold neural”.

Interfaces cérebro-computador (BCI)

As interfaces cérebro-computador (BCI) são dispositivos capazes de permitir que indivíduos com deficiência controlem membros protéticos, maldições de computador ou outras interfaces usando suas mentes.

Um dos maiores desafios associados ao uso de BCIs em um ambiente clínico é que as gravações neurais podem ser instáveis. O indivíduo que controla a BCI pode eventualmente perder o controle devido a variações nos sinais captados pela BCI. 

Sempre que essa perda de controle acontece, o indivíduo deve passar por um processo de recalibração. O indivíduo precisa redefinir a conexão entre seus comandos mentais e as tarefas que estão sendo executadas, e outro técnico humano geralmente precisa estar presente. 

William Bishop é membro do Janelia Farm Research Campus. Anteriormente, ele foi aluno de doutorado e pós-doutorado no Departamento de Aprendizado de Máquina da CMU.

“Imagine se toda vez que quiséssemos usar nosso telefone celular, para fazê-lo funcionar corretamente, tivéssemos que calibrar a tela de alguma forma para que ele soubesse para qual parte da tela estávamos apontando”, diz Bishop. “O atual estado da arte da tecnologia BCI é mais ou menos assim. Apenas para que esses dispositivos BCI funcionem, os usuários precisam fazer essa recalibração frequente. Isso é extremamente inconveniente para os usuários, bem como para os técnicos que fazem a manutenção dos dispositivos.”

Novo algoritmo de aprendizado de máquina

Os pesquisadores apresentaram um novo algoritmo de aprendizado de máquina capaz de contabilizar os sinais variados. O indivíduo é capaz de manter o controle da BCI mesmo quando as instabilidades estão presentes. Os pesquisadores desenvolveram isso depois de descobrir que a atividade da população neural ocorre em um “coletor neural” de baixa dimensão. 

Alan Degenhart é pesquisador de pós-doutorado em engenharia elétrica e de computação na CMU.

“Quando dizemos 'estabilização', o que queremos dizer é que nossos sinais neurais são instáveis, possivelmente porque estamos registrando diferentes neurônios ao longo do tempo”, diz Degenhart. “Descobrimos uma maneira de levar diferentes populações de neurônios ao longo do tempo e usar suas informações para revelar essencialmente uma imagem comum da computação que está acontecendo no cérebro, mantendo assim o BCI calibrado apesar das instabilidades neurais”.

Métodos anteriores

Abordagens anteriores para métodos de auto-recalibração também enfrentaram desafios em torno de instabilidades. Ao contrário de outros métodos, este não depende do bom desempenho do sujeito durante o processo de recalibração. 

Byron Yu é professor de engenharia elétrica e de computação e engenharia biomédica na CMU.

“Digamos que a instabilidade fosse tão grande que o sujeito não fosse mais capaz de controlar o BCI”, explica Yu. “Procedimentos de auto-recalibração existentes provavelmente terão dificuldades nesse cenário, enquanto em nosso método, demonstramos que eles podem, em muitos casos, se recuperar dessas instabilidades catastróficas”.

Emily Oby, pesquisadora de pós-doutorado em neurobiologia na Pitt, também falou sobre a questão da instabilidade. 

“As instabilidades de registro neural não são bem caracterizadas, mas é um problema muito grande”, diz Oby. “Não há muita literatura que possamos apontar, mas, curiosamente, muitos dos laboratórios que fazem pesquisas clínicas com BCI têm que lidar com esse problema com bastante frequência. Este trabalho tem o potencial de melhorar muito a viabilidade clínica dos BCIs e ajudar a estabilizar outras interfaces neurais”.

O artigo também incluiu os autores Steve Chase, professor de engenharia biomédica e do Instituto de Neurociências da CMU, juntamente com Aaron Batists, professor associado de bioengenharia da Pitt, e Elizabeth Tyler-Kabara, professora associada de cirurgia neurológica da Pitt. 

A pesquisa foi financiada pela Craig H Neilsen Foundation, National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research e Simons Foundation.