Forskare använder AI för att hjälpa människor med neurologiska tillstånd att styra elrullstolar med hjärnvågor

Så snart jag satte mig ner i elrullstolen, satte forskarna en hjälm på mitt huvud med elektroder som tryckte mot min skalp. De justerade tills en bärbar dator som var ansluten till hjälmen började ta emot signaler från min hjärna.

Med avsikt att upptäcka de svagaste hjärnvågorna och känna igen deras mönster för förutsägelse genom artificiell intelligens (AI), instruerades jag först att öva förställd rörelse genom att styra en avatar på en skärm med bara mina tankar, vilket sedan skulle vara grunden för att styra rullstolen.

Det tog lite övning, men till slut rörde sig avataren bara genom att jag tänkte på att knyta min vänsterhand.

Även när jag gjorde ett misstag – som att flytta avataren mot ett hinder istället för bort från det – förklarade forskarna att instruktionen åsidosattes av AI-prediktion och estimations-teknologi, som vid det här laget hade känt igen mönster i mina hjärnvågor som kunde hjälpa den att korrekt förutsäga framtida instruktioner för avataren.

När instrumentet hade tränats på mina hjärnvågor var det dags att försöka använda mina tankar för att styra elrullstolen. Jag stängde ögonen och koncentrerade mig på hur det kändes att röra min vänsterhand, som vilade, orörlig, på mitt ben. När jag föreställde mig att knyta en näve med min vänsterhand började rullstolen röra sig åt vänster – min önskade riktning!

Trots att jag inte behöver en rullstol i mitt dagliga liv, var upplevelsen av att driva fordonet med mina tankar – med hjälp av AI – inspirerande med tanke på den potential det kunde ha för att förbättra livet för människor som lider av allvarliga ryggmärgsskador eller neurologiska tillstånd som multipel skleros, cerebral pares eller Guillain-Barrés syndrom.

Dessa tillstånd lämnar ofta patienter sängliggande eller beroende av sjuksköterskor eller familjemedlemmar för att hjälpa dem att flytta sig.

Under många år har forskare strävat efter att utveckla teknologi för att hjälpa personer som påverkas av dessa tillstånd att återfå en del av sin rörelseförmåga och kroppsliga autonomi. 2009 tillkännagav Toyota en rullstol som kunde styras med hjälp av elektroencefalogram (EEG)-signalering; 2023 utvecklade forskare vid Italiens universitet i Padova hjärndatorgränssnittsteknologi som tillåter fullständigt förlamade personer att köra elrullstolar med hjälp av hjärnvågor; och andra studier om hjärnvågsstyrda rullstolar inkluderar förstärkt verklighet, datorseende och offline-kalibreringsteknologi.

Medan innovationer som dessa har överväldigande hjälpt oss att komma närmare att överbrygga rörelsegapet för personer som lider av allvarliga ryggmärgs- och neurologiska tillstånd, berättade forskare från NTT Research för mig att många begränsningar fortfarande kvarstår, särskilt när man överväger att hjärnvågor inte nödvändigtvis är desamma över hela befolkningen, eller över en persons liv.

På sin nyliga Upgrade 2025-konferens i San Francisco visade NTT Research upp AI-teknologi som de påstår kan förutsäga och slutföra avbrutna hjärnvågssignaler, vilket gör det möjligt för patienter med till och med allvarliga neurologiska tillstånd att kunna styra elrullstolar.

“Det är känt att hjärnvågor kan variera på grund av olika faktorer. Men vår teknik är utformad för att optimera AI för varje individ, så vi tror att den förblir effektiv trots sådana variationer”, berättade Kengo Okitsu, en forskare som arbetade med projektet, för mig.

Hjärnans elektriska aktivitet registreras i alfa-, beta-, gamma-, delta- och tetavågor, och mycket av deras funktionella betydelse är fortfarande debatteras. Beta– och mu-rytmen alfavågor, som sträcker sig från 12 till 30 Hz respektive 8 till 10 Hz, är kopplade till rörelse, vilket tyder på planerad och instruerad rörelse.

Hjärnvågor är dock inte konsekventa bland befolkningen. Personer med kognitiva nedsättningar som demens och Alzheimers sjukdom upplever minskad hjärnvågsaktivitet och reaktivitet. Ålder kan också hinder individers förmåga att producera hjärnvågor som är tillräckligt starka för att driva elrullstolar; och även psykiatriska tillstånd som ADHD, schizofreni och depression kan påverka EEG-frekvens.

Befintlig hjärnvågsteknologi kan inte praktiskt hålla jämna steg med alla dessa variationer. Istället satsar forskarna på AI för att hjälpa till att slutföra och komplettera otillräckliga eller felaktiga hjärnvågssignaler genom att känna igen hjärnvågsmönster som kommer att tillåta den att förutsäga föreställd kroppsrörelse.

“Vår teknik kommer att fungera för alla eftersom den uppdateras av AI kontinuerligt”, sa Okitsu. “Den fokuserar på att samla in data för AI under faktisk hjärndatorgränssnittsdrift. Så människor kan operera avataren först, och sedan uppdaterar vår teknik med hjälp av AI.”

Forskarna påpekade också att den relativt snabba reaktionstiden från att omvandla en tanke – som att knyta en näve – till en handling – som att vända en rullstol, också underlättas av en fotonikbaserad kommunikationsinfrastruktur som kallas IOWN som tillåter högkapacitets-, låglatensdata bearbetning. Nätverket använder fotoniska (ljus) signaler för informationsöverföring istället för elektriska signaler för att påskynda dataöverföring och bearbetning.

Integreringen av dessa teknologier i hjärnvågsstyrda rullstolar representerar utnyttjandet av framväxande teknologier för att konstruera mer tillgängliga rörelseverktyg.

Projektet kan innebära en livsstilsutveckling för både funktionshindrade människor och deras vårdgivare, som båda kommer att få mer frihet och autonomi.