การวิจัยใหม่ที่ตีพิมพ์จะทำให้ Brain-Computer Interfaces มีความเสถียรมากขึ้น

การวิจัยใหม่จากมหาวิทยาลัยคาร์เนกีเมลลอน (CMU) และมหาวิทยาลัยพิตต์สเบิร์ก (Pitt) จะช่วยปรับปรุงและทำให้ Brain-Computer Interfaces มีความเสถียรมากขึ้น

การวิจัยได้รับการตีพิมพ์ใน Nature Biomedical Engineering, โดยใช้ชื่อเรื่อง “A stabilized brain-computer interface based on neural manifold alignment.”

Brain-Computer Interfaces (BCI)

Brain-Computer Interfaces (BCI) เป็นอุปกรณ์ที่สามารถช่วยให้บุคคลที่มีความพิการสามารถควบคุมเครื่องมือหรืออินเทอร์เฟซต่างๆ โดยใช้ความคิด

หนึ่งในความท้าทายที่ใหญ่ที่สุดในการใช้ BCI ในสถานพยาบาลคือการบันทึกสัญญาณประสาทที่ไม่เสถียร ซึ่งบุคคลที่ควบคุม BCI อาจสูญเสียการควบคุมเนื่องจากการเปลี่ยนแปลงของสัญญาณที่รับมา

เมื่อเกิดการเสียการควบคุมนี้ บุคคลจะต้องผ่านกระบวนการปรับเทียบใหม่ โดยต้องตั้งค่าความสัมพันธ์ระหว่างคำสั่งทางจิตและงานที่ทำอยู่ และอาจต้องมีผู้ช่วยเหลือ

William Bishop เป็นนักวิจัยที่ Janelia Farm Research Campus และเคยเป็นนักศึกษาระดับ博士และนักวิจัยหลังปริญญาเอกในภาควิชา Machine Learning ที่ CMU

“ลองนึกภาพว่าถ้าเราต้องการใช้โทรศัพท์มือถือ แต่เพื่อให้ทำงานได้อย่างถูกต้อง เราต้องปรับจอแสดงผลให้รู้ว่าเรากำลังชี้ไปที่ส่วนใดของจอ” Bishop กล่าว “สถานะปัจจุบันของ BCI เทคโนโลยีคือประมาณนั้น เพียงเพื่อให้ได้ BCI เหล่านี้ทำงาน ผู้ใช้ต้องทำการปรับเทียบใหม่บ่อยๆ ซึ่งไม่สะดวกสำหรับผู้ใช้และผู้ช่วยเหลือที่ดูแลอุปกรณ์”

Algorithm การเรียนรู้ของเครื่องใหม่

นักวิจัยได้นำเสนอ Algorithm การเรียนรู้ของเครื่องใหม่ที่สามารถคำนึงถึงสัญญาณที่เปลี่ยนแปลงได้ โดยบุคคลสามารถควบคุม BCI ได้แม้ว่าสัญญาณจะไม่เสถียร นักวิจัยได้พัฒนา Algorithm นี้หลังจากพบว่ากิจกรรมของประชากรประสาทเกิดขึ้นใน “neural manifold” ที่มีมิติต่ำ

Alan Degenhart เป็นนักวิจัยหลังปริญญาเอกในภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ที่ CMU

“เมื่อเราพูดถึง ‘การเสถียร’ เราหมายถึงสัญญาณประสาทที่ไม่เสถียร ซึ่งอาจเกิดจากการที่เราบันทึกจากเซลล์ประสาทที่แตกต่างกันในเวลาเดียวกัน” Degenhart กล่าว “เราได้ค้นพบวิธีการที่จะนำข้อมูลจากประชากรของเซลล์ประสาทที่แตกต่างกันในเวลาเดียวกันและใช้ข้อมูลนั้นเพื่อแสดงภาพที่ชัดเจนของการคำนวณที่เกิดขึ้นในสมอง ซึ่งจะช่วยให้ BCI มีความเสถียรแม้ว่าสัญญาณจะไม่เสถียร”

วิธีการเดิม

วิธีการเดิมในการปรับเทียบใหม่เองก็เผชิญกับความท้าทายเกี่ยวกับการไม่เสถียรเช่นกัน แต่วิธีการนี้ไม่ขึ้นอยู่กับการที่บุคคลทำได้ดีในการปรับเทียบใหม่

Byron Yu เป็นศาสตราจารย์ภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์และวิศวกรรมชีวการแพทย์ที่ CMU

“ลองนึกภาพว่าถ้าความไม่เสถียรนั้นใหญ่มากจนบุคคลไม่สามารถควบคุม BCI ได้” Yu อธิบาย “วิธีการปรับเทียบใหม่แบบเดิมๆ อาจต้องดิ้นรนในสถานการณ์นั้น ในขณะที่วิธีการของเราสามารถฟื้นตัวจากความไม่เสถียรที่รุนแรงได้”

Emily Oby เป็นนักวิจัยหลังปริญญาเอกในภาควิชาประสาทวิทยาศาสตร์ที่ Pitt

“ความไม่เสถียรของการบันทึกประสาทไม่ได้รับการอธิบายอย่างดี แต่เป็นปัญหาที่ใหญ่มาก” Oby กล่าว “ไม่มีเอกสารที่เราสามารถอ้างอิงได้ แต่จากประสบการณ์ของห้องปฏิบัติการที่ทำการวิจัยทางคลินิกด้วย BCI พบว่าปัญหานี้เกิดขึ้นบ่อยมาก การวิจัยนี้มีศักยภาพที่จะช่วยปรับปรุงความสามารถในการใช้งาน BCI ในทางคลินิกและช่วยให้การเชื่อมต่อประสาทอื่นๆ มีความเสถียรมากขึ้น”

บทความนี้ยังรวมถึงผู้เขียนอื่นๆ เช่น Steve Chase ศาสตราจารย์ภาควิชาวิศวกรรมชีวการแพทย์และสถาบันประสาทวิทยาศาสตร์ที่ CMU และ Aaron Batists ศาสตราจารย์ภาควิชาวิศวกรรมชีวการแพทย์ที่ Pitt และ Elizabeth Tyler-Kabara ศาสตราจารย์ภาควิชาประสาทศัลยกรรมที่ Pitt

การวิจัยนี้ได้รับการสนับสนุนจาก Craig H Neilsen Foundation, National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research และ Simons Foundation