Il cervello umano è un mosaico di miliardi di neuroni che lavorano incessantemente. Ogni pensiero, azione e sensazione è il risultato di questa attività elettrica complessa. Decifrare i segnali cerebrali per le interfacce cervello-computer (BCI) è una sfida ardua, soprattutto perché è difficile isolare e interpretare schemi specifici in mezzo a tutta questa attività.
Recentemente, i ricercatori della University of Southern California (USC) hanno sviluppato un nuovo algoritmo di intelligenza artificiale chiamato DPAD (Dissociative Prioritized Analysis of Dynamics). Questo algoritmo rappresenta un grande passo avanti nella neurotecnologia, promettendo di migliorare la decodifica dei segnali cerebrali.
Maryam Shanechi, professoressa di Ingegneria Elettrica e Informatica e direttrice del USC Center for Neurotechnology, ha guidato il team che ha creato questa tecnologia innovativa. Il loro lavoro, pubblicato su Nature Neuroscience, potrebbe rivoluzionare le interfacce cervello-computer.
Per capire l’importanza dell’algoritmo DPAD, è utile sapere quanto sia complessa l’attività cerebrale. Il nostro cervello gestisce continuamente molteplici processi: mentre leggi questo articolo, non solo elabori le informazioni visive, ma controlli anche la tua postura e respirazione, e pensi ai tuoi programmi per la giornata.
Ogni attività genera uno schema di attivazione neurale unico, creando un mosaico di segnali sovrapposti e interagenti. Questo rende difficile isolare i segnali relativi a un comportamento o pensiero specifico. Shanechi spiega: “Il cervello codifica simultaneamente comportamenti diversi e stati interni, generando schemi complessi e confusi nell’attività elettrica.”
Le interfacce cervello-computer cercano di tradurre i segnali cerebrali in comandi per dispositivi esterni, ma distinguere i segnali rilevanti dal rumore di fondo è difficile. I metodi tradizionali di decodifica spesso non riescono a separare i comandi intenzionali dall’attività cerebrale non correlata, limitando lo sviluppo di BCI avanzate.
L’algoritmo DPAD introduce un nuovo metodo di decodifica neurale. Utilizza una rete neurale profonda e una strategia di addestramento unica. Omid Sani, ricercatore associato nel laboratorio di Shanechi, spiega: “L’algoritmo AI cerca prima i modelli cerebrali correlati al comportamento di interesse e li apprende con priorità.”
Questo approccio permette al DPAD di isolare efficacemente i pattern neurali specifici dal mix complesso di segnali cerebrali. Una volta identificati questi pattern, l’algoritmo gestisce i segnali rimanenti per evitare interferenze.
La flessibilità delle reti neurali nell’algoritmo consente di descrivere diversi modelli cerebrali, rendendolo adattabile a varie applicazioni.
Il DPAD potrebbe migliorare significativamente le BCI, rendendole più precise nel decodificare le intenzioni di movimento. Questo potrebbe offrire un controllo più intuitivo su arti protesici e dispositivi di comunicazione per le persone con paralisi, permettendo movimenti più complessi e interazioni più ricche con l’ambiente.
Inoltre, il DPAD potrebbe rendere le BCI più robuste anche in contesti complessi, dove gli utenti sono esposti a molti stimoli e svolgono diverse attività cognitive.
Anche se inizialmente il DPAD si concentra sulla decodifica dei movimenti, potrebbe avere applicazioni anche nella salute mentale. Shanechi e il suo team stanno esplorando come l’algoritmo potrebbe decodificare stati mentali come dolore o umore.
Questa capacità potrebbe rivoluzionare il trattamento della salute mentale, offrendo informazioni preziose sulla progressione delle condizioni e sull’efficacia dei trattamenti. Shanechi immagina un futuro in cui questa tecnologia non solo aiuta con disturbi del movimento e paralisi, ma anche con condizioni di salute mentale, permettendo terapie più personalizzate e precise.