La ricerca recentemente pubblicata stabilizzerà drasticamente le interfacce cervello-computer
Una nuova ricerca proveniente dalla Carnegie Mellon University (CMU) e dall’Università di Pittsburgh (Pitt) migliorerà e stabilizzerà drasticamente le interfacce cervello-computer.
La ricerca è stata pubblicata su Nature Biomedical Engineering, con il documento intitolato “Un’interfaccia cervello-computer stabilizzata basata sull’allineamento di varietà neurali”.
Le interfacce cervello-computer (BCI) sono dispositivi in grado di consentire alle persone disabili di controllare arti protesici, maledizioni al computer o altre interfacce usando le loro menti.
Una delle maggiori sfide associate all’utilizzo di BCI in ambito clinico è che le registrazioni neurali possono essere instabili. L’individuo che controlla il BCI può eventualmente perdere il controllo a causa delle variazioni dei segnali raccolti da BCI.
Ogni volta che si verifica questa perdita di controllo, l’individuo deve sottoporsi a un processo di ricalibrazione. L’individuo deve ripristinare la connessione tra i loro comandi mentali e le attività svolte, e spesso deve essere presente un altro tecnico umano.
William Bishop è membro del Janelia Farm Research Campus. In precedenza era uno studente di dottorato e post-dottorato nel Dipartimento di Machine Learning presso la CMU.
“Immagina se ogni volta che volessimo usare il nostro telefono cellulare, per farlo funzionare correttamente, dovevamo in qualche modo calibrare lo schermo in modo che sapesse a quale parte dello schermo stavamo puntando”, afferma Bishop. “L’attuale stato dell’arte della tecnologia BCI è un po ‘così. Solo per far funzionare questi dispositivi BCI, gli utenti devono eseguire questa frequente ricalibrazione. Questo è estremamente scomodo per gli utenti, così come i tecnici che gestiscono i dispositivi. “
Nuovo algoritmo di apprendimento automatico
I ricercatori hanno presentato un nuovo algoritmo di apprendimento automatico in grado di tenere conto dei vari segnali. L’individuo è in grado di mantenere il controllo del BCI anche quando sono presenti instabilità. I ricercatori hanno sviluppato questo dopo aver scoperto che l’attività della popolazione neurale si svolge in una “varietà neurale” a bassa dimensione.
Alan Degenhart è ricercatore post dottorato in ingegneria elettrica e informatica presso la CMU.
“Quando diciamo” stabilizzazione “, ciò che intendiamo è che i nostri segnali neurali sono instabili, forse perché stiamo registrando da diversi neuroni nel tempo”, afferma Degenhart. “Abbiamo trovato un modo per prendere diverse popolazioni di neuroni nel tempo e usare le loro informazioni per rivelare essenzialmente un’immagine comune del calcolo che sta avvenendo nel cervello, mantenendo così il BCI calibrato nonostante le instabilità neurali.”
Metodi precedenti
I precedenti approcci ai metodi di auto-ricalibrazione hanno anche dovuto affrontare sfide relative alle instabilità. A differenza di altri metodi, questo non si basa sul fatto che il soggetto funzioni bene durante il processo di ricalibrazione.
Byron Yu è professore di ingegneria elettrica e informatica e ingegneria biomedica alla CMU.
“Diciamo che l’instabilità era così grande che il soggetto non era più in grado di controllare il BCI”, spiega Yu. “Le procedure di auto-ricalibrazione esistenti probabilmente avranno difficoltà in quello scenario, mentre nel nostro metodo, abbiamo dimostrato che in molti casi può recuperare da quelle instabilità catastrofiche”.
Emily Oby, ricercatrice post-dottorato in neurobiologia a Pitt, ha parlato anche del problema dell’instabilità.
“Le instabilità della registrazione neurale non sono ben caratterizzate, ma è un problema molto grande”, afferma Oby. “Non c’è molta letteratura a cui possiamo fare riferimento, ma aneddoticamente, molti dei laboratori che svolgono ricerche cliniche con BCI devono affrontare questo problema abbastanza frequentemente. Questo lavoro ha il potenziale per migliorare notevolmente la vitalità clinica dei BCI e per aiutare a stabilizzare altre interfacce neurali. “
L’articolo includeva anche gli autori Steve Chase, professore di ingegneria biomedica e Neuroscience Institute presso la CMU, insieme ad Aaron Batists, professore associato di bioingegneria a Pitt, ed Elizabeth Tyler-Kabara, professore associato di chirurgia neurologica a Pitt.
La ricerca è stata finanziata dalla Craig H Neilsen Foundation, dal National Institutes of Health, dalla DSF Charitable Foundation, dalla National Science Foundation, dalla PA Dept of Health Research e dalla Simons Foundation.
