Emily Oby er en bioingeniør postdoktoral forskningsassistent ved University of Pittsburgh. Hun, sammen med Pitt og Carnegie Mellon University-kolleger har forsket i, hvordan hjernen lærer opgaver. Kredit:Aimee Obidzinski/University of Pittsburgh
Når mennesker lider af invaliderende skader eller sygdomme i nervesystemet, de mister nogle gange evnen til at udføre opgaver, der normalt tages for givet, såsom at gå, spille musik eller køre bil. De kan forestille sig at gøre noget, men skaden kan forhindre, at handlingen opstår.
Der findes hjerne-computer grænsefladesystemer, der kan omsætte hjernesignaler til en ønsket handling for at genvinde en eller anden funktion, men de kan være en byrde at bruge, fordi de ikke altid fungerer problemfrit og skal justeres for at udføre selv simple opgaver.
Forskere ved University of Pittsburgh og Carnegie Mellon University arbejder på at forstå, hvordan hjernen fungerer, når de lærer opgaver ved hjælp af hjerne-computer-grænsefladeteknologi. I et sæt papirer, hvoraf den anden blev offentliggjort i dag i Natur biomedicinsk teknik , holdet flytter nålen fremad på hjerne-computer interface-teknologi, der skal hjælpe med at forbedre livet for amputerede patienter, der bruger neurale proteser.
"Lad os sige i løbet af din arbejdsdag, du planlægger din aftentur til købmanden, " sagde Aaron Batista, lektor i bioteknik ved Pitt's Swanson School of Engineering. "Den plan opretholdes et sted i din hjerne hele dagen, men når sandsynligvis ikke din motoriske cortex, før du rent faktisk kommer til butikken. Vi udvikler hjerne-computer interface-teknologier, der forhåbentlig en dag vil fungere på niveau med vores daglige intentioner."
Batista, Pitt postdoc-forsker Emily Oby og Carnegie Mellon-forskerne har samarbejdet om at udvikle direkte veje fra hjernen til eksterne enheder. De bruger elektroder, der er mindre end et hår, der registrerer neural aktivitet og gør det tilgængeligt for kontrolalgoritmer.
I holdets første undersøgelse, offentliggjort i juni sidste år i Proceedings of the National Academy of Sciences , gruppen undersøgte, hvordan hjernen ændrer sig med indlæringen af nye hjerne-computer-grænsefladefærdigheder.
"Når emnerne danner en motorisk intention, det forårsager aktivitetsmønstre på tværs af disse elektroder, og vi gengiver dem som bevægelser på en computerskærm. Forsøgspersonerne ændrer derefter deres neurale aktivitetsmønstre på en måde, der fremkalder de bevægelser, de ønsker, " sagde projektmedinstruktør Steven Chase, en professor i biomedicinsk teknik ved Neuroscience Institute i Carnegie Mellon.
I den nye undersøgelse, holdet designede teknologi, hvorved hjerne-computer-grænsefladen konstant justerer sig selv i baggrunden for at sikre, at systemet altid er i kalibrering og klar til brug.
"Vi ændrer, hvordan den neurale aktivitet påvirker markørens bevægelse, og dette fremkalder læring, " sagde Pitt's Oby, undersøgelsens hovedforfatter. "Hvis vi ændrede det forhold på en bestemt måde, det krævede, at vores dyreemner producerede nye mønstre af neural aktivitet for at lære at kontrollere markørens bevægelse igen. Det tog dem ugers træning, og vi kunne se, hvordan hjernen ændrede sig, efterhånden som de lærte det."
I en vis forstand, algoritmen "lærer", hvordan man tilpasser sig den støj og ustabilitet, der er iboende i neurale optagelsesgrænseflader. Resultaterne tyder på, at processen for mennesker til at mestre en ny færdighed involverer generering af nye neurale aktivitetsmønstre. Holdet ønsker i sidste ende, at denne teknologi skal bruges i et klinisk miljø til slagtilfælde-rehabilitering.
Sådanne selvrekalibreringsprocedurer har været et længe søgt mål inden for neurale proteser, og metoden præsenteret i teamets undersøgelser er i stand til at komme sig automatisk fra ustabiliteter uden at kræve, at brugeren holder pause for at kalibrere systemet selv.
"Lad os sige, at ustabiliteten var så stor, at forsøgspersonen ikke længere var i stand til at kontrollere hjerne-computer-grænsefladen, " sagde Yu. "Eksisterende selvrekalibreringsprocedurer vil sandsynligvis kæmpe i det scenarie, hvorimod i vores metode, Vi har vist, at det i mange tilfælde kan komme sig over selv de mest dramatiske ustabiliteter."