La investigación podría ayudar a estabilizar y mejorar las interfaces cerebro-computadora

Investigadores de la Universidad Carnegie Mellon (CMU) y la Universidad de Pittsburgh (Pitt) han publicado una investigación en Nature Biomedical Engineering que mejorará drásticamente las interfaces cerebro-computadora y su capacidad para permanecer estabilizados durante el uso, reduciendo en gran medida o potencialmente eliminando la necesidad de recalibrarlos. dispositivos durante o entre experimentos. Las interfaces cerebro-computadora (BCI) son dispositivos que permiten a las personas con discapacidades motoras, como la parálisis, controlar extremidades protésicas, cursores informáticos y otras interfaces utilizando solo sus mentes. Uno de los mayores problemas a los que se enfrenta BCI en un entorno clínico es la inestabilidad en los propios registros neuronales. Con el tiempo, las señales detectadas por BCI pueden variar, y el resultado de esta variación es que un individuo puede perder la capacidad de controlar su BCI. Como resultado de esta pérdida de control, los investigadores le piden al usuario que realice una sesión de recalibración que requiere que detenga lo que está haciendo y restablezca la conexión entre sus comandos mentales y las tareas que se realizan. Por lo general, otro técnico humano está involucrado solo para que el sistema funcione.
"Imagínese si cada vez que quisiéramos usar nuestro teléfono celular, para que funcionara correctamente, tuviéramos que calibrar de alguna manera la pantalla para que supiera a qué parte de la pantalla apuntamos", dice William Bishop, quien anteriormente era doctor. estudiante y becario postdoctoral en el Departamento de Aprendizaje Automático en CMU y ahora es becario en el Campus de Investigación de Granja Janelia. "El estado actual de la tecnología BCI es algo así. Solo para que estos dispositivos BCI funcionen, los usuarios tienen que realizar esta recalibración frecuente.
Esto es extremadamente inconveniente para los usuarios, así como para los técnicos que mantienen los dispositivos." El documento, "Una interfaz cerebro-computadora estabilizada basada en la alineación de múltiples neuronales", presenta un algoritmo de aprendizaje automático que explica estas señales variables y permite que el individuo continúe controlando el BCI en presencia de estas inestabilidades. Al aprovechar el hallazgo de que la actividad de la población neuronal reside en una "variedad neuronal" de baja dimensión, los investigadores pueden estabilizar la actividad neuronal para mantener un buen rendimiento de BCI en presencia de inestabilidades de grabación.
Cuando decimos 'estabilización', lo que queremos decir es que nuestras señales neuronales son inestables, posiblemente porque estamos grabando desde diferentes neuronas a lo largo del tiempo. Hemos descubierto una forma de tomar diferentes poblaciones de neuronas a lo largo del tiempo y utilizar su información para revelar esencialmente una imagen común de la computación que está ocurriendo en el cerebro, manteniendo así el BCI calibrado a pesar de las inestabilidades neuronales ". Alan Degenhart, investigador postdoctoral en ingeniería eléctrica e informática en CMU Los investigadores no son los primeros en proponer un método de autocalibración; El problema de las grabaciones neuronales inestables ha estado en el aire durante mucho tiempo. Algunos estudios han propuesto procedimientos de autocalibración, pero se han enfrentado al problema de la inestabilidad. El método presentado en este documento es capaz de recuperarse de inestabilidades catastróficas porque no depende del buen desempeño del sujeto durante la recalibración. "Digamos que la inestabilidad fue tan grande que el sujeto ya no pudo controlar el BCI", explica Byron Yu, profesor de ingeniería eléctrica e informática e ingeniería biomédica en CMU.
"Los procedimientos de autocalibración existentes son es probable que tenga dificultades en ese escenario, mientras que en nuestro método, hemos demostrado que en muchos casos puede recuperarse de esas inestabilidades catastróficas ". "Las inestabilidades de grabación neuronal no están bien caracterizadas, pero es un problema muy grande", dice Emily Oby, investigadora postdoctoral en neurobiología en Pitt. "No hay mucha literatura que podamos señalar, pero anecdóticamente, muchos de los laboratorios que realizan investigación clínica con BCI tienen que lidiar con este problema con bastante frecuencia.
Este trabajo tiene el potencial de mejorar en gran medida la viabilidad clínica de BCI y para ayudar a estabilizar otras interfaces neuronales ".