«В последние годы в области BCI был достигнут большой прогресс, но поскольку существующие системы приходилось перезагружать и повторно калибровать каждый день, они не смогли задействовать естественные процессы обучения мозга. Это все равно, что просить кого-то снова и снова научиться ездить на велосипеде с нуля », – сказал старший автор исследования Карунеш Гангули, доктор медицинских наук, доцент кафедры неврологии UCSF. "Адаптация системы искусственного обучения для бесперебойной работы со сложными схемами долгосрочного обучения мозга – это то, чего никогда раньше не было у человека с параличом."
Достижение "plug and play" производительности демонстрирует ценность так называемых электродных матриц ЭКоГ для приложений BCI.
Матрица ЭКоГ состоит из электродов размером примерно с наклейку, которая хирургическим путем помещается на поверхность мозга. Они позволяют вести долговременную стабильную регистрацию нервной активности и были одобрены для мониторинга приступов у пациентов с эпилепсией.
Напротив, в прошлых усилиях BCI использовались массивы острых электродов типа «подушечка булавок», которые проникают в ткань мозга для более чувствительной записи, но имеют тенденцию смещать или терять сигнал с течением времени. В этом случае авторы получили одобрение исследуемого устройства для долгосрочной хронической имплантации массивов ЭКоГ парализованным субъектам, чтобы проверить их безопасность и эффективность в качестве долгосрочных стабильных имплантатов ИМК.
В своей новой статье, опубликованной 7 сентября 2020 года в журнале Nature Biotechnology, команда Гангули документирует использование набора электродов ЭКоГ у человека с параличом всех четырех конечностей (тетраплегия). Участник также участвует в клиническом испытании, предназначенном для проверки использования массивов ЭКоГ, позволяющих парализованным пациентам управлять протезом руки и кисти, но в новой статье участник использовал имплант для управления курсором компьютера на экране.
Исследователи разработали алгоритм BCI, который использует машинное обучение для сопоставления активности мозга, регистрируемой электродами ЭКоГ, с желаемыми движениями курсора пользователя. Первоначально исследователи следовали стандартной практике ежедневного сброса алгоритма. Участник начинал с представления определенных движений шеи и запястья, наблюдая, как курсор перемещается по экрану. Постепенно компьютерный алгоритм будет обновляться, чтобы согласовывать движения курсора с генерируемой им мозговой активностью, эффективно передавая управление курсором пользователю.
Однако запуск этого процесса каждый день серьезно ограничивает уровень контроля, который может быть достигнут. На освоение управления устройством могли уйти часы, а в некоторые дни участнику приходилось полностью отказываться от него.
Затем исследователи переключились на то, чтобы алгоритм продолжал обновляться, чтобы соответствовать активности мозга участника, не сбрасывая его каждый день. Они обнаружили, что постоянное взаимодействие между сигналами мозга и алгоритмом с улучшенным машинным обучением приводит к постоянному повышению производительности в течение многих дней.
Изначально каждый день нужно было наверстать упущенное, но вскоре участник смог сразу же достичь высочайшего уровня производительности.
«Мы обнаружили, что можем еще больше улучшить обучение, убедившись, что алгоритм не обновляется быстрее, чем мозг может отслеживать – примерно раз в 10 секунд», – сказал Гангули, практикующий невролог из UCSF Health и Сан-Франциско. Служба неврологии и реабилитации Медицинского центра Управления ветеранов. «Мы рассматриваем это как попытку наладить партнерство между двумя обучающими системами – мозгом и компьютером – что в конечном итоге позволяет искусственному интерфейсу стать продолжением пользователя, как его собственная рука или рука."
Со временем мозг участника смог усилить паттерны нейронной активности, которые он мог использовать для наиболее эффективного управления искусственным интерфейсом через массив ЭКоГ, устраняя при этом менее эффективные сигналы – процесс отсечения, очень похожий на то, как мозг, как думают, изучает любые сложные задача, говорит исследователь.
Они заметили, что мозговая активность участника, казалось, вырабатывала укоренившуюся и последовательную мысленную «модель» для управления интерфейсом BCI, чего никогда не происходило при ежедневной перезагрузке и повторной калибровке. Когда интерфейс был сброшен после нескольких недель непрерывного обучения, участник быстро восстановил те же шаблоны нейронной активности для управления устройством – эффективно переобучая алгоритм до его прежнего состояния.
«После того, как пользователь установил долговечную память о решении для управления интерфейсом, нет необходимости в сбросе», – сказал Гангули. "Мозг быстро возвращается к тому же решению."
В конце концов, как только опыт был накоплен, исследователи показали, что они могут полностью отключить алгоритм обновления самого себя, и участник мог просто начать использовать интерфейс каждый день без необходимости в переобучении или повторной калибровке. Результативность не снижалась в течение 44 дней при отсутствии переподготовки, и участник мог даже несколько дней не тренироваться и видеть небольшое снижение производительности. Установление стабильного опыта в одной из форм управления BCI (перемещение курсора) также позволило исследователям начать «складывать» дополнительные изученные навыки, такие как «нажатие» виртуальной кнопки, без потери производительности.
Такая немедленная «plug and play» производительность BCI долгое время была целью в этой области, но была недостижимой, поскольку электроды типа «подушечка-подушечка», используемые большинством исследователей, имеют тенденцию со временем перемещаться, изменяя сигналы, воспринимаемые каждым электродом. Кроме того, поскольку эти электроды проникают в ткань мозга, иммунная система имеет тенденцию отклонять их, постепенно ухудшая их сигнал. Матрицы ЭКоГ менее чувствительны, чем эти традиционные имплантаты, но их долговременная стабильность, по-видимому, компенсирует этот недостаток.
Стабильность записей ЭКоГ может быть даже более важной для долгосрочного контроля более сложных роботизированных систем, таких как протезы, что является ключевой целью следующего этапа исследований Гангули.
«Мы всегда помнили о необходимости разработки технологий, которые не останутся в ящике, так сказать, но которые на самом деле улучшат повседневную жизнь парализованных пациентов», – сказал Гангули. "Эти данные показывают, что BCI на основе ECoG могут стать основой для такой технологии."