科學家已經完成了有史以來第一次演示一個由癱瘓者控制的「即插即用」大腦假體。
該系統使用機器學習來幫助個人僅用大腦控制計算機界面。與大多數腦機接口(BCI)不同,該AI無需大量的日常培訓即可工作。
這項研究的資深作者Karunesh Ganguly,加州大學舊金山分校神經病學系副教授,在一項聲明中描述了這一突破:
近年來,BCI領域取得了長足的進步,但是由於必須每天對現有系統進行重置和重新校準,因此它們無法利用大腦的自然學習過程。這就像要求某人從頭開始一遍又一遍地學習騎自行車。適應人工學習系統以使其與大腦複雜的長期學習模式平穩配合,這在癱瘓的人中從未出現過。
該系統使用大小約為便籤紙的皮質腦電圖(ECoG)陣列。該陣列直接放置在大腦表面上,在此處監視來自大腦皮層的電活動。
神經植入物將電極放置在大腦表面上。
研究人員聲稱該系統可以長期,穩定地記錄神經活動。相對於 由穿透大腦組織的尖銳電極組成的BCI而言,這具有優勢,因為它們會隨著時間的流逝而改變或丟失信號。
該團隊在一個四肢癱瘓的人身上測試了該系統,並用它來控制屏幕上的計算機光標。首先,他們要求用戶在觀看光標移動時想像自己的脖子和手腕運動。這導致算法逐漸進行自我更新,因此可以使光標的移動與大腦活動相匹配。
但是,此耗時的過程限制了用戶的控制。因此研究人員嘗試了另一種方法:允許算法無需每天重置即可繼續更新。
Ganguly說,這導致了系統性能的持續改進:
我們發現,通過確保算法的更新速度不超過大腦的更新速度,可以每10秒一次,從而進一步改善學習。我們認為這是試圖在大腦和計算機這兩個學習系統之間建立夥伴關係,最終使人工界面成為用戶的延伸,就像他們自己的手或手臂一樣。
這種大腦渲染顯示了驅動BCI控制的電極的權重。
隨著試驗的進行,用戶的大腦開始放大移動光標的神經活動的模式。最終,他們開發了根深蒂固的心理「模型」來控制界面。研究人員隨後關閉了算法的更新,因此參與者無需每天進行調整即可使用該系統。
當系統在未經培訓或日常練習的情況下將其性能保持44天時,研究人員開始向BCI添加其他功能,例如「單擊」虛擬按鈕,而不會降低性能。
Ganguly現在希望在更複雜的機器人系統(包括假肢)中使用ECoG記錄。
他說:「可以說,我們一直都在設計一種技術,這種技術並沒有出現在抽屜裡,但是實際上可以改善癱瘓病人的日常生活,」。「這些數據表明,基於ECoG的BCI可能是這種技術的基礎。」