fbpx

SEGUICI SU:

DELLO STESSO AUTORE

INSTAGRAM

CORRELATI

Interfacce neurali: sviluppata la prima protesi cerebrale “Plug-and-play”

Controllo di interfacce cervello-computer attraverso l’impianto di elettrodi ECoG.

I ricercatori del UCSF Weill Institute for Neurosciences hanno pubblicato su  Nature Biotechnology uno studio che dimostra la possibilità di ottenere una protesi cerebrale Plug-and-play (controllo che garantisce una performance stabile a lungo termine senza ricalibrazione) grazie alla combinazione di un array di elettrodi ECoG e di un algoritmo di interfaccia cervello-computer (BCI) che utilizza tecniche di machine learning. Gli elettrodi sono stati impiantati in un paziente tetraplegico a cui è stato chiesto di controllare il cursore del computer sul monitor.

La svolta dell’ECoG

Interfacce neurali: sviluppata la prima protesi cerebrale “Plug-and-play”. Credits: Blausen.com staff (2014)
Griglia di elettrodi intracranici per elettrocorticografia, metodo di registrazione dell’attività elettrica dalla corteccia cerebrale. Credits: Blausen.com staff (2014)

Una delle sfide nel campo delle interfacce neurali è quella di ottenere affidabilità a lungo termine, riducendo i tempi di ricalibrazione. Per sviluppare un metodo che garantisca risultati duraturi, come prima cosa, i ricercatori dell’UCSF hanno dovuto stabilizzare il segnale di monitoraggio. Questo è stato possibile grazie all’elettrocorticografia (ECoG), un metodo d’indagine invasivo per la registrazione dei potenziali d’azione della corteccia cerebrale e delle loro variazioni indotte dalle varie situazioni sperimentali. È stato utilizzato un impianto ECoG a 128 canali, che prevede il posizionamento chirurgico degli elettrodi sulla superficie del cervello per registrare l’attività elettrica della corteccia.

I metodi tradizionali per la progettazione di una protesi cerebrale utilizzano gli elettrodi per la stereoelettroencelografia (sEEG), che penetrano nel tessuto favorendo maggiore sensibilità, ma con il rischio di spostamenti che causano la variazione del segnale cerebrale e quindi richiedono il reset giornaliero dell’algoritmo dell’interfaccia. Invece, i segnali ottenuti con l’ECoG, garantendo la stabilità del segnale a lungo termine, permettono di utilizzare algoritmi di BCI in continuo aggiornamento – closed-loop decoder adaptation (CLDA) – per allinearsi all’attività cerebrale registrata. Il problema nell’utilizzo degli attuali sistemi di interfaccia neurale infatti è proprio il fatto di dover essere resettati e ricalibrati ogni giorno, il che comporta tempi lunghi e un maggiore sforzo del paziente per controllare il dispositivo. Lo studio dimostra che l’algoritmo, unito alla stabilità dell’ECoG, permette di migliorare le strategie di controllo protesico basate sulla consolidazione delle mappe neurali.

Controllo di una protesi cerebrale in un paziente tetraplegico

Interfacce neurali: sviluppata la prima protesi cerebrale “Plug-and-play”. Credits: Nature Biotechnology
Illustrazione degli elettrodi ECoG (colorati in base alla regione anatomica) sovrapposti alla risonanza magnetica cerebrale del partecipante. Le aree coinvolte sono: S1, corteccia somatosensoriale primaria; M1, corteccia motoria primaria; PMC, corteccia premotoria; PMV, corteccia premotoria ventrale; SMA, area motoria supplementare. Credits: Nature Biotechnology

È stato chiesto a un paziente tetraplegico di immaginare i movimenti del collo e del polso durante lo spostamento del cursore sul monitor. Attraverso tecniche di machine learning, l’algoritmo associa i movimenti dell’indicatore all’attività neurale del paziente, aiutandolo ad assumere il controllo del cursore. I ricercatori, in un primo momento, hanno utilizzato il metodo standard, il quale richiede il reset giornaliero dell’algoritmo a causa dell’instabilità del segnale. Hanno riscontrato che con questo sistema non si riesce a ottenere un controllo efficace della protesi e il paziente non sempre riesce a portare a termine il task. Nel caso di algoritmi in continuo aggiornamento, invece, non solo sono state raggiunte prestazioni molto più elevate, ma una volta consolidata la strategia di controllo il paziente è riuscito a riapplicarla rapidamente nonostante il reset dell’algoritmo. Inoltre, è stato possibile per il soggetto inserire gradualmente nuovi tasks o non esercitarsi per alcuni giorni senza inficiare i progressi ottenuti.

Lo step successivo sarà quello di allargare lo studio a più individui ed estendere il controllo a sistemi più complessi, come gli arti protesici. Il controllo Plug-and-play attraverso la stabilizzazione della mappa neurale potrebbe quindi rappresentare una svolta nel campo delle BCI, portando ad una maggiore diffusione di questa tecnologia.

Articolo a cura di Noemi D’Abbondanza.

CUE FACT CHECKING

CloseupEngineering.it si impegna contro la divulgazione di fake news, perciò l’attendibilità delle informazioni riportate su biomedicalcue.it viene preventivamente verificata tramite ricerca di altre fonti.

Grazie per essere arrivato fin qui

Per garantire lo standard di informazione che amiamo abbiamo dato la possibilità ai nostri lettori di sostenerci, dando la possibilità di:
- leggere tutti gli articoli del network (10 siti) SENZA banner pubblicitari
- proporre ai nostri team le TEMATICHE da analizzare negli articoli

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here

Redazione
Entra in contatto con la redazione di Close-up Engineering, scrivici all'indirizzo desk@closeupengineering.it