Istraživači sa EPFL-a razvili su minijaturizovani interfejs mozga i mašine sledeće generacije sposoban za direktnu komunikaciju između mozga i teksta na malim silicijumskim čipovima.
Interfejsi mozak-mašina (BMI) su se pojavili kao obećavajuće rešenje za obnavljanje komunikacije i kontrole kod osoba sa teškim motoričkim oštećenjima. Tradicionalno, ovi sistemi su bili glomazni, energetski intenzivni i ograničeni u praktičnoj primeni.
Istraživači sa EPFL-a razvili su prvi, minijaturizovani interfejs za mozak-mašina (MiBMI), visokih performansi, koji nudi izuzetno malo, sa malom potrošnjom, visoko precizno i svestrano rešenje.
Objavljen u najnovijem izdanju IEEE Journal of Solid-State Circuits i predstavljen na Međunarodnoj konferenciji Solid-State Circuits, MiBMI ne samo da poboljšava efikasnost i skalabilnost interfejsa mozak-mašina, već i otvara put praktičnim, potpuno implantabilnim uređajima .
Ova tehnologija ima potencijal da značajno poboljša kvalitet života pacijenata sa stanjima kao što su amiotrofična lateralna skleroza (ALS) i povrede kičmene moždine.
Mala veličina i niska snaga MiBMI-a su ključne karakteristike, čineći sistem pogodnim za implantabilne aplikacije. Njegova minimalna invazivnost osigurava sigurnost i praktičnost za upotrebu u kliničkim i realnim uslovima.
Takođe je potpuno integrisan sistem, što znači da se snimanje i obrada vrše na dva izuzetno mala čipa ukupne površine 8mm 2 . Ovo je najnoviji u novoj klasi BMI uređaja male snage razvijenih u Laboratoriji za integrisanu neurotehnologiju Mahse Šoarana (INL) u EPFL-ovim IEM i Neuro Ks institutima.
„MiBMI nam omogućava da konvertujemo složenu neuronsku aktivnost u čitljiv tekst sa visokom preciznošću i malom potrošnjom energije. Ovaj napredak nas približava praktičnim, implantabilnim rešenjima koja mogu značajno da poboljšaju komunikacijske sposobnosti za pojedince sa teškim motoričkim oštećenjima“, kaže Šoaran.
Konverzija mozga u tekst uključuje dekodiranje neuronskih signala generisanih kada osoba zamišlja pisanje slova ili reči. U ovom procesu, elektrode ugrađene u mozak beleže neuronsku aktivnost povezanu sa motoričkim radnjama rukopisa.
MiBMI čipset zatim obrađuje ove signale u realnom vremenu, pretvarajući planirane pokrete ruku mozga u odgovarajući digitalni tekst. Ova tehnologija omogućava pojedincima, posebno onima sa sindromom zaključavanja i drugim teškim motoričkim oštećenjima, da komuniciraju jednostavnim razmišljanjem o pisanju, a interfejs pretvara njihove misli u čitljiv tekst na ekranu.
„Iako čip još uvek nije integrisan u radni BMI, on je obradio podatke sa prethodnih snimaka uživo, kao što su oni iz laboratorije Šenoj na Stanfordu, pretvarajući aktivnost rukopisa u tekst sa impresivnih 91% preciznosti“, kaže glavni autor Mohamed. Ali Shaeri.
Čip trenutno može da dekodira do 31 različit karakter, dostignuće bez premca ni u jednom integrisanom sistemu. „Uvereni smo da možemo dekodirati do 100 znakova, ali skup podataka o rukopisu sa više znakova još nije dostupan“, dodaje Shaeri.
Trenutni BMI beleže podatke sa elektroda implantiranih u mozak, a zatim šalju ove signale na poseban računar da izvrši dekodiranje. MiBMI čip snima podatke, ali i obrađuje informacije u realnom vremenu — integrišući 192-kanalni neuronski sistem za snimanje sa 512-kanalnim neuronskim dekoderom.
Ovaj neurotehnološki proboj je podvig ekstremne minijaturizacije koji kombinuje stručnost u integrisanim kolima, neuronskom inženjeringu i veštačkoj inteligenciji. Ova inovacija je posebno uzbudljiva u novoj eri neurotehnoloških startapa u domenu BMI, gde su integracija i minijaturizacija ključni fokusi. EPFL-ov MiBMI nudi obećavajuće uvide i potencijal za budućnost ove oblasti.
Da bi mogli da obrađuju ogromnu količinu informacija koje su pokupile elektrode na minijaturizovanom BMI, istraživači su morali da zauzmu potpuno drugačiji pristup analizi podataka. Otkrili su da aktivnost mozga za svako slovo, kada pacijent zamisli da ga piše rukom, sadrži vrlo specifične markere, koje su istraživači nazvali karakterističnim neuronskim kodovima (DNC).
Umesto da obrađuje hiljade bajtova podataka za svako slovo, mikročip treba da obradi samo DNC-ove, kojih je oko sto bajtova. Ovo čini sistem brzim i preciznim, uz nisku potrošnju energije. Ovaj proboj takođe omogućava kraće vreme treninga, čineći učenje kako da se koristi BMI lakšim i dostupnijim.
Saradnja sa drugim timovima u EPFL-ovim Neuro-Ks i IEM institutima, kao što su laboratorije Gregoire Courtine, Silvestro Micera, Stephanie Lacour i David Atienza, obećavaju da će stvoriti sledeću generaciju integrisanih BMI sistema. Shoaran, Shaeri i njihov tim istražuju različite aplikacije za MiBMI sistem izvan prepoznavanja rukopisa.
„Sarađujemo sa drugim istraživačkim grupama kako bismo testirali sistem u različitim kontekstima, kao što su dekodiranje govora i kontrola pokreta. Naš cilj je da razvijemo svestrani BMI koji može biti prilagođen različitim neurološkim poremećajima, pružajući širi spektar rešenja za pacijente“, kaže Šoaran.
