Sinirbilim ile ilgili her şey burada→

Felçli Kişide ‘Tak Çalıştır’ Beyin Protezi Denenmesi

NEUROSCİENCE NEWS ALINTIDIR

Özet: Makine öğrenimini nöroprotetik teknolojiyle birleştirmek, felçli bir hastanın beyin aktivitesini kapsamlı günlük yeniden eğitim olmadan kullanarak bir bilgisayar imlecini kontrol etmeyi öğrenmesini sağladı.

Kaynak: UCSF

Beyin kontrollü bir protez uzuv üzerinde çalışan UC San Francisco Weill Nörobilim Enstitüsü araştırmacıları, önemli bir ilerlemede, makine öğrenimi tekniklerinin felçli bir bireyin, kapsamlı günlük yeniden eğitim gerektirmeden beyin aktivitesini kullanarak bir bilgisayar imlecini kontrol etmeyi öğrenmesine yardımcı olduğunu gösterdi. geçmişteki tüm beyin-bilgisayar arayüzü (BCI) çabalarının bir gereği olmuştur.

“BCI alanı son yıllarda büyük ilerleme kaydetti, ancak mevcut sistemlerin her gün sıfırlanması ve yeniden kalibre edilmesi gerektiğinden, beynin doğal öğrenme süreçlerinden yararlanamadılar. UCSF Nöroloji Bölümü’nde doçent olan kıdemli yazar Karunesh Ganguly, Dr.

“Yapay bir öğrenme sistemini beynin gelişmiş uzun vadeli öğrenme şemalarıyla sorunsuz çalışacak şekilde uyarlamak, felçli bir insanda daha önce hiç görülmemiş bir şey.”

“Tak ve çalıştır” performansının elde edilmesi, BCI uygulamaları için ECoG elektrot dizilerinin değerini göstermektedir. Bir ECoG dizisi, beyin yüzeyine cerrahi olarak yerleştirilmiş bir post-it notu büyüklüğünde bir elektrot pedinden oluşur. Sinirsel aktivitenin uzun süreli, stabil kayıtlarına izin verirler ve epilepsi hastalarında nöbet izleme için onaylanmıştır.

Bunun tersine, geçmiş BCI çabaları, daha hassas kayıtlar için beyin dokusuna nüfuz eden, ancak zamanla sinyali kayma veya kaybetme eğiliminde olan “iğne yastığı” tarzı keskin elektrot dizilerini kullanmıştır. Bu durumda yazarlar, felçli deneklerde uzun vadeli, stabil BCI implantları olarak güvenlik ve etkinliklerini test etmek için ECoG dizilerinin uzun süreli kronik implantasyonu için araştırma cihazı onayı aldılar.

Nature Biotechnology’de 7 Eylül 2020’de yayınlanan yeni makalelerinde Ganguly’nin ekibi, dört uzvunun (tetraplejisi) felçli bir kişide ECoG elektrot dizisinin kullanımını belgeliyor. Katılımcı ayrıca, felçli hastaların bir protez kolu ve eli kontrol etmesine izin vermek için ECoG dizilerinin kullanımını test etmek için tasarlanmış bir klinik araştırmaya da kaydoldu, ancak yeni makalede, katılımcı bir ekrandaki bilgisayar imlecini kontrol etmek için implantı kullandı.

Araştırmacılar, ECoG elektrotları tarafından kaydedilen beyin aktivitesini kullanıcının istediği imleç hareketleriyle eşleştirmek için makine öğrenimini kullanan bir BCI algoritması geliştirdi. Başlangıçta, araştırmacılar her gün algoritmayı sıfırlamanın standart uygulamasını izlediler. Katılımcı, imlecin ekran boyunca hareketini izlerken belirli boyun ve bilek hareketlerini hayal ederek başlayacaktır. Yavaş yavaş, bilgisayar algoritması, imlecin hareketlerini bunun yarattığı beyin aktivitesiyle eşleştirmek için kendini günceller ve imlecin kontrolünü kullanıcıya etkili bir şekilde geçirir. Ancak, bu sürece her gün yeniden başlamak, elde edilebilecek kontrol düzeyine ciddi bir sınır getirir. Cihazın kontrolüne hakim olmak saatler sürebilir ve bazı günler katılımcının tamamen pes etmesi gerekti.

Araştırmacılar daha sonra, algoritmanın her gün sıfırlamadan katılımcının beyin aktivitesine uyacak şekilde güncellenmeye devam etmesine izin vermek için geçiş yaptı. Beyin sinyalleri ve makine öğrenimi ile geliştirilmiş algoritma arasındaki sürekli etkileşimin, günler boyunca performansta sürekli iyileştirmelerle sonuçlandığını buldular. Başlangıçta her gün telafi edilmesi gereken biraz kayıp vardı, ancak kısa süre sonra katılımcı hemen en üst düzey performansa ulaşabildi.

UCSF Health ve San Francisco Veterans’ta çalışan bir nörolog olan Ganguly, “Algoritmanın beynin izleyebileceğinden daha hızlı güncellenmemesini sağlayarak öğrenmeyi daha da geliştirebileceğimizi keşfettik – yaklaşık her 10 saniyede bir” dedi. Yönetim Tıp Merkezi’nin Nöroloji ve Rehabilitasyon Hizmeti.

“Bunu, iki öğrenme sistemi (beyin ve bilgisayar) arasında bir ortaklık kurmaya çalışmak olarak görüyoruz, bu da sonuçta yapay arayüzün kullanıcının kendi eli veya kolu gibi bir uzantısı olmasını sağlıyor.”

Zamanla, katılımcının beyni, ECoG dizisi aracılığıyla yapay arayüzü en etkili şekilde sürmek için kullanabileceği sinirsel aktivite modellerini büyütmeyi başardı ve daha az etkili sinyalleri ortadan kaldırdı – beynin herhangi bir karmaşık görevi öğrendiğine çok benzer bir budama süreci. , araştırmacı diyor.

Katılımcının beyin aktivitesinin, BCI arayüzünü kontrol etmek için yerleşik ve tutarlı bir zihinsel “model” geliştirdiğini gözlemlediler, bu, günlük sıfırlama ve yeniden kalibrasyon ile asla gerçekleşmemiş bir şey.

Arayüz, birkaç haftalık sürekli öğrenmeden sonra sıfırlandığında, katılımcı, cihazı kontrol etmek için aynı sinirsel aktivite modellerini hızla yeniden oluşturdu – algoritmayı eski durumuna etkili bir şekilde yeniden eğitti.

Ganguly, “Kullanıcı, arayüzü kontrol etmek için çözümün kalıcı bir belleğini oluşturduktan sonra, sıfırlamaya gerek kalmaz” dedi. “Beyin hızla aynı çözüme dönüyor.”

Sonunda, uzmanlık bir kez kurulduktan sonra, araştırmacılar algoritmanın kendisini tamamen güncelleme ihtiyacını tamamen kapatabileceklerini ve katılımcının yeniden eğitime veya yeniden kalibrasyona gerek kalmadan her gün arayüzü kullanmaya başlayabileceğini gösterdiler. Yeniden eğitim olmadığında performans 44 günden fazla düşmedi ve katılımcı pratik yapmadan günler geçirebilir ve performansta çok az düşüş görebilir.

BCI kontrolünün bir formunda (imleci hareket ettirme) istikrarlı uzmanlığın oluşturulması, araştırmacıların, performans kaybı olmadan sanal bir düğmeyi “tıklama” gibi ek öğrenilmiş becerileri “istiflemeye” başlamasına da izin verdi.

Böylesine anlık “tak ve çalıştır” BCI performansı, uzun zamandır sahada bir hedef olmuştur, ancak çoğu araştırmacı tarafından kullanılan “iğne yastığı tarzı” elektrotlar, her bir elektrot tarafından görülen sinyalleri değiştirerek zamanla hareket etme eğiliminde oldukları için ulaşılamamıştır. Ayrıca, bu elektrotlar beyin dokusuna nüfuz ettiğinden, bağışıklık sistemi onları reddetme eğilimindedir ve sinyallerini kademeli olarak bozar. ECoG dizileri bu geleneksel implantlardan daha az hassastır, ancak uzun vadeli stabiliteleri bu eksikliği telafi ediyor gibi görünmektedir. EKoG kayıtlarının kararlılığı, Ganguly’nin araştırmasının bir sonraki aşamasının temel hedefi olan yapay uzuvlar gibi daha karmaşık robotik sistemlerin uzun vadeli kontrolü için daha da önemli olabilir.

Ganguly, “Tabiri caizse bir çekmecede bitmeyen, ancak felçli hastaların günlük yaşamlarını gerçekten iyileştirecek teknolojiyi tasarlama ihtiyacının her zaman farkındayız” dedi. “Bu veriler, ECoG tabanlı BCI’lerin böyle bir teknolojinin temeli olabileceğini gösteriyor.”

Yazarlar: Çalışma, UCSF’den Daniel Silversmith, Reza Abiri, Nicholas Hardy ve Nikhilesh Natraj ve San Francisco Veterans Affairs Tıp Merkezi tarafından ortaklaşa yönetildi. UCSF’den Adelyn Tu-Chan ve San Francisco VA ve UCSF’den Edward Chang da ortak yazarlar. Ganguly, çalışmanın ilgili yazarıdır.

KAYNAKÇA: https://neurosciencenews.com/plug-play-neuroprosthesis-16979/

Barış Akar
İstanbul Üniversitesi Cerrahpaşa- Psikolojik Danışmanlık ve Rehberlik 4.Sınıf Öğrencisi. Sinirbilim Topluluğu Kurucu/Başkanıdır. Sinirbilimin her alanına ilgi duyup bu yönde etkinlikler düzenleyip, kitaplar yazmaktadır. İlke olarak sinirbilimi geliştirmek, yaymak ve araştırmak olarak benimsemiştir.