Исследователи создали новый маломощный мозго-машинный интерфейс (ИМТ) под названием MiBMI. Он предназначен для того, чтобы помочь людям с тяжёлыми двигательными нарушениями лучше общаться.
MiBMI преобразует нейронную активность в текст с удивительной точностью — 91%. При этом используется очень компактная система, которая обрабатывает данные в реальном времени.
Этот новый интерфейс открывает двери для создания практических имплантируемых ИМТ. Они обещают значительно улучшить качество жизни пациентов с такими заболеваниями, как БАС (боковой амиотрофический склероз) и травмы спинного мозга.
Традиционные системы ИМТ были громоздкими, энергоёмкими и не всегда удобными для использования. Однако MiBMI — это совершенно новый уровень. Он маленький, маломощный, высокоточный и универсальный.
MiBMI был опубликован в последнем выпуске журнала IEEE Journal of Solid-State Circuits и представлен на Международной конференции по твердотельным схемам. Это не только повышает эффективность и масштабируемость интерфейсов «мозг-машина», но и открывает путь для практических, полностью имплантируемых устройств.
MiBMI — это небольшой чип размером всего 8 мм, который может записывать и обрабатывать данные. Он создан в Лаборатории интегрированных нейротехнологий (INL) Махсы Шоарана в институтах IEM и Neuro X EPFL.
«MiBMI позволяет нам преобразовывать сложную нейронную активность в читаемый текст с высокой точностью и низким энергопотреблением. Это достижение приближает нас к практическим имплантируемым решениям, которые могут значительно улучшить коммуникативные способности людей с тяжёлыми двигательными нарушениями», — говорит Шоаран.
Как это работает?
MiBMI записывает нейронную активность мозга, когда человек представляет, как пишет буквы или слова. Затем набор микросхем обрабатывает эти сигналы в реальном времени, переводя предполагаемые движения рук мозга в соответствующий цифровой текст.
Это позволяет людям с серьёзными двигательными нарушениями общаться, просто думая о письме. Интерфейс преобразует их мысли в читаемый текст на экране.
Хотя чип ещё не интегрирован в работающий ИМТ, он уже обработал данные из предыдущих живых записей. Например, из лаборатории Шеноя в Стэнфорде. При этом точность преобразования почерка в текст составила 91%.
Сейчас чип может декодировать до 31 различных символа — это достижение, не имеющее аналогов ни в одной другой интегрированной системе. Однако исследователи уверены, что смогут декодировать и больше символов.
Современные ИМТ записывают данные с электродов, имплантированных в мозг, а затем отправляют их на отдельный компьютер для декодирования. MiBMI записывает данные и обрабатывает информацию в режиме реального времени. Это позволяет объединить 192-канальную систему нейронной записи с 512-канальным нейронным декодером.
MiBMI EPFL представляет собой настоящий прорыв в миниатюризации. Он сочетает в себе опыт в области интегральных схем, нейронной инженерии и искусственного интеллекта. Этот нейротехнологический прорыв особенно интересен в наступающую эпоху нейротехнологических стартапов в области ИМТ. MiBMI EPFL предлагает многообещающие идеи и потенциал для будущего этой области.
Исследователи обнаружили, что активность мозга для каждой буквы, когда пациент представляет, что пишет её от руки, содержит очень специфические маркеры. Они назвали их отличительными нейронными кодами (DNC). Вместо обработки тысяч байтов данных для каждой буквы, микрочипу необходимо обрабатывать только DNC, размер которых составляет около ста байт. Это делает систему быстрой, точной и энергоэффективной.
MiBMI также позволяет сократить время обучения. Это делает использование ИМТ проще и доступнее.
«Мы сотрудничаем с другими исследовательскими группами для тестирования системы в различных контекстах, таких как декодирование речи и контроль движений. Наша цель — разработать универсальный ИМТ, который можно адаптировать к различным неврологическим расстройствам», — говорит Шоаран.
Литература
“A 2.46mm2 Miniaturized Brain-Machine Interface (MiBMI) Enabling 31-Class Brain-to-Text Decoding” by Mahsa Shoran et al. IEEE Journal of Solid-State Circuits
