Разработка нового подхода к совершенствованию нейропротезов
Ученые представили новый подход к улучшению нейропротезов, делая их более точными и эффективными для выполнения повседневных задач. Исследователи проанализировали нервные сигналы, связанные с положением рук, и продемонстрировали улучшенный контроль над виртуальными руками у макак-резус, точно имитируя мелкую моторику.
Исследование показало, что положение рук, а не скорость движения, является ключевым фактором для эффективного управления протезами. Этот прогресс позволяет восстанавливать мелкую моторику у людей с параличом и нейродегенеративными заболеваниями, изменяя их повседневную функциональность.
Способность носить сумки, протягивать нитку в игольное ушко и выполнять другие мелкие и точные движения является неотъемлемой частью нашей жизни. Мы осознаем важность рук только тогда, когда они перестают функционировать, например, при параплегии или заболеваниях, таких как боковой амиотрофический склероз (БАС), вызывающих прогрессирующий паралич мышц.
Ученые десятилетиями исследовали нейропротезы, чтобы помочь людям с ограниченными возможностями восстановить подвижность. Эти искусственные конечности управляются через интерфейсы мозг-компьютер, которые декодируют сигналы мозга и преобразуют их в движения. Однако до сих пор протезы не обладали необходимыми навыками мелкой моторики для повседневного использования.
Новый метод обучения
Андрес Агудело-Торо, ученый из лаборатории нейробиологии Немецкого центра приматов, подчеркивает важность нейронных данных для эффективной работы протезов. Предыдущие исследования фокусировались на сигналах, контролирующих скорость хватательного движения, в то время как текущее исследование направлено на изучение нейронных сигналов, отображающих положение рук.
Для исследования использовались макаки-резусы (Macaca mulatta), обладающие высокоразвитой нервной и зрительной системой, а также выраженной мелкой моторикой. Обезьяны обучались перемещать виртуальную руку по экрану, одновременно выполняя движения собственной рукой. Информационная перчатка с магнитными датчиками записывала движения рук животных.
Адаптация алгоритма
После освоения базовой задачи, обезьяны учились управлять виртуальной рукой, представляя захват. Исследователи измеряли активность нейронов в корковых областях мозга, ответственных за контроль движений рук. Особое внимание уделялось сигналам, представляющим различные положения рук и пальцев.
Алгоритм интерфейса мозг-компьютер был адаптирован для преобразования нейронных данных в движение с учетом не только места назначения, но и пути выполнения. Это позволило достичь наиболее точных результатов.
Сравнение с реальными движениями
Исследователи сравнили движения руки аватара с данными реальной руки, записанными ранее, и показали, что они выполняются с сопоставимой точностью. Результаты подтвердили важность сигналов, контролирующих положение руки, для управления нейропротезами.
Хансйорг Шербергер, руководитель лаборатории нейробиологии и старший автор исследования, подчеркнул, что полученные результаты могут быть использованы для улучшения функциональности будущих интерфейсов мозг-компьютер и, следовательно, для улучшения мелкой моторики нейронных протезов.
Литература .
“Accurate neural control of a hand prothesis by posture-related activity in the primate grasping circuit” by Andres Agudelo-Toro et al. Neuron
