Интерфейс мозг-компьютер ( BCI ), иногда называемый интерфейсом мозг-машина ( BMI ), представляет собой прямую связь между электрической активностью мозга и внешним устройством, чаще всего компьютером или роботизированной конечностью. BCI часто направлены на исследование, картирование , помощь, расширение или восстановление когнитивных или сенсомоторных функций человека . [1] Их часто концептуализируют как интерфейс человек-машина , который пропускает посредника в виде движущихся частей тела (рук...), хотя они также повышают вероятность стирания различия между мозгом и машиной . Реализации BCI варьируются от неинвазивных ( ЭЭГ , МЭГ , МРТ ) и частично инвазивных ( ЭКоГ и эндоваскулярные) до инвазивных ( микроэлектродная решетка ), в зависимости от того, насколько физически близко электроды находятся к мозговой ткани. [2]
Исследования в области интерфейсов мозг-компьютер начались в 1970-х годах Жаком Видалем в Калифорнийском университете в Лос-Анджелесе (UCLA) в рамках гранта Национального научного фонда , за которым последовал контракт с Агентством перспективных исследовательских проектов Министерства обороны США ( DARPA ). [3] [4] Статья Видаля 1973 года ввела в научную литературу выражение «интерфейс мозг-компьютер» .
Благодаря пластичности коры головного мозга сигналы от имплантированных протезов могут, после адаптации, обрабатываться мозгом как естественные сенсорные или эффекторные каналы. [5] После многих лет экспериментов на животных первые нейропротезные устройства были имплантированы людям в середине 1990-х годов.
Исследования взаимодействия человека и компьютера посредством применения машинного обучения к статистическим временным характеристикам, извлеченным из данных лобной доли ( ЭЭГ-волны мозга ), достигли успеха в классификации психических состояний (расслабленное, нейтральное, сосредоточенное) [6], психических эмоциональных состояний (негативное, нейтральное, позитивное) [7] и таламокортикальной дисритмии [8] .
История интерфейсов мозг-компьютер (BCI) начинается с открытия Гансом Бергером электрической активности мозга и разработки электроэнцефалографии (ЭЭГ). В 1924 году Бергер первым записал активность человеческого мозга с помощью ЭЭГ. Бергер смог идентифицировать колебательную активность , такую как альфа-волны (8–13 Гц), анализируя записи ЭЭГ.
Первое записывающее устройство Бергера было примитивным. Он вставлял серебряные провода под кожу головы своих пациентов. Позже их заменили серебряной фольгой, прикрепленной к голове пациента резиновыми бинтами. Бергер подключил эти датчики к капиллярному электрометру Липпмана , что дало неутешительные результаты. Однако более сложные измерительные приборы, такие как двухкатушечный записывающий гальванометр Сименса , который показывал напряжение всего лишь 10-4 вольт , привели к успеху.
Бергер проанализировал взаимосвязь чередований в своих диаграммах волн ЭЭГ с заболеваниями мозга . ЭЭГ открыли совершенно новые возможности для исследования мозга.
Хотя термин еще не был придуман, одним из самых ранних примеров работающего интерфейса мозг-машина была пьеса «Музыка для сольного исполнителя» (1965) американского композитора Элвина Люсьера . В пьесе используются ЭЭГ и аналоговое оборудование для обработки сигналов (фильтры, усилители и микшерный пульт) для стимуляции акустических ударных инструментов. Исполнение пьесы требует создания альфа-волн и, таким образом, «игры» на различных инструментах через громкоговорители, которые размещаются рядом или непосредственно на инструментах. [9]
Видал ввел термин «BCI» и выпустил первые рецензируемые публикации по этой теме. [3] [4] Он широко известен как изобретатель BCI. [10] [11] [12] В обзоре указывалось, что в статье Видала 1973 года была изложена «задача BCI» [13] управления внешними объектами с помощью сигналов ЭЭГ, и особенно использование потенциала условной отрицательной вариации (CNV) в качестве задачи для управления BCI. Эксперимент Видала 1977 года был первым применением BCI после его задачи BCI 1973 года. Это был неинвазивный контроль EEG (на самом деле визуальных вызванных потенциалов (VEP)) графического объекта, похожего на курсор, на экране компьютера. Демонстрация представляла собой движение в лабиринте. [14]
1988 год стал первой демонстрацией неинвазивного ЭЭГ-контроля физического объекта, робота. Эксперимент продемонстрировал ЭЭГ-контроль множественных циклов старт-стоп-рестарт движения по произвольной траектории, определяемой линией, нарисованной на полу. Поведение следования линии было поведением робота по умолчанию, использующим автономный интеллект и автономный источник энергии. [15] [16] [17] [18]
В 1990 году был представлен отчет о замкнутом контуре, двунаправленном, адаптивном BCI, управляющем компьютерным зуммером с помощью упреждающего мозгового потенциала, потенциала условной отрицательной вариации (CNV). [19] [20] Эксперимент описывал, как состояние ожидания мозга, проявляемое CNV, использовало петлю обратной связи для управления зуммером S2 в парадигме S1-S2-CNV. Результирующая когнитивная волна, представляющая обучение ожиданию в мозге, была названа электроэкспектограммой (EXG). Мозговой потенциал CNV был частью задачи Видаля 1973 года.
Исследования 2010-х годов показали, что нейронная стимуляция может восстанавливать функциональную связность и связанное с ней поведение посредством модуляции молекулярных механизмов. [21] [22] Это открыло двери для концепции, согласно которой технологии BCI могут восстанавливать функции.
Начиная с 2013 года DARPA финансировало технологию BCI через инициативу BRAIN, которая поддерживала работу таких команд, как Медицинский центр Питтсбургского университета , [23] Paradromics, [24] Brown, [25] и Synchron. [26]
Нейропротезирование — это область нейронауки , занимающаяся нейронными протезами, то есть использованием искусственных устройств для замены функций нарушенной нервной системы и проблем, связанных с мозгом, или сенсорных или других органов (мочевой пузырь, диафрагма и т. д.). По состоянию на декабрь 2010 года кохлеарные имплантаты были имплантированы в качестве нейропротезных устройств примерно 736 900 людям по всему миру. [27] Другие нейропротезные устройства направлены на восстановление зрения, включая ретинальные имплантаты . Однако первым нейропротезным устройством был кардиостимулятор .
Термины иногда используются взаимозаменяемо. Нейропротезирование и BCI стремятся достичь одних и тех же целей, таких как восстановление зрения, слуха, движения, способности общаться и даже когнитивных функций . [1] Оба используют схожие экспериментальные методы и хирургические приемы.
Несколько лабораторий смогли считывать сигналы с коры головного мозга обезьян и крыс , чтобы управлять BCI для создания движения. Обезьяны перемещали курсоры компьютеров и отдавали команды роботизированным рукам выполнять простые задачи, просто думая о задаче и видя результаты, без двигательного выхода. [28] В мае 2008 года в нескольких исследованиях были опубликованы фотографии, на которых была запечатлена обезьяна в Медицинском центре Питтсбургского университета, управляющая роботизированной рукой с помощью мысли. [29] Овцы также использовались для оценки технологии BCI, включая Stentrode компании Synchron.
В 2020 году Neuralink Илона Маска был успешно имплантирован свинье. [30] В 2021 году Маск объявил, что компания успешно позволила обезьяне играть в видеоигры с помощью устройства Neuralink. [31]
В 1969 году исследования оперантного обусловливания , проведенные Фетцем и др. в Региональном центре исследований приматов и на кафедре физиологии и биофизики Медицинской школы Вашингтонского университета , показали, что обезьяны могут научиться контролировать отклонение руки биологической обратной связи с помощью нейронной активности. [32] Аналогичные работы 1970-х годов установили, что обезьяны могут научиться контролировать частоту срабатывания отдельных и множественных нейронов в первичной двигательной коре , если их соответствующим образом поощрять. [33]
Алгоритмы реконструкции движений из нейронов моторной коры , которые контролируют движение, появились еще в 1970-х годах. В 1980-х годах Георгопулос из Университета Джона Хопкинса обнаружил математическую связь между электрическими реакциями отдельных нейронов моторной коры у макак-резус и направлением, в котором они двигали руками. Он также обнаружил, что рассеянные группы нейронов в разных областях мозга обезьяны коллективно контролируют двигательные команды. Он смог записать срабатывание нейронов только в одной области за раз из-за ограничений оборудования. [34]
Несколько групп смогли захватить сложные сигналы двигательной коры головного мозга, записывая сигналы нейронных ансамблей (групп нейронов) и используя их для управления внешними устройствами. [ необходима цитата ]
Филипп Кеннеди (основатель Neural Signals (1987) и его коллеги создали первый внутрикортикальный интерфейс мозг-компьютер, имплантировав обезьянам нейротрофические конусные электроды . [ необходима ссылка ]
В 1999 году Ян Дан и др. в Калифорнийском университете в Беркли расшифровали нейронные импульсы для воспроизведения изображений кошек. Команда использовала массив электродов, встроенных в таламус (который интегрирует сенсорный вход мозга). Исследователи нацелились на 177 мозговых клеток в области латерального коленчатого ядра таламуса , которая расшифровывает сигналы с сетчатки . Нейронные импульсы были записаны при просмотре восьми коротких фильмов. Используя математические фильтры, исследователи расшифровали сигналы для реконструкции узнаваемых сцен и движущихся объектов. [35]
Профессор Университета Дьюка Мигель Николелис выступает за использование нескольких электродов, распределенных по большей площади мозга, для получения нейронных сигналов.
После первоначальных исследований на крысах в 1990-х годах Николелис и его коллеги разработали BCI, которые декодировали мозговую активность совиных обезьян и использовали устройства для воспроизведения движений обезьян в роботизированных руках. Продвинутые способности обезьян к достижению и хватанию, а также навыки манипуляции руками сделали их хорошими объектами для испытаний.
К 2000 году группе удалось создать BCI, который воспроизводил движения обезьяны-совы, пока обезьяна управляла джойстиком или тянулась за едой. [36] BCI работал в реальном времени и мог удаленно управлять отдельным роботом. Но обезьяны не получали обратной связи ( разомкнутый BCI).
.jpg/1280px-Brain-computer_interface_(schematic).jpg)
Более поздние эксперименты на макаках-резусах включали обратную связь и воспроизведение движений обезьяны, достающих и хватающих, в руке робота. Их глубоко расщелиненный и изборожденный мозг сделал их лучшими моделями для нейрофизиологии человека , чем у обезьян-сов. Обезьян обучали доставать и хватать объекты на экране компьютера, манипулируя джойстиком, в то время как соответствующие движения руки робота были скрыты. [37] [38] Позже обезьянам показали робота, и они научились управлять им, наблюдая за его движениями. BCI использовал прогнозы скорости для управления движениями, достающими, и одновременно прогнозировал силу захвата .
В 2011 году О'Доэрти и коллеги продемонстрировали BCI с сенсорной обратной связью на макаках-резусах. Обезьяна контролировала положение руки аватара, получая сенсорную обратную связь через прямую внутрикортикальную стимуляцию (ICMS) в области представительства руки сенсорной коры . [39]
Другие лаборатории, которые разработали BCI и алгоритмы, которые декодируют сигналы нейронов, включают Джона Донохью в Институте науки о мозге Карни в Университете Брауна , Эндрю Шварца в Университете Питтсбурга и Ричарда Андерсена в Калифорнийском технологическом институте . Эти исследователи создали работающие BCI, используя записанные сигналы от гораздо меньшего количества нейронов, чем Николелис (15–30 нейронов против 50–200 нейронов).
Институт Карни сообщил об обучении макак-резусов использовать BCI для отслеживания визуальных целей на экране компьютера (BCI замкнутого цикла) с джойстиком или без него. [40] Группа создала BCI для трехмерного отслеживания в виртуальной реальности и воспроизвела управление BCI в роботизированной руке. [41] Та же группа продемонстрировала, что обезьяна может кормить себя кусочками фруктов и зефиром, используя роботизированную руку, управляемую мозговыми сигналами животного. [42] [43] [44]
Группа Андерсена использовала записи активности задней теменной коры, предшествующей движению , включая сигналы, создаваемые, когда подопытные животные ожидали получения вознаграждения. [45]
Помимо прогнозирования кинематических и кинетических параметров движений конечностей, разрабатываются ИМК, которые прогнозируют электромиографическую или электрическую активность мышц приматов. [46] Такие ИМК могли бы восстанавливать подвижность парализованных конечностей путем электрической стимуляции мышц.
Николелис и коллеги продемонстрировали, что большие нейронные ансамбли могут предсказывать положение руки. Эта работа позволила BCI считывать намерения движения руки и переводить их в движения привода. Кармена и коллеги [37] запрограммировали BCI, который позволил обезьяне контролировать движения по достижению и хватанию с помощью роботизированной руки. Лебедев и коллеги утверждали, что мозговые сети реорганизуются для создания нового представления роботизированной конечности в дополнение к представлению собственных конечностей животного. [38]
В 2019 году исследование сообщило о BCI, который потенциально может помочь пациентам с нарушением речи, вызванным неврологическими расстройствами. Их BCI использовал высокоплотную электрокортикографию для получения нейронной активности из мозга пациента и использовал глубокое обучение для синтеза речи. [47] [48] В 2021 году эти исследователи сообщили о потенциале BCI для декодирования слов и предложений у пациента с анартритом , который не мог говорить более 15 лет. [49] [50]
Самым большим препятствием для технологии BCI является отсутствие сенсорной модальности, которая обеспечивает безопасный, точный и надежный доступ к сигналам мозга. Использование лучшего сенсора расширяет диапазон функций коммуникации, которые могут быть предоставлены с помощью BCI.
Разработка и внедрение системы BCI сложны и требуют много времени. В ответ на эту проблему Gerwin Schalk разрабатывает BCI2000 , универсальную систему для исследований BCI, с 2000 года. [51]
Новый «беспроводной» подход использует светочувствительные ионные каналы , такие как каналродопсин, для управления активностью генетически определенных подмножеств нейронов in vivo . В контексте простой задачи обучения освещение трансфицированных клеток в соматосенсорной коре влияло на принятие решений у мышей. [52]
BCI привели к более глубокому пониманию нейронных сетей и центральной нервной системы . Исследования показали, что, несмотря на склонность нейробиологов полагать, что нейроны имеют наибольший эффект при совместной работе, отдельные нейроны могут быть обусловлены с помощью BCI для активации по схеме, которая позволяет приматам контролировать двигательные выходы. BCI привели к разработке принципа недостаточности одного нейрона, который гласит, что даже при хорошо настроенной частоте активации отдельные нейроны могут нести только ограниченную информацию, и поэтому наивысший уровень точности достигается при регистрации ансамблевых активаций. Другие принципы, открытые с помощью BCI, включают принцип нейронной многозадачности, принцип нейронной массы, принцип нейронной дегенерации и принцип пластичности. [53]
BCI предлагается применять пользователям без инвалидности. Пассивные BCI позволяют оценивать и интерпретировать изменения в состоянии пользователя во время взаимодействия человека с компьютером ( HCI ). Во вторичном, неявном контуре управления система адаптируется к своему пользователю, что повышает удобство использования . [54]
Системы BCI потенциально могут использоваться для кодирования сигналов с периферии. Эти сенсорные устройства BCI позволяют принимать поведенчески значимые решения в реальном времени на основе нейронной стимуляции замкнутого цикла. [55]
Премия BCI Research Award присуждается ежегодно в знак признания инновационных исследований. Каждый год известная исследовательская лаборатория получает приглашение оценить проекты. Жюри состоит из экспертов BCI, нанятых этой лабораторией. Жюри выбирает двенадцать номинантов, затем выбирает победителей, занявших первое, второе и третье места, которые получают награды в размере 3000, 2000 и 1000 долларов США соответственно.
Инвазивный BCI требует хирургического вмешательства для имплантации электродов под кожу головы для доступа к сигналам мозга. Главное преимущество — повышение точности. Недостатки включают побочные эффекты от операции, включая рубцовую ткань, которая может препятствовать сигналам мозга, или организм может не принять имплантированные электроды. [56]
Исследования инвазивных BCI были направлены на восстановление поврежденного зрения и предоставление новых функций для людей с параличом. Инвазивные BCI имплантируются непосредственно в серое вещество мозга во время нейрохирургии. Поскольку они находятся в сером веществе, инвазивные устройства производят сигналы самого высокого качества среди устройств BCI, но склонны к образованию рубцовой ткани , что приводит к ослаблению сигнала или его исчезновению, поскольку организм реагирует на инородный объект. [57]
В науке о зрении прямые мозговые имплантаты использовались для лечения не врожденной (приобретенной) слепоты. Одним из первых ученых, создавших работающий мозговой интерфейс для восстановления зрения, был частный исследователь Уильям Добелль . Первый прототип Добелля был имплантирован «Джерри», человеку, ослепшему во взрослом возрасте, в 1978 году. Однорядный BCI, содержащий 68 электродов, был имплантирован в зрительную кору Джерри и успешно производил фосфены , ощущение видения света. Система включала камеры, установленные на очках, для отправки сигналов на имплантат. Первоначально имплантат позволял Джерри видеть оттенки серого в ограниченном поле зрения с низкой частотой кадров. Это также требовало его подключения к главному компьютеру , но уменьшающаяся электроника и более быстрые компьютеры сделали его искусственный глаз более портативным и теперь позволяют ему выполнять простые задачи без посторонней помощи. [58]
В 2002 году Йенс Науманн, также ослепший во взрослом возрасте, стал первым из 16 платных пациентов, которым был установлен имплантат второго поколения Добелля, одно из самых ранних коммерческих применений BCI. Устройство второго поколения использовало более сложный имплантат, позволяющий лучше отображать фосфены в когерентное зрение. Фосфены распределяются по полю зрения в том, что исследователи называют «эффектом звездной ночи». Сразу после имплантации Йенс смог использовать свое несовершенно восстановленное зрение, чтобы медленно вести автомобиль по парковке исследовательского института. [59] Добелль умер в 2004 году до того, как его процессы и разработки были задокументированы, не оставив никого, кто мог бы продолжить его работу. [60] Впоследствии у Науманна и других пациентов в программе начались проблемы со зрением, и в конечном итоге они снова потеряли «зрение». [61] [62]
ИМК, ориентированные на двигательное нейропротезирование, направлены на восстановление движений у людей с параличом или предоставление им устройств для оказания помощи, таких как интерфейсы с компьютерами или роботизированными руками.
Кеннеди и Бакай были первыми, кто установил имплант человеческого мозга, который производил сигналы достаточно высокого качества для имитации движения. У их пациента, Джонни Рэя (1944–2002), развился « синдром запертости » после инсульта ствола мозга в 1997 году. Имплантат Рэя был установлен в 1998 году, и он прожил достаточно долго, чтобы начать работать с имплантатом, в конечном итоге научившись управлять курсором компьютера; он умер в 2002 году от аневризмы мозга . [63]
Тетраплегик Мэтт Нэгл стал первым человеком, который управлял искусственной рукой с помощью BCI в 2005 году в рамках первого девятимесячного испытания чипа-имплантата BrainGate компании Cyberkinetics на людях. Имплантированный в правую прецентральную извилину Нэгла (область двигательной коры для движения руки), 96-электродный имплантат позволил Нэглу управлять роботизированной рукой, думая о движении своей руки, а также курсором компьютера, светом и телевизором. [64] Год спустя Джонатан Уолпоу получил премию Altran Foundation for Innovation за разработку интерфейса «мозг-компьютер» с электродами, расположенными на поверхности черепа, а не непосредственно в мозге. [65]
Исследовательские группы под руководством группы BrainGate и другой группы из Медицинского центра Питтсбургского университета , обе в сотрудничестве с Министерством по делам ветеранов США (VA), продемонстрировали управление протезными конечностями со многими степенями свободы, используя прямые соединения с массивами нейронов в двигательной коре головного мозга пациентов с тетраплегией. [66] [67]
В мае 2021 года команда Стэнфордского университета сообщила об успешном концептуальном тесте, который позволил участнику с параличом воспроизводить английские предложения со скоростью около 86 символов в минуту и 18 слов в минуту. Участник представлял, как двигает рукой, чтобы писать буквы, а система выполняла распознавание рукописного ввода на основе электрических сигналов, обнаруженных в двигательной коре, используя скрытые марковские модели и рекуррентные нейронные сети . [68] [69]
Исследование 2021 года показало, что парализованный пациент смог произнести 15 слов в минуту, используя мозговой имплантат, который анализировал двигательные нейроны речевого тракта. [70] [49]
В обзорной статье авторы задавались вопросом, могут ли скорости передачи информации у человека превзойти скорость передачи языка с помощью BCI. Исследования языка показали, что скорости передачи информации относительно постоянны во многих языках. Это может отражать предел обработки информации мозгом. С другой стороны, этот предел может быть присущ самому языку как модальности для передачи информации. [71]
В 2023 году в двух исследованиях использовались интерфейсы мозг-компьютер с рекуррентной нейронной сетью для декодирования речи с рекордной скоростью 62 слова в минуту и 78 слов в минуту. [72] [73] [74]
Существует ряд технических проблем при регистрации мозговой активности с помощью инвазивных BCI. Достижения в области технологии CMOS продвигают и позволяют создавать интегрированные инвазивные BCI-проекты с меньшим размером, меньшими требованиями к питанию и более высокими возможностями получения сигнала. [75] Инвазивные BCI включают электроды, которые проникают в мозговую ткань в попытке записать сигналы потенциала действия (также известные как спайки) от отдельных нейронов или небольших групп нейронов вблизи электрода. Интерфейс между записывающим электродом и электролитическим раствором, окружающим нейроны, был смоделирован с использованием модели Ходжкина-Хаксли . [76] [77]
Электронные ограничения инвазивных BCI были активной областью исследований в последние десятилетия. В то время как внутриклеточные записи нейронов выявляют потенциальные напряжения в масштабе сотен милливольт, хронические инвазивные BCI полагаются на регистрацию внеклеточных напряжений, которые обычно на три порядка меньше и составляют сотни микровольт. [78] Еще одним фактором, усложняющим задачу обнаружения сигналов в масштабе микровольт, является тот факт, что интерфейс электрод-ткань имеет высокую емкость при малых напряжениях. Из-за природы этих малых сигналов для систем BCI, которые включают функциональность в интегральную схему, каждому электроду требуется свой собственный усилитель и АЦП , которые преобразуют аналоговые внеклеточные напряжения в цифровые сигналы. [78] Поскольку типичный потенциал действия нейрона длится одну миллисекунду, BCI, измеряющие спайки, должны иметь частоту дискретизации в диапазоне от 300 Гц до 5 кГц. Еще одна проблема заключается в том, что инвазивные BCI должны быть маломощными, чтобы рассеивать меньше тепла в окружающие ткани; На самом базовом уровне традиционно требуется больше мощности для оптимизации соотношения сигнал/шум . [77] Оптимальная конструкция батареи является активной областью исследований в области BCI. [79]
Проблемы, существующие в области материаловедения, являются центральными для проектирования инвазивных BCI. Изменения качества сигнала с течением времени обычно наблюдаются при имплантируемых микроэлектродах. [80] Оптимальные материальные и механические характеристики для долгосрочной стабильности сигнала в инвазивных BCI были активной областью исследований. [81] Было высказано предположение, что образование глиальных рубцов , вторичное по отношению к повреждению на границе электрода и ткани, вероятно, является причиной отказа электрода и снижения производительности записи. [82] Исследования показали, что утечка через гематоэнцефалический барьер , либо во время введения, либо с течением времени, может быть причиной воспалительной и глиальной реакции на хронические микроэлектроды, имплантированные в мозг. [82] [83] В результате были исследованы и разработаны гибкие [84] [85] [86] и тканеподобные конструкции [87] [88] для минимизации реакции на инородное тело посредством сопоставления модуля Юнга электрода, более близкого к модулю мозговой ткани. [87]
Частично инвазивные устройства BCI имплантируются внутрь черепа, но располагаются вне мозга, а не внутри серого вещества. Они производят сигналы с более высоким разрешением, чем неинвазивные BCI, где костная ткань черепа отклоняет и деформирует сигналы, и имеют меньший риск формирования рубцовой ткани в мозге, чем полностью инвазивные BCI. Была проведена доклиническая демонстрация интракортикальных BCI из перилезиональной коры при инсульте. [89]
Систематический обзор, опубликованный в 2020 году, подробно описал многочисленные клинические и неклинические исследования, изучающие возможность проведения эндоваскулярных BCI. [90]
В 2010 году исследователи, связанные с Мельбурнским университетом, начали разрабатывать BCI, который можно было бы вводить через сосудистую систему. Австралийский невролог Томас Оксли придумал идею этого BCI, названного Stentrode, получив финансирование от DARPA . Доклинические исследования оценивали технологию на овцах. [2]
Stentrode — это монолитная решетка электродов стента, предназначенная для доставки через внутривенный катетер под контролем изображения в верхний сагиттальный синус , в область, прилегающую к двигательной коре . [91] Эта близость позволяет Stentrode измерять нейронную активность. Процедура наиболее похожа на то, как стенты венозных синусов устанавливаются для лечения идиопатической внутричерепной гипертензии . [92] Stentrode передает нейронную активность на безбатарейный телеметрический блок, имплантированный в грудь, который взаимодействует по беспроводной связи с внешним телеметрическим блоком, способным обеспечивать питание и передачу данных. Хотя эндоваскулярный BCI выигрывает от избежания краниотомии для установки, существуют такие риски, как свертывание и венозный тромбоз .
Испытания Stentrode на людях проводились по состоянию на 2021 год. [91] В ноябре 2020 года два участника с боковым амиотрофическим склерозом смогли беспроводным способом управлять операционной системой для отправки текстовых сообщений, электронной почты, совершения покупок и совершения банковских операций, используя прямую мысль с помощью Stentrode, [93] что стало первым случаем имплантации интерфейса мозг-компьютер через кровеносные сосуды пациента, что исключило необходимость в операции на мозге. В январе 2023 года исследователи не сообщили о серьезных побочных эффектах в течение первого года для всех четырех пациентов, которые могли использовать его для работы с компьютерами. [94] [95]
Электрокортикография (ЭКоГ) измеряет электрическую активность мозга из-под черепа способом, аналогичным неинвазивной электроэнцефалографии, с использованием электродов, встроенных в тонкую пластиковую прокладку, размещенную над корой, под твердой мозговой оболочкой . [96] Технологии ЭКоГ были впервые опробованы на людях в 2004 году Эриком Лойтхардтом и Дэниелом Мораном из Вашингтонского университета в Сент-Луисе . В более позднем исследовании исследователи позволили подростку играть в Space Invaders . [97] Это исследование показывает, что контроль быстрый, требует минимальной подготовки, балансируя точность сигнала и уровень инвазивности. [примечание 1]
Сигналы могут быть как субдуральными, так и эпидуральными, но не берутся из паренхимы мозга . Пациентам необходимо проводить инвазивный мониторинг для локализации и резекции эпилептогенного очага. [ необходима цитата ]
ECoG обеспечивает более высокое пространственное разрешение, лучшее соотношение сигнал/шум, более широкий частотный диапазон и меньшие требования к обучению, чем ЭЭГ, записанная со скальпа, и в то же время имеет меньшую техническую сложность, меньший клинический риск и может иметь более высокую долгосрочную стабильность, чем внутрикортикальная запись одного нейрона. [99] Этот профиль характеристик и доказательства высокого уровня контроля при минимальных требованиях к обучению показывают потенциал для реального применения для людей с двигательными нарушениями. [100] [101]
Эдвард Чанг и Джозеф Макин из Калифорнийского университета в Сан-Франциско сообщили, что сигналы ECoG можно использовать для декодирования речи пациентов с эпилепсией, которым имплантировали массивы ECoG высокой плотности в перисильвиеву кору. [102] [103] Они сообщили о частоте ошибок в словах в 3% (заметное улучшение по сравнению с предыдущими попытками) с использованием нейронной сети кодировщика-декодировщика , которая преобразовывала данные ECoG в одно из пятидесяти предложений, состоящих из 250 уникальных слов.
В экспериментах на людях использовались неинвазивные интерфейсы нейровизуализации . Большинство опубликованных исследований BCI включают неинвазивные BCI на основе ЭЭГ. Технологии и интерфейсы на основе ЭЭГ использовались для самых разных приложений. Хотя интерфейсы на основе ЭЭГ легко носить и не требуют хирургического вмешательства, они имеют относительно низкое пространственное разрешение и не могут эффективно использовать высокочастотные сигналы, поскольку череп мешает, рассеивая и размывая электромагнитные волны, создаваемые нейронами. Интерфейсы на основе ЭЭГ также требуют некоторого времени и усилий перед каждым сеансом использования, в то время как другие не требуют предварительной подготовки. Выбор конкретного BCI для пациента зависит от множества факторов.
В 2014 году BCI с использованием функциональной спектроскопии в ближнем инфракрасном диапазоне для «запертых» пациентов с боковым амиотрофическим склерозом (БАС) смог восстановить базовую способность к общению. [104]
После того, как Видаль обозначил проблему BCI, первоначальные отчеты о неинвазивных подходах включали управление курсором в 2D с использованием VEP, [105] управление зуммером с использованием CNV, [106] управление физическим объектом, роботом, с использованием ритма мозга (альфа), [107] управление текстом, написанным на экране, с использованием P300. [108] [13]
На ранних этапах исследований BCI еще одним существенным препятствием для использования ЭЭГ было то, что требовалось обширное обучение. Например, в экспериментах, начавшихся в середине 1990-х годов, Нильс Бирбаумер из Тюбингенского университета в Германии обучал парализованных людей самостоятельно регулировать медленные корковые потенциалы в своей ЭЭГ до такой степени, что эти сигналы можно было использовать в качестве двоичного сигнала для управления курсором компьютера. (Бирбаумер ранее обучал эпилептиков предотвращать надвигающиеся припадки, управляя этой волной низкого напряжения.) Эксперимент обучал десять пациентов перемещать курсор компьютера. Процесс был медленным, требовалось более часа, чтобы пациенты написали 100 символов курсором, в то время как обучение часто занимало месяцы. Подход с медленными корковыми потенциалами отпал в пользу подходов, которые требуют небольшого обучения или вообще не требуют его, являются более быстрыми и точными и работают для большей части пользователей. [109]
Другим параметром исследования является тип измеряемой колебательной активности . Герт Пфуртшеллер основал BCI Lab в 1991 году и провел первый онлайн BCI на основе колебательных характеристик и классификаторов. Вместе с Бирбаумером и Джонатаном Уолпоу из Нью-Йоркского государственного университета они сосредоточились на разработке технологии, которая позволила бы пользователям выбирать сигналы мозга, которые они считают наиболее простыми для работы с BCI, включая мю- и бета -ритмы. [ необходима цитата ]
Еще одним параметром является метод обратной связи, используемый, как показано в исследованиях сигналов P300 . Паттерны волн P300 генерируются непроизвольно ( стимул-обратная связь ), когда люди видят что-то, что они узнают, и могут позволить BCI декодировать категории мыслей без обучения. [ необходима цитата ]
Исследование 2005 года показало эмуляцию ЭЭГ цифровых схем управления с использованием триггера CNV. [110] Исследование 2009 года показало неинвазивное управление ЭЭГ роботизированной рукой с использованием триггера CNV. [111] Исследование 2011 года показало управление двумя роботизированными руками, решающими задачу «Ханойская башня» с тремя дисками с использованием триггера CNV. [112] Исследование 2015 года показало эмуляцию ЭЭГ триггера Шмитта , триггера, демультиплексора и модема . [113]
Достижения Бина Хе и его команды в Университете Миннесоты предполагают потенциал интерфейсов мозг-компьютер на основе ЭЭГ для выполнения задач, близких к инвазивным интерфейсам мозг-компьютер. Используя передовую функциональную нейровизуализацию, включая функциональную МРТ BOLD и визуализацию источника ЭЭГ , они определили ковариацию и колокализацию электрофизиологических и гемодинамических сигналов. [114] Усовершенствованный с помощью подхода нейровизуализации и протокола обучения, они создали неинвазивный интерфейс мозг-компьютер на основе ЭЭГ для управления полетом виртуального вертолета в трехмерном пространстве на основе двигательного воображения. [115] В июне 2013 года они анонсировали метод управления вертолетом с дистанционным управлением через полосу препятствий. [116] Они также решили обратную задачу ЭЭГ , а затем использовали полученную виртуальную ЭЭГ для задач BCI. Хорошо контролируемые исследования показали достоинства такого BCI на основе анализа источника. [117]
Исследование 2014 года показало, что пациенты с тяжелыми двигательными нарушениями могут общаться быстрее и надежнее с помощью неинвазивной ЭЭГ-ИМК, чем с помощью мышечных каналов связи. [118]
Исследование 2019 года показало, что применение эволюционных алгоритмов может улучшить классификацию психического состояния по ЭЭГ с помощью неинвазивного устройства Muse , что позволит классифицировать данные, полученные с помощью сенсорного устройства потребительского уровня. [119]
В систематическом обзоре рандомизированных контролируемых испытаний 2021 года с использованием BCI для реабилитации верхних конечностей после инсульта сообщалось, что BCI на основе ЭЭГ обладает эффективностью в улучшении двигательной функции верхних конечностей по сравнению с контрольной терапией. В частности, исследования BCI, в которых использовались характеристики мощности диапазона, двигательные образы и функциональная электрическая стимуляция, оказались более эффективными, чем альтернативы. [120] Другой систематический обзор 2021 года был сосредоточен на BCI на основе ЭЭГ с использованием робота для реабилитации рук после инсульта. Улучшение показателей оценки моторики наблюдалось в трех из одиннадцати исследований. [121]
В начале 1990-х годов Бабак Тахери из Калифорнийского университета в Дэвисе продемонстрировал первые одно- и многоканальные сухие активные электродные массивы. [122] Было показано, что массивный электрод работает лучше, чем серебряные / хлоридсеребряные электроды. Устройство состояло из четырех сенсорных участков со встроенной электроникой для снижения шума путем согласования импеданса . Преимущества таких электродов:
Активная электродная решетка представляет собой интегрированную систему, содержащую решетку емкостных датчиков с локальной интегральной схемой, упакованной с батареями для питания схемы. Такой уровень интеграции был необходим для достижения результата.
Электрод был испытан на испытательном стенде и на людях в четырех модальностях, а именно:
Эффективность сопоставима с эффективностью стандартных влажных электродов с точки зрения подготовки кожи, отсутствия необходимости в геле (сухие) и более высокого соотношения сигнал/шум. [123]
В 1999 году Хантер Пекхэм и другие в Университете Кейс Вестерн Резерв использовали 64-электродную ЭЭГ-капсулу, чтобы вернуть ограниченные движения руки квадриплегику . Поскольку он сосредоточился на простых, но противоположных концепциях, таких как вверх и вниз. В его бета-ритмическом выходе ЭЭГ был выявлен базовый паттерн, который использовался для управления переключателем: активность выше среднего интерпретировалась как включение, ниже среднего — выключение. Сигналы также использовались для управления нервными контроллерами, встроенными в его руки, восстанавливая некоторую подвижность. [124]
В 2009 году было объявлено о повязке NCTU Brain-Computer-Interface. Эти исследователи также спроектировали сухие электроды на основе кремниевой микроэлектромеханической системы (MEMS), предназначенные для применения на неволосых участках тела. Эти электроды были закреплены на плате DAQ повязки с помощью защелкивающихся держателей электродов. Модуль обработки сигнала измерял альфа- активность и передавал ее по Bluetooth на телефон, который оценивал бдительность и когнитивные способности пациентов. Когда субъект становился сонным, телефон отправлял оператору возбуждающую обратную связь, чтобы разбудить его. [125]
В 2011 году исследователи сообщили о клеточном BCI, который мог заставить телефон звонить. Носимая система состояла из четырехканального модуля получения/усиления биосигнала , модуля связи и телефона Bluetooth. Электроды были размещены для улавливания устойчивых вызванных зрительных потенциалов ( SSVEP ). [126] SSVEP — это электрические реакции на мерцающие зрительные стимулы с частотой повторения более 6 Гц [126] , которые лучше всего обнаруживаются в теменных и затылочных областях скальпа зрительной коры. [127] [128] [129] Сообщалось, что все участники исследования смогли инициировать телефонный звонок с минимальной практикой в естественных условиях. [130]
Ученые сообщили, что алгоритм одноканального быстрого преобразования Фурье (БПФ) и многоканального системного канонического корреляционного анализа ( CCA ) может поддерживать мобильные BCI. [126] [131] Алгоритм CCA применялся в экспериментах по исследованию BCI с заявленной высокой точностью и скоростью. [132] Сообщается, что клеточная технология BCI может быть переведена для других приложений, таких как улавливание сенсомоторных мю- / бета -ритмов для работы в качестве BCI на основе двигательного воображения. [126]
В 2013 году сравнительные тесты, проведенные на мобильных телефонах Android , планшетах и компьютерах BCI, проанализировали спектральную плотность мощности результирующих SSVEP ЭЭГ. Заявленными целями этого исследования были «повышение практичности, портативности и повсеместности BCI на основе SSVEP для ежедневного использования». Сообщалось, что частота стимуляции на всех носителях была точной, хотя сигнал телефона не был стабильным. Сообщалось, что амплитуды SSVEP для ноутбука и планшета были больше, чем у мобильного телефона. Эти две качественные характеристики были предложены в качестве индикаторов осуществимости использования мобильного стимула BCI. [131]
Одной из трудностей с показаниями ЭЭГ является восприимчивость к артефактам движения. [133] В большинстве исследовательских проектов участников просили сидеть неподвижно в лабораторных условиях, максимально сокращая движения головы и глаз. Однако, поскольку эти инициативы были направлены на создание мобильного устройства для ежедневного использования, [131] технологию пришлось тестировать в движении. В 2013 году исследователи протестировали технологию BCI на основе мобильной ЭЭГ, измеряя SSVEP у участников, когда они шли по беговой дорожке. Сообщалось о том, что с увеличением скорости обнаруживаемость SSVEP с использованием CCA снижалась. Было показано, что независимый компонентный анализ (ICA) эффективен для отделения сигналов ЭЭГ от шума. [134] Исследователи заявили, что данные CCA с обработкой ICA и без нее были схожи. Они пришли к выводу, что CCA продемонстрировала устойчивость к артефактам движения. [128] Приложения BCI на основе ЭЭГ обеспечивают низкое пространственное разрешение. Возможные решения включают: связь источников ЭЭГ на основе теории графов , распознавание паттернов ЭЭГ на основе топографической карты и слияние ЭЭГ и фМРТ .
Неинвазивные BCI были применены для протезирования верхних и нижних конечностей у людей с параличом. Например, Герт Пфуртшеллер из Технологического университета Граца и его коллеги продемонстрировали систему функциональной электростимуляции , управляемую BCI, для восстановления движений верхних конечностей у человека с тетраплегией из-за травмы спинного мозга . [135] В период с 2012 по 2013 год исследователи из Калифорнийского университета в Ирвайне впервые продемонстрировали, что технология BCI может восстановить ходьбу, контролируемую мозгом, после травмы спинного мозга . В их исследовании человек с параплегией управлял роботизированным ортозом BCI для ходьбы , чтобы восстановить базовую способность к передвижению. [136] [137] В 2009 году независимый исследователь Алекс Блейни использовал Emotiv EPOC для управления 5-осевой роботизированной рукой. [138] Он провел несколько демонстраций управляемых разумом инвалидных колясок и домашней автоматизации .
Магнитоэнцефалография (МЭГ) и функциональная магнитно-резонансная томография (фМРТ) использовались в качестве неинвазивных BCI. [139] В широко распространенном эксперименте фМРТ позволила двум пользователям играть в Pong в режиме реального времени, изменяя их гемодинамическую реакцию или мозговой кровоток посредством биологической обратной связи . [140]
Измерения гемодинамических реакций в режиме реального времени с помощью фМРТ также использовались для управления руками робота с семисекундной задержкой между мыслью и движением. [141]
В 2008 году исследования, проведенные в Лабораториях вычислительной нейронауки Advanced Telecommunications Research (ATR) в Киото , Япония, позволили исследователям реконструировать изображения из сигналов мозга с разрешением 10x10 пикселей . [142]
Исследование 2011 года сообщило о посекундной реконструкции видео, просмотренных субъектами исследования, на основе данных фМРТ. [143] Это было достигнуто путем создания статистической модели, связывающей видео с активностью мозга. Затем эта модель использовалась для поиска 100 односекундных видеофрагментов в базе данных из 18 миллионов секунд случайных видео YouTube , сопоставляя визуальные паттерны с активностью мозга, записанной, когда субъекты смотрели видео. Затем эти 100 односекундных видеофрагментов были объединены в смешанное изображение, которое напоминало видео. [144] [145] [146]
Двигательное воображение включает в себя представление движения частей тела, активацию сенсомоторной коры , которая модулирует сенсомоторные колебания в ЭЭГ. Это может быть обнаружено BCI и использовано для вывода намерения пользователя. Двигательное воображение обычно требует обучения для получения приемлемого контроля. Тренировочные сессии обычно занимают часы в течение нескольких дней. Независимо от продолжительности тренировочной сессии пользователи не могут освоить схему управления. Это приводит к очень медленному темпу игрового процесса. [147] Методы машинного обучения использовались для вычисления специфической для субъекта модели для определения производительности двигательного воображения. Самым эффективным алгоритмом из BCI Competition IV в 2022 [148] наборе данных 2 для двигательного воображения был Filter Bank Common Spatial Pattern, разработанный Ang et al. из A*STAR , Сингапур . [149]
Биологическая обратная связь может использоваться для мониторинга психического расслабления субъекта. В некоторых случаях биологическая обратная связь не соответствует ЭЭГ, в то время как такие параметры, как электромиография (ЭМГ), гальваническое сопротивление кожи (ГСК) и вариабельность сердечного ритма (ВСР), могут это делать. Многие системы биологической обратной связи лечат такие расстройства, как синдром дефицита внимания и гиперактивности (СДВГ) , проблемы со сном у детей, скрежетание зубами и хронические боли. Системы биологической обратной связи ЭЭГ обычно отслеживают четыре диапазона мозговых волн (тета: 4–7 Гц, альфа: 8–12 Гц, СМР: 12–15 Гц, бета: 15–18 Гц) и бросают вызов субъекту, чтобы тот контролировал их. Пассивный ИМК использует ИМК для обогащения взаимодействия человека и машины информацией о психическом состоянии пользователя, например, моделирования, которое определяет, когда пользователи намереваются нажать на тормоз во время экстренного торможения транспортного средства. [54] Разработчики игр, использующие пассивные ИМК, понимают, что посредством повторения уровней игры когнитивное состояние пользователя адаптируется. Во время первой игры на данном уровне игрок реагирует иначе, чем во время последующих игр: например, пользователь меньше удивлен событием, чем он ожидал. [147]
VEP — это электрический потенциал, зарегистрированный после предъявления субъекту зрительного стимула. Типы VEP включают SSVEP и потенциал P300.
Стационарные зрительно вызванные потенциалы (SSVEP) используют потенциалы, генерируемые путем возбуждения сетчатки с использованием визуальных стимулов, модулированных на определенных частотах. Стимулы SSVEP часто формируются из чередующихся шахматных узоров и иногда используют мигающие изображения. Частоту смены фазы используемого стимула можно различить с помощью ЭЭГ; это делает обнаружение стимулов SSVEP относительно простым. SSVEP используется во многих системах BCI. Это связано с несколькими факторами. Вызванный сигнал можно измерить в такой большой популяции, как транзиторный VEP и моргательное движение. Электрокардиографические артефакты не влияют на контролируемые частоты. Сигнал SSVEP надежен; топографическая организация первичной зрительной коры такова, что более широкая область получает афференты из центральной или фовиальной области поля зрения. SSVEP имеет проблемы. Поскольку SSVEP используют мигающие стимулы для определения намерений пользователя, пользователь должен смотреть на один из мигающих или повторяющихся символов, чтобы взаимодействовать с системой. Поэтому вполне вероятно, что символы станут раздражающими и неудобными во время длительных игровых сессий.
Другой тип ЗВП — потенциал P300 . Этот потенциал представляет собой положительный пик в ЭЭГ, который возникает примерно через 300 мс после появления целевого стимула (стимула, которого пользователь ждет или ищет) или необычных стимулов . Амплитуда P300 уменьшается по мере того, как целевые стимулы и игнорируемые стимулы становятся более похожими. Считается, что P300 связан с процессом внимания более высокого уровня или ориентировочной реакцией. Использование P300 требует меньше сеансов обучения. Первым приложением, в котором он использовался, была матрица P300. В этой системе субъект выбирает букву из сетки 6 на 6 букв и цифр. Строки и столбцы сетки последовательно мигали, и каждый раз, когда загоралась выбранная «буква выбора», у пользователя (потенциально) вызывался P300. Однако процесс коммуникации, примерно 17 символов в минуту, был медленным. P300 предлагает дискретный выбор, а не непрерывный контроль. Преимущество P300 в играх заключается в том, что игроку не нужно изучать, как использовать новую систему управления, ему требуются лишь короткие обучающие примеры для изучения игровой механики и базовой парадигмы BCI. [147]
Взаимодействие человека с компьютером может использовать другие методы записи, такие как электроокулография и отслеживание глаз. Эти методы не регистрируют активность мозга и, следовательно, не могут быть отнесены к BCI. [150]
В 1989 году исследование сообщило об управлении мобильным роботом с помощью движения глаз с использованием сигналов электроокулографии. Мобильный робот был направлен в целевую точку с помощью пяти команд EOG, которые интерпретировались как «вперед», «назад», «влево», «вправо» и «стоп». [151]
В статье 2016 года описывался новый HCI, не основанный на ЭЭГ, который не требовал визуальной фиксации или способности двигать глазами. [152] Интерфейс основан на скрытом интересе ; направление внимания на выбранную букву на виртуальной клавиатуре без необходимости смотреть прямо на букву. Каждая буква имеет свой собственный (фоновый) круг, который микроколеблется по яркости иначе, чем другие. Выбор буквы основан на наилучшем соответствии между непреднамеренным колебанием размера зрачка и рисунком колебания яркости фонового круга. Точность дополнительно повышается за счет мысленной репетиции пользователем слов «яркий» и «темный» синхронно с переходами яркости круга буквы.
В 1960-х годах исследователь после обучения использовал ЭЭГ для создания кода Морзе с использованием альфа-волн. [153] 27 февраля 2013 года группа Мигеля Николелиса из Университета Дьюка и IINN-ELS соединили мозги двух крыс, позволив им обмениваться информацией, в первом в истории прямом интерфейсе мозг-мозг . [154] [155] [156]
Гервин Шалк сообщил, что сигналы ECoG могут различать гласные и согласные, содержащиеся в произнесенных и воображаемых словах, проливая свет на механизмы, связанные с их производством, и могут стать основой для мозговой коммуникации с использованием воображаемой речи. [101] [157]
В 2002 году Кевин Уорик вживил в свою нервную систему массив из 100 электродов, чтобы подключить свою нервную систему к Интернету. Уорик провел ряд экспериментов. Электроды были имплантированы в нервную систему его жены, что позволило им провести первый эксперимент по прямой электронной коммуникации между нервными системами двух людей. [158] [159] [160] [161]
Другие исследователи достигли коммуникации мозг-мозг между участниками на расстоянии, используя неинвазивную технологию, прикрепленную к черепу участников. Слова были закодированы в двоичных потоках когнитивно-моторным вводом человека, отправляющего информацию. Псевдослучайные биты информации несли закодированные слова «hola» («привет» на испанском языке) и «ciao» («до свидания» на итальянском языке) и передавались от разума к разуму. [162]
Исследователи создали устройства для взаимодействия с нервными клетками и целыми нейронными сетями in vitro . Эксперименты с культивируемой нервной тканью были сосредоточены на построении сетей решения проблем, создании базовых компьютеров и манипулировании роботизированными устройствами. Исследования методов стимуляции и записи отдельных нейронов, выращенных на полупроводниковых чипах, называются нейроэлектроникой или нейрочипами . [163]
Разработка первого нейрочипа была заявлена группой ученых из Калифорнийского технологического института во главе с Джеромом Пайном и Майклом Махером в 1997 году. [164] Чип Калифорнийского технологического института вмещал 16 нейронов.
В 2003 году группа ученых под руководством Теодора Бергера из Университета Южной Калифорнии работала над нейрочипом, предназначенным для работы в качестве искусственного или протезного гиппокампа . Нейрочип был разработан для мозга крыс. Гиппокамп был выбран, поскольку считается, что он является наиболее структурированной и наиболее изученной частью мозга. Его функция заключается в кодировании опыта для хранения в виде долгосрочных воспоминаний в другом месте мозга. [165]
В 2004 году Томас ДеМарс из Университета Флориды использовал культуру из 25 000 нейронов, взятых из мозга крысы, для управления симулятором истребителя F-22 . После сбора кортикальные нейроны культивировались в чашке Петри и повторно соединялись, образуя живую нейронную сеть. Клетки были расположены на сетке из 60 электродов и использовались для управления функциями тангажа и рыскания симулятора. Основное внимание в исследовании уделялось пониманию того, как человеческий мозг выполняет и изучает вычислительные задачи на клеточном уровне. [166]
Идея объединения/интеграции сигналов мозга от нескольких людей была представлена на Humanity+ @Caltech в декабре 2010 года Адрианом Стоикой, который назвал эту концепцию многомозговой агрегацией. [167] [168] [169] Заявка на патент была подана в 2012 году. [170] [171] [172] Первая статья Стоики по этой теме появилась в 2012 году после публикации его патентной заявки. [173]
BCI поднимают этические вопросы, включая вопросы конфиденциальности, автономии, согласия и последствий слияния человеческого познания с внешними устройствами. Изучение этих этических соображений подчеркивает сложное взаимодействие между развитием технологий и сохранением основных прав и ценностей человека. Проблемы можно в целом разделить на проблемы, ориентированные на пользователя, а также правовые и социальные проблемы.
Опасения сосредоточены на безопасности и долгосрочных эффектах для пользователей. К ним относятся получение информированного согласия от лиц с трудностями в общении, влияние на качество жизни пациентов и их семей, побочные эффекты, связанные со здоровьем, неправильное использование терапевтических приложений, риски безопасности и необратимый характер некоторых изменений, вызванных BCI. Кроме того, возникают вопросы о доступе к обслуживанию, ремонту и запасным частям, особенно в случае банкротства компании. [174]
Правовые и социальные аспекты BCI усложняют массовое принятие. Опасения включают вопросы подотчетности и ответственности, такие как утверждения о том, что влияние BCI перекрывает свободную волю и контроль над действиями, неточный перевод когнитивных намерений, изменения личности в результате глубокой стимуляции мозга и размывание границы между человеком и машиной. [175] Другие опасения включают использование BCI в передовых методах допроса, несанкционированный доступ («взлом мозга»), [176] социальную стратификацию посредством выборочного улучшения, проблемы конфиденциальности, связанные с чтением мыслей, отслеживанием и системами «маркировки», а также потенциал для контроля разума, движения и эмоций. [177] Исследователи также выдвинули теорию о том, что BCI могут усугубить существующее социальное неравенство.
В своей нынешней форме большинство BCI больше похожи на корректирующие терапии, которые затрагивают лишь немногие из таких этических проблем. Биоэтика хорошо подготовлена к решению проблем, связанных с технологиями BCI, и Клаузен предположил в 2009 году, что «BCI создают этические проблемы, но они концептуально похожи на те, которые биоэтики рассматривали для других областей терапии». [178] Хазелагер и коллеги подчеркнули важность управления ожиданиями и ценностями. [179] Стандартные протоколы могут обеспечить этически обоснованные процедуры информированного согласия для запертых пациентов.
Эволюция BCI отражает развитие фармацевтической науки, которая начиналась как средство для решения проблем с нарушениями, а теперь улучшает концентрацию и снижает потребность во сне. По мере того, как BCI переходят от терапии к усовершенствованиям, сообщество BCI работает над созданием консенсуса по этическим принципам для исследований, разработок и распространения. [180] [181] Обеспечение равного доступа к BCI будет иметь решающее значение для предотвращения неравенства поколений, которое может препятствовать праву на процветание человека.
Различные компании разрабатывают недорогие BCI для исследований и развлечений. Такие игрушки, как NeuroSky и Mattel MindFlex, добились определенного коммерческого успеха.
Консорциум из 12 европейских партнеров завершил разработку дорожной карты для поддержки Европейской комиссии в принятии решений о финансировании рамочной программы Horizon 2020. Проект финансировался Европейской комиссией. Он начался в ноябре 2013 года и опубликовал дорожную карту в апреле 2015 года. [198] В публикации 2015 года описывается этот проект, а также Общество интерфейса мозг-компьютер. [199] В ней рассматривается работа в рамках этого проекта, которая дополнительно определяет BCI и приложения, исследует последние тенденции, обсуждает этические вопросы и оценивает направления для новых BCI.
Другие недавние публикации также исследовали будущие направления BCI для новых групп пользователей с ограниченными возможностями. [10] [200]
У некоторых людей наблюдается расстройство сознания (РСС). Это состояние определяется как состояние людей в коме и вегетативном состоянии (ВС) или состоянии минимального сознания (МСС). Исследования BCI направлены на решение проблемы РСС. Первоначальная ключевая цель — выявить пациентов, которые могут выполнять основные когнитивные задачи, что изменит их диагноз и позволит им принимать важные решения (например, обращаться ли за терапией, где жить и каковы их взгляды на решения об окончании жизни, касающиеся их самих). Пациенты с неправильным диагнозом могут умереть в результате решений об окончании жизни, принятых другими. Перспектива использования BCI для общения с такими пациентами является заманчивой. [201] [202]
Многие такие пациенты не могут использовать BCI, основанные на зрении. Следовательно, инструменты должны полагаться на слуховые и/или вибротактильные стимулы. Пациенты могут носить наушники и/или вибротактильные стимуляторы, размещенные на чувствительных частях тела. Другая проблема заключается в том, что пациенты могут общаться только с непредсказуемыми интервалами. Домашние устройства могут позволить общаться, когда пациент готов.
Автоматизированные инструменты могут задавать вопросы, на которые пациенты могут легко ответить, например, «Вашего отца зовут Джордж?» или «Вы родились в США?» Автоматизированные инструкции информируют пациентов, как передать «да» или «нет», например, сосредоточив их внимание на стимулах на правом или левом запястье. Это сосредоточенное внимание производит надежные изменения в паттернах ЭЭГ , которые могут помочь определить, способен ли пациент общаться. [203] [204] [205]
Люди могут потерять часть своей способности двигаться из-за многих причин, таких как инсульт или травма. Исследования последних лет продемонстрировали полезность систем BCI на основе ЭЭГ в восстановлении моторики и нейрореабилитации у пациентов, перенесших инсульт. [206] [207] [208] [209] Несколько групп исследовали системы и методы восстановления моторики, включающие BCI. [210] [211] [212] [213] При таком подходе BCI измеряет двигательную активность, пока пациент представляет или пытается выполнить движения по указанию терапевта. BCI может обеспечить два преимущества: (1) если BCI указывает, что пациент неправильно представляет движение (несоблюдение), то BCI может информировать пациента и терапевта; и (2) поощрительная обратная связь, такая как функциональная стимуляция или движение виртуального аватара, также зависит от правильного воображения движения пациентом.
До сих пор BCI для восстановления моторики полагались на ЭЭГ для измерения двигательных образов пациента. Однако исследования также использовали фМРТ для изучения различных изменений в мозге, когда люди проходят обучение реабилитации после инсульта на основе BCI. [214] [215] [216] Исследования визуализации в сочетании с системами BCI на основе ЭЭГ обещают исследовать нейропластичность во время восстановления моторики после инсульта. [216] Будущие системы могут включать фМРТ и другие меры для контроля в реальном времени, такие как функциональный ближний инфракрасный диапазон, вероятно, в тандеме с ЭЭГ. Неинвазивная стимуляция мозга также изучалась в сочетании с BCI для восстановления моторики. [217] В 2016 году ученые из Мельбурнского университета опубликовали доклинические данные, подтверждающие концепцию, связанную с потенциальной технологической платформой интерфейса мозг-компьютер, разрабатываемой для пациентов с параличом, чтобы облегчить управление внешними устройствами, такими как роботизированные конечности, компьютеры и экзоскелеты, путем трансляции мозговой активности. [218] [219] [220]
В 2014 году около 400 000 человек прошли картирование мозга во время нейрохирургии. Эта процедура часто требуется для людей, которые не реагируют на лекарства . [221] Во время этой процедуры электроды помещаются на мозг, чтобы точно определить местоположение структур и функциональных областей. Пациенты могут бодрствовать во время нейрохирургии и их могут попросить выполнить задания, такие как движение пальцами или повторение слов. Это необходимо для того, чтобы хирурги могли удалить нужную ткань, не затрагивая другие области. Удаление слишком большого количества мозговой ткани может привести к необратимому повреждению, в то время как удаление слишком малого количества может потребовать дополнительной нейрохирургии. [ необходима цитата ]
Исследователи исследовали способы улучшения нейрохирургического картирования. Эта работа в основном фокусируется на высокой гамма-активности, которую трудно обнаружить неинвазивным путем. Результаты улучшили методы определения ключевых функциональных областей. [222]
Гибкая электроника — это полимеры или другие гибкие материалы (например, шелк , [223] пентацен , PDMS , парилен , полиимид [224] ), напечатанные с помощью схем ; гибкость позволяет электронике изгибаться. Технологии изготовления, используемые для создания этих устройств, напоминают те, которые используются для создания интегральных схем и микроэлектромеханических систем (MEMS). [ необходима цитата ]
Гибкие нейронные интерфейсы могут минимизировать травму мозговой ткани, связанную с механическим несоответствием между электродом и тканью. [225]
Нейронная пыль — это устройства размером с миллиметр, работающие как беспроводные нервные датчики, которые были предложены в статье 2011 года из Калифорнийского университета, Центра беспроводных исследований в Беркли. [226] [227] В одной модели локальные потенциалы поля можно было бы отличить от «пиков» потенциала действия , что дало бы значительно более разнообразные данные по сравнению с традиционными методами. [226]
Основанный на ECoG BCI имеет преимущество в сигнале и долговечности, которые абсолютно необходимы для клинического применения.
Джастин Уильямс, биомедицинский инженер в университете, уже превратил имплант ECoG в микроустройство, которое можно установить с минимумом суеты. Его долго тестировали на животных — микро-ECoG остается на месте и, по-видимому, не оказывает отрицательного влияния на иммунную систему.
