На пути к гиппокампальной навигации для мозга

Том 13 научных отчетов, номер статьи: 14021 (2023) Цитировать эту статью

668 Доступов

8 Альтметрика

Подробности о метриках

Автоматические инвалидные коляски, управляемые напрямую мозговой активностью, могут обеспечить автономию тяжело парализованным людям. Современные подходы в основном полагаются на неинвазивные измерения активности мозга и переводят отдельные команды в движения инвалидной коляски. Например, воображаемое движение правой руки повернет инвалидную коляску вправо. Ни одно исследование не изучало декодирование когнитивных процессов более высокого порядка для управления инвалидной коляской. Мы представляем себе инвазивный нейронный протез, который мог бы обеспечивать управление инвалидной коляской путем декодирования навигационных намерений из сигналов гиппокампа. Навигация широко исследовалась с помощью записей гиппокампа, но не для разработки нейронных протезов. Здесь мы показываем, что можно обучить декодер классифицировать скорости виртуального движения по сигналам гиппокампа, записанным во время задачи виртуальной навигации. Эти результаты представляют собой первый шаг к изучению возможности инвазивного гиппокампа BCI для контроля инвалидной коляски.

Миллионы людей страдают параличом: Неспособностью двигать какой-либо частью тела1. При наиболее тяжелых формах паралича, например, квадриплегии, люди теряют контроль над своими руками, ногами и туловищем. Паралич может возникнуть в результате ряда заболеваний, таких как травмы спинного мозга, поперечный миелит, рассеянный склероз, полиомиелит и боковой амиотрофический склероз (БАС). Этим пациентам требуется помощь членов семьи и медицинских работников. Поскольку способность самостоятельно взаимодействовать с окружающей средой положительно связана с удовлетворенностью жизнью2, крайне важно разработать решения, обеспечивающие независимость людей с тяжелым параличом.

Интерфейсы мозг-компьютер (BCI) позволяют общаться между людьми и компьютерами без необходимости движения мышц путем декодирования нервных сигналов3. В последние годы исследователи продемонстрировали потенциал BCI для помощи нескольким группам пациентов4. Исследование, в котором приняли участие люди с БАС, показало, что роботизированное управление руками и инвалидными колясками имеет высший приоритет, когда речь идет о разработке BCI5. Был достигнут большой прогресс в разработке протезов роботизированных рук6. С другой стороны, исследователи уделяют меньше внимания контролю инвалидных колясок, особенно с использованием инвазивных методов измерения мозговой активности.

Неинвазивные подходы BCI, такие как те, которые используют электроэнцефалографию (ЭЭГ), имеют низкий риск, поскольку они регистрируют активность мозга за пределами кожи головы. Однако при этом эти подходы значительно ухудшают качество сигнала, пространственное разрешение и/или временное разрешение7. Из-за этих ограничений BCI на основе ЭЭГ для контроля инвалидных колясок не добился значительного прогресса в последние годы.

Многие подходы с использованием ЭЭГ прямо или косвенно зависят от движений глаз и моргания8,9,10, переводя их в простые команды направления. Движение глаз и моргание невозможны для многих пациентов с БАС4. Кроме того, ограничение движения глаз во время навигации было бы неудобно и препятствовало социальному взаимодействию. Другие методы основаны на расшифровке умственных задач или образов, чтобы указать предполагаемое движение11,12,13,14. Например, представьте мысленное вращение или движение левой руки, чтобы повернуть налево. Хотя использование этого метода может обеспечить высокую точность, скорость передачи информации слишком низкая для безопасного использования инвалидной коляски. Инвазивный BCI, использующий целенаправленное навигационное намерение, может обеспечить входные данные, необходимые для точного, безопасного и интуитивного управления инвалидной коляской. Интерфейсы мозг-компьютер, которые декодируют когнитивные процессы более высокого порядка, могут предоставить парализованным людям интуитивный ввод для управления внешними устройствами, тем самым способствуя независимости.

Более высокое соотношение сигнал/шум, временное разрешение и пространственная точность инвазивно записанных сигналов могут позволить улучшить управление инвалидной коляской. До сих пор все подобные исследования, о которых нам известно, проводились на приматах, не являющихся человеком. В некоторых исследованиях для управления инвалидной коляской использовались парадигмы BCI на основе джойстика15,16. Движения рук были декодированы нейронами первичной моторной коры, в то время как обезьяна использовала джойстик для управления инвалидной коляской. Раджангам и др.17, с другой стороны, показали способность макак-резус управлять инвалидной коляской на основе инвазивных нервных сигналов без использования джойстика. Это важный шаг, поскольку многие парализованные люди не смогут использовать джойстик для обучения классификаторов BCI. Используя ансамблевые записи в премоторной и сенсомоторной областях, обезьяны смогли контролировать вращательное и поступательное движение инвалидной коляски, чтобы достичь своей цели. Этот подход является многообещающим, поскольку он основан на популяциях нейронов, настроенных на перемещение всего тела. Однако этот подход декодировал отдельные команды движения, подаваемые непрерывно, вместо декодирования запланированных траекторий высокого уровня.