Onderzoekers van de Universiteit van Californië, San Francisco, hebben een verlamde patiënt de controle over een robotarm gegeven via een apparaat dat hersensignalen doorgeeft aan een computer. Hij kan voorwerpen grijpen, verplaatsen en neerzetten door zich simpelweg voor te stellen dat hij de bewegingen maakt. Het apparaat, bekend als een brain-computer interface (BCI), werkte zeven maanden lang zonder aanpassingen. Voorheen werkte dergelijke apparatuur doorgaans maar een dag of twee.
BCI vertrouwt op een model van kunstmatige intelligentie dat zich kan aanpassen aan de kleine veranderingen die in de hersenen optreden wanneer een beweging wordt herhaald (of in dit geval een ingebeelde beweging) en leert de beweging op een meer verfijnde manier te voltooien. "Deze samensmelting van leren tussen mensen en kunstmatige intelligentie is de volgende fase in brein-computerinterfaces", zegt Karunesh Ganguly, Ph.D., hoogleraar neurologie en lid van het Weill Neuroscience Institute van UCSF.
"Dit is wat we nodig hebben om complexe, mensachtige functionaliteit te bereiken."
Het onderzoek, gefinancierd door de National Institutes of Health, werd op 6 maart gepubliceerd in het tijdschrift Cell. De sleutel was de ontdekking dat de hersenactiviteit van dag tot dag veranderde, omdat deelnemers zich herhaaldelijk specifieke acties voorstelden. Als de AI eenmaal is geprogrammeerd om rekening te houden met deze veranderingen, kan deze maandenlang blijven werken.
Ganguly bestudeerde hoe patronen van hersenactiviteit bij dieren specifieke acties vertegenwoordigen en ontdekte dat deze representaties van dag tot dag veranderden naarmate de dieren leerden. Hij vermoedt dat hetzelfde geldt voor mensen, en daarom verliezen hun BCI’s snel het vermogen om deze patronen te herkennen.
Ganguly werkte samen met neurologisch onderzoeker Dr. Nikhilesh Natraj met een studiedeelnemer die vele jaren geleden verlamd was geraakt door een beroerte. Hij kon niet praten of bewegen. Onderzoekers implanteerden kleine sensoren op het oppervlak van zijn hersenen die de hersenactiviteit registreerden terwijl hij zich bewegingen voorstelde.
Om te zien of zijn hersenpatronen in de loop van de tijd veranderden, vroeg Ganguly de deelnemers zich voor te stellen dat ze verschillende delen van het lichaam bewogen, zoals handen, voeten of hoofd. Hoewel hij niet echt kon bewegen, konden de hersenen van de deelnemer nog steeds bewegingssignalen genereren wanneer hij zich voorstelde dat hij de bewegingen maakte. De BCI registreert representaties van deze bewegingen via sensoren op het hersenoppervlak.
Het team van Ganguly ontdekte dat de vorm van deze vertegenwoordigers hetzelfde bleef, maar dat hun posities van dag tot dag enigszins veranderden.
Ganguly vroeg de deelnemer zich vervolgens voor te stellen dat hij twee weken lang eenvoudige bewegingen maakte met zijn vingers, hand of duim, terwijl sensoren zijn hersenactiviteit registreerden om de kunstmatige intelligentie te trainen. De deelnemers probeerden vervolgens de robotarmen en -handen te besturen, maar de bewegingen waren nog steeds onnauwkeurig.
Daarom liet Ganguly de deelnemer oefenen op een virtuele robotarm die hem feedback gaf over de nauwkeurigheid van zijn verbeelding. Uiteindelijk slaagde hij erin de virtuele robotarm te laten bewegen zoals hij wilde.
Toen de deelnemer begon te oefenen met een echte robotarm, kostte het hem slechts een paar oefensessies om de vaardigheden over te brengen naar de echte wereld. Hij kan een robotarm blokken laten oppakken, draaien en naar nieuwe posities verplaatsen. Hij kon zelfs een kast openen, een kopje eruit halen en het tegen de waterfontein houden.
Maanden later kon de deelnemer de robotarm nog steeds besturen na 15 minuten 'aanpassing' aan veranderingen in zijn bewegingsherhalingen sinds hij het apparaat begon te gebruiken.
Ganguly verbetert momenteel het kunstmatige-intelligentiemodel om de bewegingen van de robotarm sneller en soepeler te maken, en is van plan BCI in een thuisomgeving te testen. Voor mensen met verlamming kan het zelfstandig kunnen eten of drinken levensveranderend zijn. Ganguly gelooft dat dit haalbaar is.
"Ik heb er alle vertrouwen in dat we hebben geleerd hoe we dit systeem moeten bouwen en dat we het kunnen laten werken", zei hij.
Andere auteurs zijn onder meer Sarah Seko en Adelyn Tu-Chan van de Universiteit van Californië, San Francisco, en Reza Abiri van de Universiteit van Rhode Island. Het onderzoek werd gefinancierd door de National Institutes of Health (1DP2HD087955) en het UCSF Weill Neuroscience Institute.