Des chercheurs de l'Université Carnegie Mellon (CMU) et de l'Université de Pittsburgh (Pitt) ont publié des recherches dans Génie biomédical de la nature qui améliorera considérablement les interfaces cerveau-ordinateur et leur capacité à rester stabilisées pendant l'utilisation, réduisant considérablement ou éliminant potentiellement la nécessité de recalibrer ces appareils pendant ou entre les expériences.
Les interfaces cerveau-ordinateur (BCI) sont des dispositifs qui permettent aux personnes handicapées moteurs telles que la paralysie de contrôler les membres prothétiques, les curseurs informatiques et d'autres interfaces en utilisant uniquement leur esprit. L'un des plus gros problèmes auxquels est confronté le BCI utilisé en milieu clinique est l'instabilité des enregistrements neuronaux eux-mêmes. Au fil du temps, les signaux captés par BCI peuvent varier, et le résultat de cette variation est qu'un individu peut perdre la capacité de contrôler son BCI.
À la suite de cette perte de contrôle, les chercheurs demandent à l'utilisateur de passer par une session de recalibrage qui l'oblige à arrêter ce qu'il fait et à réinitialiser la connexion entre ses commandes mentales et les tâches exécutées. En règle générale, un autre technicien humain est impliqué uniquement pour faire fonctionner le système.
« Imaginez que chaque fois que nous voulions utiliser notre téléphone portable, pour le faire fonctionner correctement, nous devions en quelque sorte calibrer l'écran afin qu'il sache quelle partie de l'écran nous visions », explique William Bishop, qui était auparavant un doctorant étudiant et stagiaire postdoctoral au Département de Machine Learning de la CMU et est maintenant boursier au Janelia Farm Research Campus. « L'état actuel de la technologie BCI est un peu comme ça. Pour que ces appareils BCI fonctionnent, les utilisateurs doivent effectuer ce recalibrage fréquent. C'est donc extrêmement gênant pour les utilisateurs, ainsi que pour les techniciens qui entretiennent les appareils. » «
L'article, «Une interface cerveau-ordinateur stabilisée basée sur l'alignement des variétés neuronales», présente un algorithme d'apprentissage automatique qui tient compte de ces signaux variables et permet à l'individu de continuer à contrôler le BCI en présence de ces instabilités. En tirant parti de la constatation que l'activité de la population neuronale réside dans une «variété neuronale» de faible dimension, les chercheurs peuvent stabiliser l'activité neuronale pour maintenir une bonne performance BCI en présence d'instabilités d'enregistrement.
Lorsque nous disons «stabilisation», nous voulons dire que nos signaux neuronaux sont instables, peut-être parce que nous enregistrons à partir de différents neurones au fil du temps. Nous avons trouvé un moyen de prendre différentes populations de neurones à travers le temps et d'utiliser leurs informations pour révéler essentiellement une image commune du calcul qui se passe dans le cerveau, gardant ainsi le BCI calibré malgré les instabilités neuronales. «
Alan Degenhart, chercheur postdoctoral en génie électrique et informatique à la CMU
Les chercheurs ne sont pas les premiers à proposer une méthode d'auto-recalibrage; le problème des enregistrements neuronaux instables est en suspens depuis longtemps. Quelques études ont proposé des procédures d'auto-recalibrage, mais ont été confrontées au problème de la gestion des instabilités. La méthode présentée dans cet article est capable de se remettre d'instabilités catastrophiques car elle ne repose pas sur une bonne performance du sujet lors du recalibrage.
« Disons que l'instabilité était si grande que le sujet n'était plus en mesure de contrôler le BCI », explique Byron Yu, professeur de génie électrique et informatique et de génie biomédical à la CMU. « Les procédures d'auto-recalibrage existantes sont susceptibles de rencontrer des difficultés dans ce scénario, alors que dans notre méthode, nous avons démontré qu'elles peuvent dans de nombreux cas se remettre de ces instabilités catastrophiques. »
«Les instabilités d'enregistrement neuronal ne sont pas bien caractérisées, mais c'est un très gros problème», explique Emily Oby, chercheuse postdoctorale en neurobiologie à Pitt. « Il n'y a pas beaucoup de littérature que nous pouvons signaler, mais de façon anecdotique, beaucoup de laboratoires qui font de la recherche clinique avec BCI doivent traiter ce problème assez fréquemment. Ce travail a le potentiel d'améliorer considérablement la viabilité clinique des BCI, et pour aider à stabiliser d'autres interfaces neuronales. «
La source:
Collège d'ingénierie, Université Carnegie Mellon
