Des chercheurs de trois institutions, dont l’UC Santa Barbara, ont démontré que l’intelligence artificielle a le potentiel de rendre les futures prothèses visuelles, comme un œil bionique, plus précises, plus prévisibles et plus réactives pour un utilisateur individuel.
Michael Beyeler, professeur agrégé d’informatique à l’UCSB, et ses collègues ont utilisé un modèle d’apprentissage profond pour concevoir des modèles de stimulation électrique pour des électrodes temporairement implantées dans le cortex visuel – la région située à l’arrière du cerveau qui traite les informations visuelles – d’un participant aveugle. Le modèle a amélioré le contrôle des chercheurs sur la façon dont les neurones réagissaient aux stimuli et a aidé à prédire ce que le participant percevait.
L’étude de validation de principe, publiée en ligne cette semaine dans la revue Neuronereprésente une étape vers le développement de prothèses corticales visuelles – des dispositifs implantés dans le cortex visuel – capables de mieux communiquer avec le cerveau.
« Construire un modèle abstrait est une chose », a déclaré Beyeler, également professeur agrégé de sciences psychologiques et cérébrales. « Le voir façonner une expérience avec une personne est tout autre chose. Cette capacité à passer de la théorie à quelque chose qui pourrait un jour aider les gens est ce qui motive une grande partie du travail dans notre laboratoire. »
Dans un effort que Beyeler décrit comme « une véritable collaboration », le projet a été dirigé par les co-premiers auteurs Pehuén Moure de l’ETH Zurich, Jacob Granley de l’UCSB et Fabrizio Grani de l’Université Miguel Hernández (MHU). Beyeler, Shih-Chii Liu de l’ETH Zurich et Eduardo Fernández du MHU ont supervisé la recherche, qui fait partie d’un essai de faisabilité plus large en cours en Espagne.
Les chercheurs tentent de développer des prothèses visuelles depuis des décennies, mais avec un succès limité. Certains appareils ciblent la rétine, la couche sensible à la lumière située au fond de l’œil, tandis que d’autres stimulent les étapes ultérieures du système visuel.
Les prothèses corticales adoptent une approche différente en contournant les yeux et les nerfs optiques et en délivrant une stimulation électrique directement au cortex visuel. Cette approche pourrait éventuellement bénéficier à certaines personnes dont les voies visuelles ont été endommagées mais dont le cortex visuel reste capable de répondre à la stimulation, comme les personnes dont la cécité résulte d’un accident vasculaire cérébral, de maladies neurodégénératives ou de lésions cérébrales.
Le bénéfice potentiel pourrait être particulièrement significatif pour ceux « qui ont pu voir pendant une partie de leur vie, mais qui, à cause d’une maladie oculaire héréditaire ou d’un accident, ont perdu la vue », a déclaré Beyeler. « Pour ces personnes, le désir peut être très fort de retrouver une certaine vision. »
Les travaux actuels s’appuient sur la recherche informatique soutenue par le prix du nouvel innovateur 2022 du directeur des National Institutes of Health (NIH) de Beyeler, une subvention de 2 millions de dollars sur cinq ans qui a soutenu son travail visant à rendre les prothèses visuelles plus prévisibles et plus efficaces.
En 2024, des membres du Bionic Vision Lab de Beyeler se sont rendus en Espagne pour une étape critique de leurs recherches : tester si leur approche informatique pouvait améliorer les performances d’un implant cérébral existant chez un participant aveugle.
À l’hôpital IMED Elche, en Espagne, ils ont rendu visite à un homme de 27 ans qui avait perdu la vue à la suite d’un traumatisme crânien. L’homme avait reçu un dispositif composé d’un ensemble d’électrodes à 96 canaux implantés dans son cortex visuel, qui serait retiré au bout de six mois.
Lorsque les électrodes délivraient une stimulation électrique aux neurones du cortex visuel de l’homme, celui-ci pouvait percevoir des phosphènes, des taches ou des formes de lumière parfois comparées à des éclairs, des étoiles ou des feux d’artifice.
Les chercheurs ont cherché à mieux prédire comment le cortex visuel réagirait à une stimulation. Pour ce faire, Beyeler et ses collègues ont formé un réseau neuronal profond, une forme d’intelligence artificielle, pour prédire les modèles d’activité cérébrale produits par différentes combinaisons de paramètres de stimulation électrique. Le modèle a également reçu des informations sur l’activité au repos du cerveau juste avant chaque test.
Les chercheurs ont ensuite utilisé le modèle pour identifier les modèles de stimulation les plus susceptibles de produire la réponse neuronale souhaitée.
Lorsque les chercheurs ont testé ces modèles conçus par l’IA chez le participant, ils ont reproduit les modèles d’activité cérébrale ciblés avec plus de précision et ont nécessité moins de courant électrique que les autres approches. Peut-être plus important encore, l’activité enregistrée dans le cerveau du participant prédisait mieux ce qu’il percevait que les seuls paramètres de stimulation électrique. En d’autres termes, mesurer la réaction du cerveau a fourni une meilleure indication de ce que le participant verrait que simplement savoir quelles électrodes avaient été activées.
Produire un modèle souhaité d’activité cérébrale n’est qu’une partie de l’équation. Les chercheurs doivent également déterminer comment cette activité devient une expérience visuelle pour la personne utilisant la prothèse.
« Les ingénieurs veulent naturellement traiter les phosphènes comme des pixels : stimulez plus d’électrodes et vous devriez obtenir une image plus complète », a déclaré Beyeler. « Mais le cerveau ne fonctionne pas de cette façon. Les électrodes interagissent, les réponses neuronales fluctuent et ce que nous mettons dans le cerveau n’est pas nécessairement ce que la personne perçoit. Le défi est d’en apprendre davantage sur cette transformation. »
L’implant utilisé dans l’étude pourrait à la fois stimuler le cerveau avec un courant électrique et enregistrer la réaction des neurones du cerveau. Cela a permis aux chercheurs d’entraîner leur modèle d’IA sur ce que le cerveau faisait réellement après chaque modèle de stimulation, plutôt que de se fier uniquement aux paramètres électriques envoyés à l’appareil.
Le participant a indiqué s’il avait perçu un phosphène et, dans certaines expériences, a décrit des caractéristiques telles que sa forme, sa taille, sa luminosité et sa couleur. Les chercheurs ont découvert que les modèles d’activité neuronale enregistrés étaient plus informatifs sur ces résultats perceptuels que les paramètres de stimulation eux-mêmes.
Le modèle d’IA intègre également des mesures de l’activité cérébrale au repos du participant, lui permettant d’ajuster le modèle de stimulation à l’état actuel du cerveau. Cela pourrait constituer une étape importante vers des prothèses qui restent fiables alors que les réponses neuronales fluctuent de jour en jour.
« Une prothèse visuelle utile ne peut pas reposer sur une recette fixe », a déclaré Beyeler. « Il doit apprendre comment un cerveau individuel réagit et adapter la stimulation en conséquence. En fin de compte, c’est l’appareil qui doit s’adapter à la personne, et non l’inverse. »
