In einer neuen Studie zeigen Forscher, dass tetraplegische Benutzer gedankengesteuerte Rollstühle in einer natürlichen, unübersichtlichen Umgebung bedienen können. Der gedankengesteuerte Rollstuhl verhilft gelähmten Menschen zu neuer Mobilität, indem er die Gedanken der Benutzer in mechanische Befehle übersetzt.
Durch die Übersetzung der Gedanken des Benutzers in mechanische Befehle kann ein gedankengesteuerter Rollstuhl einer gelähmten Person zu neuer Mobilität verhelfen. Forscher zeigen in einer heute (18. November) in der Zeitschrift veröffentlichten Studie, dass tetraplegische Benutzer gedankengesteuerte Rollstühle in einer natürlichen, unübersichtlichen Umgebung bedienen können, nachdem sie über einen längeren Zeitraum trainiert haben iScience.
„Wir zeigen, dass das gegenseitige Lernen sowohl des Benutzers als auch des Gehirn-Maschine-Schnittstellenalgorithmus für Benutzer wichtig sind, um solche Rollstühle erfolgreich zu bedienen“, sagt José del R. Millán, der korrespondierende Autor der Studie an der University of Texas in Austin. „Unsere Forschung hebt einen potenziellen Weg für eine verbesserte klinische Umsetzung der nicht-invasiven Gehirn-Maschine-Schnittstellentechnologie hervor.“
Millán und seine Kollegen rekrutierten drei Tetraplegiker für die Längsschnittstudie. Jeder der Teilnehmer absolvierte 2 bis 5 Monate lang dreimal pro Woche Trainingseinheiten. Die Teilnehmer trugen eine Schädeldecke, die ihre Gehirnaktivitäten durch Elektroenzephalographie (EEG) erfasste, die über ein Gehirn-Maschine-Schnittstellengerät in mechanische Befehle für die Rollstühle umgewandelt wurde. Die Teilnehmer wurden gebeten, die Richtung des Rollstuhls zu steuern, indem sie über die Bewegung ihrer Körperteile nachdachten. Insbesondere mussten sie daran denken, beide Hände zu bewegen, um nach links abzubiegen, und beide Füße, um nach rechts abzubiegen.
[Eingebetteten Inhalt]
Dieses Video zeigt einen Teilnehmer, der einen gedankengesteuerten Rollstuhl durch einen vollgestopften Raum fährt. Bildnachweis: Luca Tonin
In der ersten Trainingseinheit hatten drei Teilnehmer ähnliche Werte
” data-gt-translate-attributes=”[{“attribute”:”data-cmtooltip”, “format”:”html”}]”>Genauigkeit – wenn die Antworten des Geräts mit den Gedanken der Benutzer übereinstimmen – von etwa 43 % 55%. Im Laufe des Trainings stellte das Brain-Machine-Interface-Device-Team eine deutliche Verbesserung der Genauigkeit bei Teilnehmer 1 fest, der am Ende seines Trainings eine Genauigkeit von über 95 % erreichte. Das Team beobachtete auch eine Erhöhung der Genauigkeit bei Teilnehmer 3 auf 98 % auf halbem Weg durch sein Training, bevor das Team sein Gerät mit einem neuen Algorithmus aktualisierte.
Die bei den Teilnehmern 1 und 3 beobachtete Verbesserung korreliert mit einer Verbesserung der Merkmalsunterscheidung, d. h. der Fähigkeit des Algorithmus, das für „nach links gehen“-Gedanken codierte Gehirnaktivitätsmuster von dem für „nach rechts gehen“-Gedanken zu unterscheiden. Das Team fand heraus, dass die bessere Merkmalsunterscheidung nicht nur ein Ergebnis des maschinellen Lernens des Geräts ist, sondern auch des Lernens im Gehirn der Teilnehmer. Das EEG der Teilnehmer 1 und 3 zeigte deutliche Verschiebungen in den Gehirnwellenmustern, da sie die Genauigkeit bei der Gedankenkontrolle des Geräts verbesserten.
„Wir sehen aus den EEG-Ergebnissen, dass die Versuchsperson die Fähigkeit gefestigt hat, verschiedene Teile ihres Gehirns zu modulieren, um ein Muster für „nach links gehen“ und ein anderes Muster für „nach rechts gehen“ zu erzeugen“, sagt Millán. „Wir glauben, dass es eine kortikale Reorganisation gibt, die als Ergebnis des Lernprozesses der Teilnehmer stattgefunden hat.“
Im Vergleich zu den Teilnehmern 1 und 3 hatte Teilnehmer 2 während des gesamten Trainings keine signifikanten Veränderungen der Gehirnaktivitätsmuster. Seine Treffsicherheit stieg in den ersten paar Sitzungen nur leicht an, blieb aber für den Rest der Trainingszeit stabil. Es deutet darauf hin, dass maschinelles Lernen allein nicht ausreicht, um ein solches gedankengesteuertes Gerät erfolgreich zu manövrieren, sagt Millán
Am Ende des Trainings wurden alle Teilnehmer gebeten, mit ihren Rollstühlen durch ein vollgestopftes Krankenhauszimmer zu fahren. Sie mussten Hindernisse wie einen Raumteiler und Krankenhausbetten umgehen, die so aufgestellt sind, dass sie die reale Umgebung simulieren. Sowohl Teilnehmer 1 als auch 3 beendeten die Aufgabe, während Teilnehmer 2 sie nicht beendete.
„Es scheint, dass jemand eine neuroplastische Reorganisation in unserem Kortex erfordert, um eine gute Gehirn-Maschine-Schnittstellenkontrolle zu erlangen, die es ihm ermöglicht, relativ komplexe tägliche Aktivitäten wie das Fahren des Rollstuhls in einer natürlichen Umgebung durchzuführen“, sagt Millán.
Die Studie betonte auch die Rolle der langfristigen Schulung der Benutzer. Obwohl Teilnehmer 1 am Ende eine hervorragende Leistung erbrachte, hatte er auch in den ersten Trainingseinheiten zu kämpfen, sagt Millán. Die Längsschnittstudie ist eine der ersten, die die klinische Umsetzung der nicht-invasiven Gehirn-Maschine-Schnittstellentechnologie bei Tetraplegikern bewertet.
Als nächstes möchte das Team herausfinden, warum Teilnehmer 2 den Lerneffekt nicht erlebt hat. Sie hoffen, eine detailliertere Analyse der Gehirnsignale aller Teilnehmer durchführen zu können, um ihre Unterschiede und mögliche Interventionen für Menschen zu verstehen, die in Zukunft mit dem Lernprozess zu kämpfen haben.
Referenz: „Lernen, einen BMI-gesteuerten Rollstuhl für Menschen mit schwerer Tetraplegie zu steuern“ von Tonin und Perdikis et al., 18. November 2022, iScience.
DOI: 10.1016/j.isci.2022.105418
Diese Arbeit wurde teilweise vom italienischen Bildungsministerium und vom Institut für Informationstechnik der Universität Padua unterstützt.
