Опубликованный в последнем выпуске журнала IEEE Journal of Solid-State Circuits и представленный на Международной конференции по твердотельным схемам, MiBMI не только повышает эффективность и масштабируемость интерфейсов мозг-машина, но и прокладывает путь к практическим, полностью имплантируемым устройствам. Эта технология обладает потенциалом для значительного улучшения качества жизни пациентов с такими заболеваниями, как боковой амиотрофический склероз (БАС) и травмы спинного мозга.
Небольшие размеры MiBMI и низкая потребляемая мощность являются ключевыми особенностями, что делает систему пригодной для имплантируемых приложений. Его минимальная инвазивность обеспечивает безопасность и практичность для использования в клинических и реальных условиях. Кроме того, это полностью интегрированная система, что означает, что запись и обработка данных осуществляются на двух очень маленьких чипах общей площадью 8 мм2. Это новейшее устройство в новом классе маломощных устройств для измерения ИМТ, разработанных в Лаборатории интегрированных нейротехнологий (INL) Шоарана в институтах IEM и Neuro X EPFL.
«MiBMI позволяет нам преобразовывать сложную нейронную активность в читаемый текст с высокой точностью и низким энергопотреблением. Это достижение приближает нас к практическим, имплантируемым решениям, которые могут значительно улучшить коммуникативные способности у людей с серьезными двигательными нарушениями», – сказал Шоаран.
Преобразование импульсов мозга в текст включает в себя декодирование нейронных сигналов, генерируемых, когда человек представляет себе написание букв или слов. В этом процессе электроды, имплантированные в мозг, считывают нейронную активность, связанную с двигательными действиями при письме. Затем чипсет MiBMI обрабатывает эти сигналы в режиме реального времени, переводя предполагаемые движения рук в соответствующий цифровой текст. Эта технология позволяет людям, особенно с синдромом запертого человека и другими серьезными двигательными нарушениями, общаться, просто думая о письме, а интерфейс преобразует их мысли в читаемый текст на экране.
«Чип преобразует почерковую активность в текст с впечатляющей точностью 91%», – сказал ведущий автор Мохаммед Али Шаери. «Хотя чип еще не был интегрирован в работающий BMI, он обрабатывал данные из предыдущих живых записей активности мозга», – добавил Шаери. В настоящее время чип может декодировать до 31 различных символов, что не имеет себе равных среди других подобных систем. «Мы уверены, что сможем расшифровать до 100 символов, но набор данных о почерке с большим количеством символов пока недоступен», – добавил Шаери.
Текущие ИМТ записывают данные с электродов, имплантированных в мозг, а затем отправляют эти сигналы на компьютер для расшифровки. Чип MiBMI записывает данные, а также обрабатывает информацию в режиме реального времени, интегрируя 192-канальную нейронную систему записи с 512-канальным нейронным декодером. Этот нейротехнологический прорыв представляет собой подвиг экстремальной миниатюризации, сочетающий в себе опыт в области интегральных схем, нейронной инженерии и искусственного интеллекта. Эта инновация особенно интересна в зарождающуюся эпоху нейротехнологических стартапов в области BMI, где ключевыми направлениями являются интеграция и миниатюризация. MiBMI EPFL предлагает многообещающие идеи и потенциал для будущего этой области. «Наша цель состоит в том, чтобы разработать универсальный ИМТ, который может быть адаптирован к различным неврологическим расстройствам, обеспечивая более широкий спектр решений для пациентов», – сказал Шоаран.
Чтобы иметь возможность обрабатывать огромное количество информации, собранной электродами на миниатюрном ИМТ, исследователям пришлось использовать совершенно другой подход к анализу данных. Они обнаружили, что активность мозга для каждой буквы, когда пациент представляет, что пишет ее от руки, содержит очень специфические маркеры, которые исследователи назвали отличительными нейронными кодами (DNC). Вместо того, чтобы обрабатывать тысячи байт данных для каждой буквы, микрочипу нужно обрабатывать только DNC, которые составляют около ста байт. Это делает систему быстрой и точной, с низким энергопотреблением. Этот прорыв также позволяет сократить время обучения, делая обучение использованию ИМТ более простым и доступным.
