Em um avanço significativo, os pesquisadores que trabalham em direção a um membro protanãtico controlado pelo cérebro no  UCSF Weill Institute for Neurosciences  mostraram que as técnicas de aprendizado de ma¡quina ajudaram um indiva­duo paralisado a aprender a controlar um cursor de computador usando sua atividade cerebral sem exigir um extenso treinamento dia¡rio, o que tem sido um requisito de todos os esforços anteriores da interface cérebro-computador (BCI).

“O campo BCI fez um grande progresso nos últimos anos, mas como os sistemas existentes tiveram que ser reiniciados e recalibrados a cada dia, eles não foram capazes de acessar os processos naturais de aprendizado do cérebro. a‰ como pedir a alguém para aprender a andar de bicicleta repetidamente do zero ", disse o autor saªnior do estudo  Karunesh Ganguly , MD, Ph.D., professor associado do Departamento de Neurologia da UC San Francisco." Adaptando uma aprendizagem artificial sistema para funcionar sem problemas com os sofisticados esquemas de aprendizagem de longo prazo do cérebro éalgo que nunca foi mostrado antes em uma pessoa paralisada. "

A conquista do desempenho “plug and play” demonstra o valor dos chamados eletrodos ECoG para aplicações BCI. Um conjunto de ECoG compreende uma almofada de eletrodos do tamanho de um post-it que écolocado cirurgicamente nasuperfÍcie do cérebro. Eles permitem registros esta¡veis ​​de longo prazo da atividade neural e foram aprovados para monitoramento de convulsaµes em pacientes com epilepsia. Em contraste, os esforços anteriores da BCI usaram conjuntos de eletrodos afiados no estilo “almofada de alfinetes” que penetram no tecido cerebral para gravações mais sensa­veis, mas tendem a mudar ou perder o sinal com o tempo. Nesse caso, os autores obtiveram a aprovação do dispositivo experimental para implantação crônica de longo prazo de matrizes de ECoG em indivíduos paralisados ​​para testar sua segurança e eficácia como implantes BCI esta¡veis ​​de longo prazo.

Em seu novo artigo, publicado em 7 de setembro na  Nature Biotechnology , a equipe de Ganguly documenta o uso de um arranjo de eletrodos ECoG em um indiva­duo com paralisia de todos os quatro membros (tetraplegia). O participante também estãoinscrito em um ensaio cla­nico projetado para testar o uso de matrizes de ECoG para permitir que pacientes paralisados ​​controlem uma pra³tese de braa§o e ma£o, mas no novo artigo, o participante usou o implante para controlar um cursor de computador em uma tela.

Os pesquisadores desenvolveram um algoritmo BCI que usa aprendizado de ma¡quina para combinar a atividade cerebral registrada pelos eletrodos de ECoG aos movimentos desejados do cursor do usua¡rio. Inicialmente, os pesquisadores seguiram a prática padrãode redefinir o algoritmo a cada dia. O participante comea§aria imaginando movimentos específicos do pescoa§o e do pulso enquanto observava o movimento do cursor pela tela. Gradualmente, o algoritmo do computador se atualizaria para combinar os movimentos do cursor com a atividade cerebral gerada por isso, passando o controle efetivo do cursor para o usua¡rio. No entanto, reiniciar esse processo todos os dias impaµe um limite severo aonívelde controle que pode ser alcana§ado. Pode levar horas para dominar o controle do dispositivo, e alguns dias o participante teve que desistir completamente.

Os pesquisadores então mudaram para permitir que o algoritmo continue a atualizar para corresponder a  atividade cerebral do participante sem reinicia¡-lo a cada dia. Eles descobriram que a interação conta­nua entre os sinais cerebrais e o algoritmo aprimorado do aprendizado de ma¡quina resultou em melhorias conta­nuas no desempenho ao longo de muitos dias. Inicialmente, havia um pouco de terreno perdido para recuperar a cada dia, mas logo o participante foi capaz de alcana§ar imediatamente um desempenho de alto na­vel.

“Descobrimos que podera­amos melhorar ainda mais o aprendizado certificando-nos de que o algoritmo não estava se atualizando mais rápido do que o cérebro poderia acompanhar - uma taxa de cerca de uma vez a cada 10 segundos”, disse Ganguly, neurologista da  UCSF Health  and the  San Francisco Veterans Servia§o de Neurologia e Reabilitação do Centro Manãdico Administrativo . “Vemos isso como uma tentativa de construir uma parceria entre dois sistemas de aprendizagem - cérebro e computador - que, em última análise, permite que a interface artificial se torne uma extensão do usua¡rio, como sua própria ma£o ou braa§o.”

Com o tempo, o cérebro do participante foi capaz de amplificar os padraµes de atividade neural que poderia usar para conduzir de forma mais eficaz a interface artificial por meio da matriz ECoG, enquanto eliminava sinais menos eficazes - um processo de poda muito parecido com como se pensa que o cérebro aprende qualquer tarefa complexa , diz o pesquisador. Eles observaram que a atividade cerebral do participante parecia desenvolver um “modelo” mental arraigado e consistente para controlar a interface do BCI, algo que nunca ocorrera com a reconfiguração e recalibração dia¡rias. Quando a interface foi redefinida após várias semanas de aprendizado conta­nuo, o participante restabeleceu rapidamente os mesmos padraµes de atividade neural para controlar o dispositivo - efetivamente retreinando o algoritmo ao seu estado anterior.

“Uma vez que o usua¡rio tenha estabelecido uma memória duradoura da solução para controlar a interface, não hánecessidade de redefinir”, disse Ganguly. “O cérebro rapidamente converge de volta para a mesma solução.”

Eventualmente, uma vez que a experiência foi estabelecida, os pesquisadores mostraram que poderiam desligar a necessidade do algoritmo de se atualizar completamente, e o participante poderia simplesmente comea§ar a usar a interface todos os dias, sem qualquer necessidade de retreinamento ou recalibração. O desempenho não diminuiu em 44 dias na ausaªncia de retreinamento, e o participante poderia atémesmo passar dias sem praticar e ver pouca queda no desempenho. O estabelecimento de experiência esta¡vel em uma forma de controle BCI (mover o cursor) também permitiu aos pesquisadores comea§ar a “empilhar” habilidades aprendidas adicionais - como “clicar” em um botão virtual - sem perda de desempenho.

Esse desempenho BCI “plug and play” imediato tem sido um objetivo no campo, mas estãofora de alcance porque os eletrodos do tipo “almofada de alfinetes” usados ​​pela maioria dos pesquisadores tendem a se mover com o tempo, mudando os sinais vistos por cada eletrodo. Além disso, como esses eletrodos penetram no tecido cerebral, o sistema imunológico tende a rejeita¡-los, prejudicando gradativamente seu sinal. Os arranjos de ECoG são menos sensa­veis do que esses implantes tradicionais, mas sua estabilidade a longo prazo parece compensar essa deficiência. A estabilidade das gravações de ECoG pode ser ainda mais importante para o controle de longo prazo de sistemas robóticos mais complexos, como membros artificiais, um objetivo principal da próxima fase da pesquisa de Ganguly.

“Sempre estivemos cientes da necessidade de projetar uma tecnologia que não acabe em uma gaveta, por assim dizer, mas que realmente melhore o dia-a-dia de pacientes paralisados”, disse Ganguly. “Esses dados mostram que BCIs baseados em ECoG podem ser a base para tal tecnologia."