Искусственный интеллект в управлении роботизированной рукой: Прорыв в технологии интерфейса мозг-компьютер

Достижения в области интерфейсов мозг-компьютер

Исследователи Университета Калифорнии в Сан-Франциско (UCSF) опубликовали новое исследование в журнале Cell, демонстрирующее, как искусственный интеллект и машинное обучение могут изменить подход к реабилитации пациентов с параличом. Этот прорыв заключается в том, что парализованный человек смог контролировать роботизированную руку с помощью мысли на протяжении семи месяцев без необходимости в повторной калибровке.

Зачем нужны интерфейсы мозг-компьютер?

Интерфейсы мозг-компьютер (BCI) имеют огромный потенциал как вспомогательная технология, способная изменить жизнь людей с травмами головного мозга, спинального канала, парализованных и выживших после инсульта, а также страдающих неврологическими заболеваниями. Эти системы помогают людям, которые утратили возможность двигаться или говорить, управлять внешними устройствами с помощью своих мыслей.

С увеличением числа пожилых людей и развитием технологий помощи для парализованных, рынок BCI прогнозируется на уровне 6,52 миллиарда долларов США к 2030 году, что более чем вдвое превышает текущий размер рынка в 2,83 миллиарда долларов США в 2025 году.

Как работают интерфейсы мозг-компьютер

BCI включают в себя аппаратные и программные компоненты. Аппаратный компонент можно разбить на три категории:

• Инвазивные: требуют нейрохирургии или хирургической робототехники для установки;
• Частично инвазивные: например, стенты, установленные через эндоваскулярную хирургию;
• Неинвазивные: такие как функциональная магнитно-резонансная томография (фМРТ) или электроэнцефалограмма (ЭЭГ).

Электроды аппаратных компонентов BCI позволяют захватывать записи нейронной активности, которые состоят из сложных и многомерных данных.

Прорыв в технологии BCI

Главное отличие исследования UCSF заключается в длительной стабильности—от нескольких дней до семи месяцев—и способности точно адаптироваться к ежедневным изменениям нейронной активности с помощью ИИ. Это позволило парализованному мужчине успешно управлять роботизированной рукой, представляя движение с помощью мозга.

“Исследования на животных показали, что нейронные представления могут изменяться со временем, это влияет на корреляцию между активностью и поведением,” — написал Карунеш Гангули, доктор медицинских наук и соавтор нескольких исследователей.

Тестирование гипотезы

Чтобы проверить свою гипотезу, исследователи UCSF записали активность электроэнцефалограммы (ЭЭГ) в области левого соматосенсорного кортекса мозга участника, который потерял контроль над мышцами, необходимыми для речи (анартрия) и страдал от выраженной мышечной слабости в обеих конечностях (тетрапарез).

Участником был 41-летний мужчина, который перенес инсульт, из-за которого он стал привязанным к инвалидной коляске с полной парализацией нижних конечностей и слабостью рук и ног.

Использование интерфейсов мозг-компьютер

Инвазивный BCI был установлен через нейрохирургию. Участнику был установлен массив электрокортикографии (ЭКоГ) на 128 каналов для передачи данных нейронной активности из левого соматосенсорного кортекса в BCI-систему.

Используя машинное обучение ИИ для декодирования сложной нейронной активности, исследователи смогли создать модель, которая могла интерпретировать мысли участника.

Повышение эффективности управления роботизированной рукой

Для тренировки модели ИИ данные о нейронной активности собирались в течение двух недель. Участник сначала практиковался на виртуальной роботизированной руке, которая предоставляла обратную связь о точности выполнения движений. После этого он начал тренироваться на реальной роботизированной руке.

Практика с виртуальной рукой увеличила способности участника к контролю реальной руки для выполнения таких задач, как хватание, перемещение и манипуляция объектами. Исследователи намерены продолжить работу над улучшением скорости и плавности движения модели ИИ, а также провести анализ работы BCI в домашних условиях.

Будущее технологий BCI

Машинное обучение на основе ИИ значительно ускоряет эффективность интерфейсов мозг-компьютер, предлагая перспективу для тех, кто страдает от неврологических заболеваний, травм головного и спинного мозга и других нарушений. Возможности этой технологии могут стать основой существенных изменений в жизни людей в ближайшем будущем.

Copyright © 2025 Ками Россо. Все права защищены.