Ao traduzir os pensamentos dos usuários em comandos mecânicos, uma cadeira de rodas controlada pela mente pode ajudar uma pessoa paralisada a ganhar nova mobilidade. Pesquisadores demonstram que usuários tetraplégicos podem operar cadeiras de rodas controladas pela mente em um ambiente natural e confuso após um longo período de treinamento em um estudo publicado em 18 de novembro na revista iScience.
“Mostramos que o aprendizado mútuo do usuário e do algoritmo de interface cérebro-máquina são importantes para que os usuários operem com sucesso essas cadeiras de rodas”, diz José del R. Millán, autor correspondente do estudo na Universidade do Texas em Austin. “Nossa pesquisa destaca um caminho potencial para melhorar a tradução clínica da tecnologia de interface cérebro-máquina não invasiva”.
Millán e seus colegas recrutaram três tetraplégicos para o estudo longitudinal. Cada um dos participantes passou por sessões de treinamento três vezes por semana durante 2 a 5 meses. Os participantes usavam uma calota craniana que detectava suas atividades cerebrais por meio de eletroencefalografia (EEG), que seria convertida em comandos mecânicos para as cadeiras de rodas por meio de um dispositivo de interface cérebro-máquina. Os participantes foram solicitados a controlar a direção da cadeira de rodas pensando em mover suas partes do corpo. Especificamente, eles precisavam pensar em mover as duas mãos para virar à esquerda e os dois pés para virar à direita.
Na primeira sessão de treinamento, três participantes tiveram níveis semelhantes de precisão – quando as respostas do dispositivo se alinharam com os pensamentos dos usuários – de cerca de 43% a 55%. Ao longo do treinamento, a equipe do dispositivo de interface cérebro-máquina viu uma melhora significativa na precisão do participante 1, que atingiu uma precisão de mais de 95% ao final de seu treinamento. A equipe também observou um aumento na precisão do participante de 3 a 98% no meio do treinamento antes de a equipe atualizar seu dispositivo com um novo algoritmo.
A melhoria observada nos participantes 1 e 3 está correlacionada com a melhoria na discriminação de recursos, que é a capacidade do algoritmo de discriminar o padrão de atividade cerebral codificado para pensamentos “ir para a esquerda” daquele para “ir para a direita”. A equipe descobriu que a melhor discriminação de recursos não é apenas resultado do machine learning do dispositivo, mas também do aprendizado no cérebro dos participantes. O EEG dos participantes 1 e 3 mostrou mudanças claras nos padrões de ondas cerebrais à medida que melhoravam a precisão no controle mental do dispositivo.
“Vemos pelos resultados do EEG que o sujeito consolidou uma habilidade de modular diferentes partes de seus cérebros para gerar um padrão para ‘ir para a esquerda’ e um padrão diferente para ‘ir para a direita'”, diz Millán. “Acreditamos que há uma reorganização cortical que aconteceu como resultado do processo de aprendizagem dos participantes.”
Comparado com os participantes 1 e 3, o participante 2 não teve mudanças significativas nos padrões de atividade cerebral ao longo do treinamento. Sua precisão aumentou apenas ligeiramente durante as primeiras sessões, que permaneceu estável pelo resto do período de treinamento. Isso sugere que o machine learning por si só é insuficiente para manobrar com sucesso um dispositivo controlado pela mente, diz Millán
Ao final do treinamento, todos os participantes foram convidados a dirigir suas cadeiras de rodas por um quarto de hospital desordenado. Eles tiveram que contornar obstáculos como uma divisória de quarto e leitos hospitalares, que são configurados para simular o ambiente do mundo real. Ambos os participantes 1 e 3 terminaram a tarefa enquanto o participante 2 não conseguiu completá-la.
“Parece que para alguém adquirir um bom controle de interface cérebro-máquina que lhe permita realizar atividades diárias relativamente complexas, como dirigir a cadeira de rodas em um ambiente natural, requer alguma reorganização neuroplástica em nosso córtex”, diz Millán.
O estudo também enfatizou o papel do treinamento de longo prazo nos usuários. Embora o participante 1 tenha tido um desempenho excepcional no final, ele também teve dificuldades nas primeiras sessões de treinamento, diz Millán. O estudo longitudinal é um dos primeiros a avaliar a tradução clínica da tecnologia de interface cérebro-máquina não invasiva em pessoas tetraplégicas.
Em seguida, a equipe quer descobrir por que o participante 2 não experimentou o efeito de aprendizado. Eles esperam realizar uma análise mais detalhada dos sinais cerebrais de todos os participantes para entender suas diferenças e possíveis intervenções para pessoas que lutam com o processo de aprendizagem no futuro.
Publicado em 22/11/2022 06h39
Artigo original:
Estudo original: