رنسانس تکنولوژی؛ تحولی در سامانه های رابط مغز و رایانه (BCI)

در سال های اخیر اخبار مربوط به تکنولوژی مرتبط با BCI از فضای تحقیقاتی به سمت کاربرد های تجاری گام برداشته است و سرمایه‌گذاری  قابل توجهی در زمینۀ‌ سامانه های BCI تهاجمی و غیر تهاجمی صورت گرفته ‌است. شرکت‌هایی مانند نورالینک، سنکرون و بلک راک نوروتک با ایدۀ تجاری کردن سامانۀ BCI اخبار جدیدی از آخرین دستاوردهای خود منتشر می کنند. سرعت رشد این تحولات نشان می دهد در سال های نه چندان دور ممکن است شاهد دورۀ جدیدی از رشد تکنولوژی برپایۀ سیگنال های مغزی باشیم.

 BCI (Brain-Computer Interface) یا سامانۀ واسط مغز و رایانه به سامانه ای گفته می شود که همانند مترجمی بین سیگنال های مغزی و دستورات کامپیوتری ارتباط برقرار می کنند. برای مثال با هدف کنترل ربات های کمک درمانی دستورات نواحی موتوری مغز را  به زبان سیگنال های کامپیوتری تبدیل می کنند و یا ادراکی از دنیای خارج مانند حس لامسه را به مغز منتقل می کند. برای آشنایی بیشتر با هدف و ساختار این سامانه ها می توان به ویژه نامۀ واسط مغز و رایانه مراجعه کرد.

در طراحی نخستین سامانه های BCI از سیگنال EEG برای ثبت فعالیت مغزی استفاده شده است. در چند دههۀ اخیر‌ با پیشرفت در طراحی و ساخت الکترودها، سیستم های پردازشی قوی تر و الگوریتم های یادگیری ماشین بهینه تر، رویکرد سامانه های BCI تهاجمی موردتوجه بیشتری قرار گرفته است. این سامانه ها شامل چهار بخش اصلی هستند:

• ثبت فعالیت نورونی

در ثبت های نورونی سه موضوع اهمیت پیدا می کند: محل ثبت، الکترود ثبت و نوع سیگنال موردنظر.

محل ثبت از سطح قشر مغزی بنا به هدف نهایی با تشخیص دقیق پزشک تعیین می شود.  الکترودهای متفاوتی از نظر اندازه و جنس قابل طراحی است که متعارف ترین آنها میکروسیم ها، آرایه های میکروالکترودی مبتنی بر پلیمر انعطاف پذیر و آرایه های مبتنی بر سیلیکون هستند. الکترودهای سیلیکونی که به الکترودهای Utah نیز معروف هستند، مجوز FDA (سازمان غذا و داروی آمریکا) را برای کاربرد در تحقیقات انسانی دریافت کرده اند. نوع سیگنال نیز بسته به الکترود مورد استفاده و هدف پژوهش می تواند ECoG ( ثبت شده از سطح سخت شامه)، اسپایک یا LFP ( ثبت شده از درون بافت مغز) باشد.

• الگوریتم رمزگشایی

به منظور استخراج اطلاعات از دادۀ ثبت شده و رمزگشایی آنها دو رویکرد قابل تحقق است. استفاده از الگوریتم های طبقه بندی برای انتخاب هدف مشخص؛ مثل انتخاب یک حرف الفبا از صفحۀ نمایشگر و ساخت کلمه توسط فرد. در رویکرد دوم برای کنترل حرکت بازوهای رباتیک نیازمند رمزگشایی پیوسته از سیگنال ها هستیم در نتیجه از الگوریتم هایی مانند الگوریتم جمعیت بُرداری، الگوریتم های تخمین خطی بهینه و فیلتر کالمن استفاده می شود. همچنین یکی از نقاط عطف پیشرفت این حوزه استفاده از الگوریتم های یادگیری ماشین بوده است که سرعت و دقت رمزگشایی را به شکل قابل توجهی ارتقاء داده اند.

• دستگاه خروجی

پس از رمزگشایی از سیگنال مغزی و مقصود فرد، گام بعدی تحقق آن هدف است. به این منظور بسیاری از سامانه های BCI فرمان های مغزی را به بازوهای رباتیک یا صفحات نمایشگر منتقل می کنند تا فرد بتواند جسمی را بردارد، حرکت دهد یا گزینه ای را انتخاب کند. با این حال پژوهشگران به دنبال مدل های متفاوتی از ارائۀ خروجی هستند که در تسهیل زندگی روزمرۀ بیماران کاربردی باشد؛ به این منظور در سال های اخیر دستگاه های تحریک الکتریکی عملکردی (FES) موردتوجه قرار گرفته اند. این دستگاه می تواند مسیر نخاعی آسیب دیده را، با انتقال مستقیم سیگنال مغزی به اعصاب محیطی، دور بزند تا فرد توانایی های پیشین خود را بازیابد.

• بازخورد حسی

در نهایت یکی از بخش های مهم در این سامانه، بازخورد به کاربر است تا خطاهای احتمالی تصحیح شود. در حال حاضر این بازخوردها عموما بصری هستند و فرد با مشاهدۀ نتیجۀ آن روی صفحۀ نمایشگر تعامل با سیستم را یاد می گیرد. با این وجود محققین در تلاش هستند با طراحی  close loop BCI کاربر اطلاعات حسی را در مسیری معکوس به سمت مغز دریافت و درک کند. این امر سبب می شود که کاربر در هنگام جا به جا کردن جسم، احساسی از جنس، وزن و ابعاد آن داشته باشد. این امر پیام های کنترلی-موتوری ارسالی را به مراتب دقیق تر و استفاده از آن را کاربرپسند می کند.

اولین گزارشهای ثبت شده از تحقیقات این حوزه را می توان از حدود پنجاه سال پیش دنبال کرد. محققان با ثبت و تحریک تک نورون ها روی نمونه های حیوانی نشان دادند می توان فعالیت های تک نورون یا جمعیت نورونی را رمزگشایی کرد. با این حال اولین نمونۀ تست انسانی این مطالعات تاریخچه ای کمتر از پانزده سال دارد. در بخش های بعدی این نوشتار که با فاصله کوتاهی از انتشار این بخش در کانال های ارتباطی آزمایشگاه ملی نقشه برداری مغز قرار خواهند گرفت به نمونه های موفق این سامانه در تحقیقات علمی و ورود این تکنولوژی به بازارهای تجاری اشاره خواهیم کرد.

منبع

تهیه شده توسط کارگروه مهندسی عصبی

شاخه دانشجویی نقشه برداری مغز ایران

مدیریت ترویج و آموزش

جستجو و ترجمۀ مطلب: ساجده آقابابایی (دانشجوی کارشناسی ارشد مهندسی عصبی-شناختی دانشگاه علم و صنعت ایران)

ویرایش متن: بهروز طهماسبی دهکردی، دبیر کارگروه مهندسی عصبی