Απεικόνιση του Εγκεφάλου μη Επεμβατική: Στη νέα μελέτη από το Ινστιτούτο Qualcomm του Πανεπιστημίου του Σαν Ντιέγκο, εθελοντές εξοπλίστηκαν με ένα κράνος μαγνητοεγκεφαλογραφίας MEG και τους δόθηκε τυχαία η εντολή να κάνουν μία από τις χειρονομίες που χρησιμοποιούνται στο παιχνίδι ‘Ψαλίδι Πέτρα-Ψαλίδι Χαρτί’ (Rock Paper Scissors). Ένα μοντέλο βαθιάς μάθησης υψηλών επιδόσεων ερμήνευσε τα δεδομένα μαγνητοεγκεφαλογραφίας MEG, διακρίνοντας μεταξύ των χειρονομιών με ακρίβεια άνω του 85%. Ερευνητές από το Πανεπιστήμιο της Καλιφόρνιας στο Σαν Ντιέγκο βρήκαν έναν τρόπο να διακρίνουν μεταξύ των χειρονομιών που κάνουν οι άνθρωποι εξετάζοντας μόνο δεδομένα από μη επεμβατική απεικόνιση του εγκεφάλου, χωρίς πληροφορίες από τα ίδια τα χέρια. Τα αποτελέσματα αποτελούν ένα πρώιμο βήμα για την ανάπτυξη μιας μη επεμβατικής διεπαφής εγκεφάλου-υπολογιστή που μπορεί μια μέρα να επιτρέψει σε ασθενείς με παράλυση, ακρωτηριασμένα άκρα ή άλλες σωματικές προκλήσεις να χρησιμοποιούν το μυαλό τους για να ελέγχουν μια συσκευή που βοηθά στις καθημερινές εργασίες.
Η έρευνα, που δημοσιεύθηκε πρόσφατα online πριν από την εκτύπωση στο περιοδικό ‘Εγκεφαλικός Φλοιός’ (Cerebral Cortex), αντιπροσωπεύει τα καλύτερα αποτελέσματα μέχρι στιγμής στη διάκριση χειρονομιών ενός χεριού με τη χρήση μιας εντελώς μη επεμβατικής τεχνικής, στην προκειμένη περίπτωση της μαγνητοεγκεφαλογραφίας (MEG). “Στόχος μας ήταν να παρακάμψουμε τα επεμβατικά στοιχεία”, δήλωσε ο κύριος συγγραφέας της δημοσίευσης Mingxiong Huang, Ph.D., συνδιευθυντής του Κέντρου μαγνητοεγκεφαλογραφίας MEG στο Ινστιτούτο Qualcomm του UC San Diego. Ο Huang συνεργάζεται επίσης με το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής Jacobs του Πανεπιστημίου UC San Diego και το Τμήμα Ακτινολογίας της Ιατρικής Σχολής του Πανεπιστημίου UC San Diego, καθώς και με το Σύστημα Υγείας των Βετεράνων (VA) του San Diego. “Η μαγνητοεγκεφαλογραφία MEG παρέχει μια ασφαλή και ακριβή επιλογή για την ανάπτυξη μιας διεπαφής εγκεφάλου-υπολογιστή που θα μπορούσε τελικά να βοηθήσει τους ασθενείς”. Οι ερευνητές υπογράμμισαν τα πλεονεκτήματα της μαγνητοεγκεφαλογραφίας MEG, το οποίο χρησιμοποιεί ένα κράνος με ενσωματωμένη συστοιχία 306 αισθητήρων για την ανίχνευση των μαγνητικών πεδίων που παράγονται από τα ηλεκτρικά ρεύματα των νευρώνων που κινούνται μεταξύ των νευρώνων στον εγκέφαλο. Οι εναλλακτικές τεχνικές διεπαφής εγκεφάλου-υπολογιστή περιλαμβάνουν την ηλεκτροκορτικογραφία (ECoG), η οποία απαιτεί χειρουργική εμφύτευση ηλεκτροδίων στην επιφάνεια του εγκεφάλου, και την ηλεκτροεγκεφαλογραφία του τριχωτού της κεφαλής (EEG), η οποία εντοπίζει την εγκεφαλική δραστηριότητα με λιγότερη ακρίβεια. Η νέα έρευνα από το Ινστιτούτο Qualcomm του Πανεπιστημίου UC San Diego χρησιμοποίησε μηχανική μάθηση και μια μη επεμβατική τεχνική απεικόνισης που ονομάζεται μαγνητοεγκεφαλογραφία (MEG). “Με τη μαγνητοεγκεφαλογραφία MEG, μπορώ να δω τον εγκέφαλο να σκέφτεται χωρίς να βγάλω το κρανίο και να τοποθετήσω ηλεκτρόδια στον ίδιο τον εγκέφαλο”, δήλωσε ο συν-συγγραφέας της μελέτης Roland Lee, MD, διευθυντής του Κέντρου MEG στο UC San Diego Qualcomm Institute, ομότιμος καθηγητής ακτινολογίας στην Ιατρική Σχολή του UC San Diego και ιατρός του Συστήματος Υγειονομικής Περίθαλψης του VA San Diego (VA San Diego Healthcare System). “Πρέπει απλώς να τους βάλω το κράνος μαγνητοεγκεφαλογραφίας MEG στο κεφάλι. Δεν υπάρχουν ηλεκτρόδια που θα μπορούσαν να σπάσουν ενώ είναι εμφυτευμένα μέσα στο κεφάλι- δεν υπάρχει ακριβή, λεπτή χειρουργική επέμβαση στον εγκέφαλο- δεν υπάρχουν πιθανές λοιμώξεις του εγκεφάλου”. Ο Lee παρομοιάζει την ασφάλεια της μαγνητοεγκεφαλογραφίας MEG με τη μέτρηση της θερμοκρασίας ενός ασθενούς. “Η μαγνητοεγκεφαλογραφία MEG μετρά τη μαγνητική ενέργεια που εκπέμπει ο εγκέφαλός σας, όπως ένα θερμόμετρο μετρά τη θερμότητα που εκπέμπει το σώμα σας. Αυτό το καθιστά εντελώς μη επεμβατικό και ασφαλές”.
Ψαλίδι με Πέτρα και Χαρτί
Η τρέχουσα μελέτη αξιολόγησε την ικανότητα χρήσης της μαγνητοεγκεφαλογραφίας MEG για τη διάκριση μεταξύ χειρονομιών που έκαναν 12 εθελοντές. Οι εθελοντές εξοπλίστηκαν με το κράνος μαγνητοεγκεφαλογραφίας MEG και έλαβαν τυχαία εντολή να κάνουν μία από τις χειρονομίες που χρησιμοποιούνται στο παιχνίδι “ψαλίδι πέτρα-ψαλίδι χαρτί” (όπως και σε προηγούμενες μελέτες αυτού του είδους). Οι λειτουργικές πληροφορίες της μαγνητοεγκεφαλογραφίας MEG υπερκαλύφθηκαν από εικόνες μαγνητικής τομογραφίας, οι οποίες παρείχαν δομικές πληροφορίες για τον εγκέφαλο. Για να ερμηνεύσει τα δεδομένα που προέκυψαν, ο Yifeng (“Troy”) Bu, διδακτορικός φοιτητής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών στη Σχολή Μηχανικών Jacobs του Πανεπιστημίου UC San Diego και πρώτος συγγραφέας της δημοσίευσης, έγραψε ένα μοντέλο βαθιάς μάθησης υψηλής απόδοσης που ονομάζεται MEG-RPSnet. “Το ιδιαίτερο χαρακτηριστικό αυτού του δικτύου είναι ότι συνδυάζει ταυτόχρονα χωρικά και χρονικά χαρακτηριστικά”, δήλωσε ο Bu. “Αυτός είναι ο κύριος λόγος που λειτουργεί καλύτερα από προηγούμενα μοντέλα”. Όταν ήρθαν τα αποτελέσματα της μελέτης, οι ερευνητές διαπίστωσαν ότι οι τεχνικές τους μπορούσαν να χρησιμοποιηθούν για τη διάκριση μεταξύ χειρονομιών με ακρίβεια άνω του 85%. Τα αποτελέσματα αυτά ήταν συγκρίσιμα με εκείνα προηγούμενων μελετών με πολύ μικρότερο μέγεθος δείγματος που χρησιμοποιούσαν την επεμβατική διεπαφή εγκεφάλου-υπολογιστή ECoG. Η ομάδα διαπίστωσε επίσης ότι οι μετρήσεις της μαγνητοεγκεφαλογραφίας MEG από τις μισές μόνο από τις περιοχές του εγκεφάλου που ελήφθησαν δείγματα μπορούσαν να παράγουν αποτελέσματα με μικρή μόνο (2-3%) απώλεια ακρίβειας, γεγονός που υποδεικνύει ότι τα μελλοντικά κράνη μαγνητοεγκεφαλογραφίας MEG μπορεί να απαιτούν λιγότερους αισθητήρες. Κοιτάζοντας μπροστά, ο Bu σημείωσε: “Αυτή η εργασία δημιουργεί τα θεμέλια για τη μελλοντική ανάπτυξη διεπαφής εγκεφάλου-υπολογιστή με βάση τη μαγνητοεγκεφαλογραφία MEG”.
Εκτός από τους Huang, Lee και Bu, το άρθρο με τίτλο “Διεπαφή εγκεφάλου-υπολογιστή βασισμένη στο μαγνητοεγκεφαλογράφημα για την αποκωδικοποίηση χειρονομιών με χρήση βαθιάς μάθησης”, συντάχθηκε από την Deborah L. Harrington, Qian Shen και Annemarie Angeles-Quinto του Συστήματος υγειονομικής περίθαλψης VA San Diego και της Ιατρικής Σχολής του Πανεπιστημίου UC San Diego- Hayden Hansen του Συστήματος υγειονομικής περίθαλψης VA San Diego – Zhengwei Ji, Jaqueline Hernandez-Lucas, Jared Baumgartner, Tao Song και Sharon Nichols της Ιατρικής Σχολής του Πανεπιστημίου UC San Diego, Dewleen Baker του Κέντρου Αριστείας VA για το άγχος και την ψυχική υγεία και της Ιατρικής Σχολής του Πανεπιστημίου UC San Diego- Imanuel Lerman του Πανεπιστημίου UC San Diego, της Ιατρικής Σχολής του και του Κέντρου Αριστείας VA για το άγχος και την ψυχική υγεία – και Ramesh Rao (διευθυντής του Ιδρύματος Qualcomm), Tuo Lin και Xin Ming Tu του Πανεπιστημίου UC San Diego.