Quando le persone subiscono lesioni debilitanti o malattie del sistema nervoso, a volte perdono la capacità di svolgere compiti normalmente dati per scontati, come camminare, suonare musica o guidare un'auto. Possono immaginare di fare qualcosa, ma la lesione potrebbe impedire che si verifichi quell'azione.

Esistono sistemi di interfaccia cervello-computer in grado di tradurre i segnali cerebrali in un'azione desiderata per riacquistare alcune funzioni, ma possono essere un peso da usare perché non sempre funzionano in modo fluido e necessitano di un riadattamento per completare anche compiti semplici.

I ricercatori dell'Università di Pittsburgh e della Carnegie Mellon University stanno lavorando per capire come funziona il cervello durante l'apprendimento dei compiti con l'aiuto della tecnologia di interfaccia cervello-computer. In una serie di carte, il secondo dei quali è stato pubblicato oggi in Ingegneria biomedica della natura , il team sta portando avanti l'ago della tecnologia dell'interfaccia cervello-computer destinata a migliorare la vita dei pazienti amputati che utilizzano protesi neurali.

"Diciamo che durante la tua giornata lavorativa, pianifichi la tua gita serale al supermercato, " ha detto Aaron Batista, professore associato di bioingegneria presso la Swanson School of Engineering di Pitt. "Quel piano viene mantenuto da qualche parte nel tuo cervello per tutto il giorno, ma probabilmente non raggiunge la tua corteccia motoria finché non arrivi effettivamente al negozio. Stiamo sviluppando tecnologie di interfaccia cervello-computer che, si spera, un giorno funzioneranno al livello delle nostre intenzioni quotidiane".

Battista, La ricercatrice post-dottorato di Pitt Emily Oby e i ricercatori della Carnegie Mellon hanno collaborato allo sviluppo di percorsi diretti dal cervello ai dispositivi esterni. Usano elettrodi più piccoli di un capello che registrano l'attività neurale e la rendono disponibile per algoritmi di controllo.

Nel primo studio del team, pubblicato lo scorso giugno nel Atti dell'Accademia Nazionale delle Scienze , il gruppo ha esaminato come cambia il cervello con l'apprendimento di nuove abilità di interfaccia cervello-computer.

"Quando i soggetti formano un'intenzione motoria, provoca modelli di attività attraverso quegli elettrodi, e li rendiamo come movimenti sullo schermo di un computer. I soggetti quindi alterano i loro schemi di attività neurale in un modo che evoca i movimenti che desiderano, " ha detto il co-direttore del progetto Steven Chase, professore di ingegneria biomedica al Neuroscience Institute del Carnegie Mellon.

Nel nuovo studio, il team ha progettato una tecnologia in base alla quale l'interfaccia cervello-computer si riadatta continuamente in background per garantire che il sistema sia sempre calibrato e pronto per l'uso.

"Cambiamo il modo in cui l'attività neurale influenza il movimento del cursore, e questo evoca l'apprendimento, " ha detto Oby di Pitt, l'autore principale dello studio. "Se cambiassimo quel rapporto in un certo modo, richiedeva che i nostri soggetti animali producessero nuovi modelli di attività neurale per imparare a controllare di nuovo il movimento del cursore. Per farlo ci sono volute settimane di pratica, e abbiamo potuto osservare come il cervello è cambiato mentre imparavano."

In un senso, l'algoritmo "impara" come adattarsi al rumore e all'instabilità che è inerente alle interfacce di registrazione neurale. I risultati suggeriscono che il processo per gli esseri umani per padroneggiare una nuova abilità implica la generazione di nuovi modelli di attività neurale. Il team alla fine vorrebbe che questa tecnologia fosse utilizzata in un ambiente clinico per la riabilitazione dell'ictus.

Tali procedure di auto-ricalibrazione sono state un obiettivo a lungo cercato nel campo delle protesi neurali, e il metodo presentato negli studi del team è in grado di riprendersi automaticamente dalle instabilità senza richiedere all'utente di fermarsi per ricalibrare il sistema da solo.

"Diciamo che l'instabilità era così grande che il soggetto non era più in grado di controllare l'interfaccia cervello-computer, " ha detto Yu. "Le procedure di auto-ricalibrazione esistenti rischiano di avere difficoltà in questo scenario, mentre nel nostro metodo, abbiamo dimostrato che in molti casi può riprendersi anche dalle instabilità più drammatiche".