Ainda não é o cenário do filme “Matrix“, onde os seres humanos têm um buraco na nuca pelo qual é possível se conectar com a rede ou transferir conhecimento instantaneamente (“eu sei kung fu!”), mas pesquisadores do Instituto Weill de Neurociências da Universidade da Califórnia em San Francisco desenvolveram uma interface cérebro-computador (BCI) que serve como uma prótese cerebral “plug and play” para pessoas com paralisia.
Em um estudo publicado na revista Nature, os cientistas explicam como utilizaram técnicas de aprendizado de máquina para ajudar um indivíduo com paralisia a aprender a controlar um cursor de computador usando sua atividade cerebral – e sem exigir um extenso treinamento.
“O campo de estudos das BCI fez um grande progresso nos últimos anos, mas como os sistemas existentes tiveram que ser redefinidos e recalibrados a cada dia, eles não puderam acessar os processos naturais de aprendizagem do cérebro. É como pedir a alguém para aprender a andar de bicicleta repetidamente do zero”, disse o autor do estudo Karunesh Ganguly.
Para adaptar um sistema de aprendizado artificial para funcionar sem problemas com os sofisticados esquemas de aprendizado de longo prazo do cérebro, os pesquisadores utilizaram uma matriz de Eletrocorticografia (ECoG) – uma almofada de eletrodos do tamanho de um post-it que é colocado cirurgicamente na superfície do cérebro. Esses equipamentos permitem registros estáveis ​​de longo prazo da atividade neural e são usados para monitoramento de convulsões em pacientes com epilepsia.
Uma matriz de ECoG compreende uma almofada de eletrodos que é colocada cirurgicamente na superfície do cérebro. Imagem: Noah Berger/UCSF
No artigo, a equipe de Ganguly descreve como usou o arranjo de eletrodos ECoG em um indivíduo com paralisia de todos os quatro membros (tetraplegia), que usou o implante para controlar um cursor de computador em uma tela. A ideia é que o sistema seja usado também para permitir que pacientes paralisados controlem uma prótese de braço e mão, por meio de um algoritmo que usa aprendizado de máquina para combinar a atividade cerebral registrada pelos eletrodos aos movimentos desejados pelo usuário.
O paciente começa imaginando movimentos específicos do pescoço e do pulso enquanto observa o movimento do cursor pela tela. Gradualmente, o algoritmo se atualiza para combinar os movimentos do cursor com a atividade cerebral gerada, passando o controle efetivo do cursor para o usuário. Com o tempo, o cérebro do paciente foi capaz de amplificar os padrões de atividade neural que poderia usar para conduzir de forma mais eficaz a interface artificial.
“Uma vez que o usuário tenha estabelecido uma memória duradoura da solução para controlar a interface, não há necessidade de redefinir”, explica Ganguly. A pesquisa mostrou que eventualmente o paciente poderia simplesmente começar a usar a interface todos os dias, sem qualquer necessidade de retreinamento ou recalibração.
“Sempre estivemos atentos à necessidade de projetar tecnologia que não acabe em uma gaveta, por assim dizer, mas que realmente melhore o dia a dia de pacientes paralisados”, disse Ganguly. “Esses dados mostram que BCIs baseados em ECoG podem ser a base para tal tecnologia”, completa.
Via: UCSF
Tags: