Интерфейс мозг-компьютер (ИМК)

Рисунок 1. Схема интерфейса мозг-компьютер

Интерфейс мозг-компьютер (англ. brain-computer interface (BCI); ИМК, нейрокомпьютерный интерфейс, прямой нейронный интерфейс) принимает сигналы мозга, анализирует их и преобразуют в команды, после чего они (команды) передаются на управляемые устройства (компьютер, протез и т.п.), которые выполняют желаемые действия.1

На сегодняшний день интерфейс мозг-компьютер в основном применяют для реабилитации и восстановления людей с нервно-мышечными и нейродегенеративными расстройствами. Помимо этого технология нейроинтерфейсов активно развивается в сферах биопротезирования, когда на их основе создают “умные” протезы, а также в сфере нейрогейминга, где интерфейс мозг-компьютер позволяет взаимодействовать с виртуальной или дополненной реальностью. Некоторые люди с тяжелыми формами инвалидности уже используют нейроинтерфейсы для базового общения в своей повседневной жизни.

Благодаря более совершенному оборудованию для получения сигналов, повышению количества исследований и высокой надежности, интерфейс мозг-компьютер может стать важной технологией  взаимодействия и коммуникации для людей с ограниченными возможностями, а, возможно, и для населения в целом.

Что такое интерфейс мозг-компьютер?

Рисунок 2. Виды интерфейса мозг-компьютер

Инвазивные: Электроды отводят сигнал нейронов непосредственно от мозга, и для их подключения требуются опасная и дорогостоящая операция. Инвазивные интерфейсы обеспечивают наиболее эффективное управление, но на данный момент их широкое распространение невозможно. Неинвазивные: Электроды считывают электрические сигналы, возникающие при работе мозга, с кожи головы. Благодаря дешевизне и безопасности "подключения" могут быть использованы для широкого круга задач, однако их скорость и точность работы ограничены

Интерфейс мозг-компьютер – это система, которая обеспечивает связь между мозгом и внешним устройством. Интерфейс мозг-компьютер регистрирует биоэлектрическую активность головного мозга, анализирует ее и переводит в команды, которые передаются на управляемое устройство для выполнения желаемого действия. 

Электроэнцефалограф сам по себе не является ИМК, поскольку он только записывает сигналы мозга и не генерирует выходной сигнал, который должен обеспечить взаимодействие пользователя с окружающей средой (например, управление курсором компьютерной мыши). 

Система связи, активируемая голосом или мышечным усилием (полноценным движением), так же не является ИМК, поскольку нет прямой связи с мозгом. 

Ошибочно полагать, что интерфейсы мозг-компьютер – это устройства для чтения мыслей. Интерфейс мозг-компьютер распознает ранее выявленные паттерны мозговой активности на электроэнцефалограмме, и работа с ИМК возможна только после специального обучения по взаимодействию пользователя с ИМК. Пользователь, после периода обучения, генерирует сигналы, кодирующие намерение, а ИМК в свою очередь распознает эти сигналы и делегирует выполнение необходимой команды  (которая представляет собой намерение пользователя) подключенному к ИМК устройству. 

Методы регистрации мозговой активности в ИМК

Рисунок 3. Схема формирования потенциала действия10
Теоретически, для управления интерфейсом мозг-компьютер можно использовать любое проявление активности головного мозга, будь то изменение магнитного поля, ток оксигенированной крови или изменение полярности мембраны нейронов. Наиболее часто изучаемые сигналы – это биоэлектрическая активность нейрональных клеток, связаннная с изменениями полярности постсинаптической мембраны нейронов, что, в свою очередь, происходит из-за активации потенциалзависимых или ионно-управляемых каналов.

Неинвазивные методы регистрации мозговой активности 

В ранних работах по нейрокомпьютерным интерфейсам использовались в основном неинвазивные методы регистрации электрической активности. Электроды для регистрации накладывались на волосистую часть головы, что позволяло легко и недорого, а главное абсолютно безопасно регистрировать биоэлектрическую активность мозга.    

Основным недостатком записи неинвазивными методами исследования является то, что электрические сигналы значительно ослабляются в процессе прохождения через твердую мозговую оболочку, череп и кожу головы. Таким образом, большая часть информация может быть потеряна. 

Развитие методов функциональной нейровизуализации с высоким пространственно-временным разрешением предоставляет новые потенциальные методы записи сигналов мозга для управления интерфейсом мозг-компьютер. 

Магнитоэнцефалография (МЭГ) измеряет в основном магнитные поля, создаваемые электрическими токами, идущими по аксонам пирамидных клеток. Так, например, мю-ритм, обнаруженный с помощью МЭГ, использовался сенсомоторной системой ИМК для управления курсором компьютера.2Также считается, что модуляция заднего альфа-ритма, записанная с помощью МЭГ, обеспечивает удовлетворительный контроль над двумерной задачей (работа с ИМК в двумерном пространстве) ИМК.3 

Функциональная магнитно-резонансная томография (фМРТ, fMRI) и функциональная визуализация в ближнем инфракрасном диапазоне (fNIR) измеряют оксигенацию крови в капиллярах головного мозга и коррелируют с нейронной активностью. Так были продемонстрированы исследования, в которых осуществлялось  управление роботизированной рукой только посредством мыслительных процессов человека с использованием системы ИМК на основе фМРТ в реальном времени.45 Эти методы ИМК находятся на ранних этапах исследований и разработок. Обследование посредством МЭГ и фМРТ отличается высокой дороговизной, при этом необходимое оборудование крайне габаритное и может занимать целые комнаты, а функциональная визуализация в ближнем инфракрасном диапазоне имеет относительно низкое время отклика, т.е. обладает низким разрешением во времени. 

Инвазивные методы регистрации мозговой активности

Инвазивные методы получения сигнала могут быть представлены электрокортикографией – метод регистрации биоэлектрической активности головного мозга с помощью имплантированных электродов. 

Рисунок 4. Типы интерфейса мозг-компьютер

ЭЭГ - регистрируется на поверхности кожи головы. ЭКоГ - регистрируется на поверхности коры головного мозга. Сигнал от нейронов - регистрируется электродами, вживленными в ткани

А также инвазивные методы могут быть реализованы с помощью небольших микроэлектродных матриц, размещенных субдурально (под твердой мозговой оболочкой).  Эти матричные системы могут регистрировать потенциалы действия отдельных нейронов и потенциалы локального поля. Недостатками таких имплантатов являются: инвазивность (необходимость трепанации черепа и нейрохирургическая имплантация), ограниченная область записи и все еще не решенный вопрос о долгосрочной функциональной стабильности записывающих электродов. 

Помимо скальповой и интракортикальной, применяется электрокортикография с использованием сеточных (grid electrodes) или полосовых (strip electrodes) электродов или стереотаксические глубинные макроэлектроды, которые регистрируют активность клеток интрапаренхимально, либо из желудочков головного мозга.6 Преимущество данных электродов заключается в том, что они могут записывать данные с больших участков мозга, чем внутрикортикальные микроматрицы. Однако эти электроды также нуждаются в нейрохирургической имплантации, и вопрос о долговременной стабильности записи электродного сигнала пока остается без ответа. 

По мере того как интерфейсы мозг-компьютер начинают применяться в клинической практике, выбор метода регистрации, вероятно, будет в значительной мере зависеть от потребностей отдельного пользователя ИМК, а также от технологической поддержки и имеющихся ресурсов.

Принцип работы и устройство интерфейса мозг-компьютер

Задачей интерфейса мозг-компьютер является обнаружение и количественная оценка характеристик сигналов мозга, указывающих на намерения пользователя, и преобразование этих функций в режиме реального времени в команды для устройства, которое выполняет намерение пользователя.

Для реализации этой задачи система ИМК выполняет 4 последовательных функциональных этапа:7 

  • Обнаружение сигнала (англ. signal acquisition);
  • Выделение  паттерна/признака (англ. feature extraction);
  • Трансляция паттернов/признаков в команды управления (англ. feature translation); 
  • Передача команды на управляемое устройство (англ. device output). 

Более подробно: Этапы компьютерного анализа ЭЭГ

Эти 4 этапа контролируются операционным протоколом, который определяет начало и время работы, методы обработки сигналов, характер команд устройства и контроль за производительностью. Эффективный рабочий протокол позволяет нейроинтерфейсу быть гибкой системой и удовлетворять конкретные потребности каждого пользователя.

Регистрация сигнала 

Регистрация сигнала – это получение сигналов активности мозга с помощью электродов или методами функциональной нейровизуализации. Далее сигналы могут быть подвергнуты предобработке (например, фильтрации для удаления артефактов или других нежелательных характеристик сигнала, таких как помехи от линии электропередачи 50 / 60 Гц).

Выделение паттерна

Выделение паттерна или признака – это процесс анализа цифровых сигналов, позволяющий отличить характеристики сигнала, связанные с намерениями человека от постороннего фона. Признаки сигнала могут переводиться в более компактную форму, пригодную для перевода в выходные команды. Эти паттерны должны иметь сильную корреляцию (прямую зависимость) с намерениями пользователя. Поскольку значительная часть релевантной (т.е. наиболее сильно коррелированной) активности мозга является либо временной, либо колебательной, ее выделение, как правило, основывается на изменение амплитуды сигнала во времени, задержки отклика электроэнцефалограммы (P300), изменение мощности в определенных частотных диапазонах или скорости возбуждения отдельных нейронов коры головного мозга.   

Трансляция паттернов

Полученные в ходе предыдущего этапа паттерны сигнала затем обрабатываются и преобразуются в команды для устройства вывода (т.е. команды, которые выполняют намерение пользователя). Например, уменьшение мощности в заданной полосе частот может быть преобразовано в перемещение курсора компьютера вверх, или потенциал P300 может быть преобразован в выбор буквы, которая его вызвала. 

Алгоритм трансляции (преобразования паттернов) должен быть динамичным, чтобы приспосабливаться к спонтанным изменениям в характеристиках сигнала и адаптироваться к ним.

Передача команды на управляемое устройство

Команды для устройства вывода должны соответствовать протоколу взаимодействия с управляемым устройством (программное обеспечение ИМК и управляемых устройств должны быть совместимы). В зависимости от устройства, команды вывода могут производить выбор буквы, управление курсором, управление роботизированной рукой и т.д. Работа устройства обеспечивает обратную связь с пользователем, тем самым замыкая контур управления.

Рисунок 5. Устройства подключаемые к интерфейсу мозг-компьютер

Виртуальная клавиатура для инвалидов, тренажеры для нейрореабилитации, роботизированные протезы, экзоскелеты, роботизированные инвалидные кресла, управление бытовой техникой, умный дом, рисование для инвалидов, компьютер для игр, дополнительное тело

Будущее интерфейса мозг-компьютер: проблемы и перспективы

Исследования и разработка интерфейсов мозг-компьютер вызывают огромный интерес у ученых, инженеров и клиницистов. Повышенный интерес отражает обширные перспективы, которые может предоставить нейрокомпьютерный интерфейс как для науки, так и для практических целей. Со временем ИМК можно будет использовать в плановом порядке для протезирования или восстановления важных функций у людей с тяжелыми формами инвалидности из-за нервно-мышечных расстройств; они также могут улучшить реабилитацию людей с инсультами, травмами головы и другими заболеваниями.

В настоящее время перед исследователями и разработчиками интерфейсов стоит ряд проблем в трех критических областях: 

  • оборудование для регистрации сигналов;
  • проблема выбора индивидуального ИМК;
  • эксплуатационная надежность системы и ее стабильность работы.

Оборудование для сбора сигналов

Все нейрокомпьютерные интерфейсы зависят от датчиков и связанного с ними оборудования, которое регистрирует сигналы мозга. Улучшение качества данного оборудования обуславливает повышение эффективности интерфейса мозг-компьютер. В идеале, интерфейс мозг-компьютер неинвазивного типа на основе ЭЭГ должен:

  • иметь электроды, не требующие нанесения проводящего геля (т.е. разработка сухих электродов); 
  • должен быть портативным; 
  • должен иметь удобные и косметически приемлемые крепления; 
  • быть простым в настройке; 
  • работать длительное время без необходимости технического обслуживания; 
  • хорошо работать вне зависимости от окружающей среды; 
  • работать с помощью телеметрии, а не требовать проводного подключения; 
  • быть совместимым с различным программным обеспечением. 

Интерфейс мозг-компьютер, в котором используются имплантированные электроды, сталкивается с рядом сложных проблем, связанных с безопасностью применения:

  • должен оставаться целым, функциональным и надежным в течение десятилетий; 
  • записывать стабильные сигналы на протяжении многих лет; 
  • передавать записанные сигналы телеметрически; 
  • обладать  возможностью заряжаться на месте (или иметь батареи, рассчитанные на годы или десятилетия); 
  • иметь внешние элементы, которые прочны, удобны и стерильны; 
  • быть совместимым с программным обеспечением. 

Хотя в последние годы были достигнуты большие успехи, и в отдельных случаях имплантаты с микроэлектродами продолжали функционировать в течение многих лет, неясно, какие решения будут наиболее успешными. Нейрокомпьютерные интерфейсы, основанные на ЭКоГ или на потенциале локального поля, могут обеспечить более стабильную работу, чем ИМК, которые основаны на потенциалах действия отдельных нейронов. Тем не менее, вероятно, что для полной реализации своих возможностей инвазивным ИМК потребуются существенные, пока еще неопределенные инновации в сенсорной технологии. Большая часть необходимых исследований будет по-прежнему полагаться в первую очередь на исследования на животных, до начала массового тестирования на людях.

Проблема выбора индивидуального ИМК

По мере того, как работа продолжается, и нейроинтерфейсы начинают использоваться в реальной клинической практике, возникают 2 важных вопроса: 

  • насколько эффективен и надежен данный ИМК; 
  • какие ИМК лучше всего подходят, для каких целей. 

Чтобы ответить на первый вопрос, необходимо длительное и широкомасштабное тестирование. Ответ на второй вопрос потребует консенсуса среди исследовательских групп относительно того, какие критерии следует использовать для сравнения различных интерфейсов мозг-компьютер и как нужно оценивать их производительность. 

Наиболее очевидным примером является вопрос о том, достаточна ли эффективность ИМК, использующих интракортикальные сигналы, по сравнению с ИМК, которые используют сигналы ЭКоГ или даже сигналы ЭЭГ. Для многих потенциальных пользователей инвазивные интерфейсы мозг-компьютер должны будут обеспечивать гораздо лучшую производительность, чтобы быть предпочтительнее неинвазивных ИМК и оправдать риск и затраты операционного вмешательства. Данные на сегодняшний день не дают однозначного ответа на этот ключевой вопрос.8

Наблюдается тенденция к тому, что неинвазивные ИМК на основе ЭЭГ или fNIR чаще используются в основном для базовой коммуникации, тогда как ИМК на основе ЭКоГ применяются для контроля сложных движений.

Разработка интерфейса мозг-компьютер для людей с ограниченными возможностями требует четкого подтверждения их реальной ценности с точки зрения эффективности, практичности (включая рентабельность) и влияния на качество жизни.9 Например, валидация технологии ИМК для восстановления после инсульта или при других расстройствах также потребует тщательного сравнения с результатами традиционных методов реабилитации.

Современные нейрокомпьютерные интерфейсы с учетом их ограниченных возможностей и потенциальных рисков использования, могут быть полезными в основном для людей с очень тяжелыми формами инвалидности. Поскольку численность таких пациентов относительно невелика, ИМК являются невыгодным решением с точки зрения окупаемости технологии: на сегодняшний день нет стимула для массового внедрения капитала в данную технологию. Инвазивные ИМК требуют значительные затраты на первоначальную имплантацию, а также на последующую техническую поддержку. Будущая коммерческая успешность всех ИМК будет зависеть от уменьшения объема и сложности необходимой долгосрочной поддержки, от увеличения числа пользователей и от обеспечения возмещения расходов страховыми компаниями и государственными учреждениями.

В будущем, большое количество успешных клинических и лабораторных испытаний может значительно увеличить количество потенциальных пользователей. В любом случае, если дальнейшая работа улучшит функциональность ИМК и сделает их коммерчески привлекательными, для их распространения потребуются жизнеспособные бизнес-модели, которые дадут как финансовый стимул для коммерческой компании, так и адекватную компенсацию клиническому и техническому персоналу, который будет поддерживать работу ИМК. Оптимальным сценарием может быть сценарий, при котором ИМК для людей с тяжелыми формами инвалидности развиваются синергетически с ИМК для населения в целом.

Эксплуатационная надежность системы 

Несмотря на увеличивающееся количество исследований ИМК, эксплуатационная надежность системы и ее стабильность на сегодняшний день остается ключевой проблемой ее использования. Эффективность использования и эксплуатационную надежность интерфейса мозг-компьютер можно повысить увеличив качество и область регистрации нейрональной активности. 

Так контроль двигательных действий со стороны центральной нервной системы обычно распределяется по нескольким областям. Корковые области могут определять цель и общий ход действия; однако детали (особенно высокоскоростные сенсомоторные взаимодействия) часто обрабатываются на подкорковых уровнях.

Это говорит о том, что производительность ИМК может быть улучшена за счет использования сигналов из нескольких областей мозга и использования функций сигналов мозга, которые отражают отношения между областями, например, согласованность.

Интерфейсы мозг-компьютер, которые используют сигналы из нескольких областей, с большей вероятностью будут чувствительны к нейрональной активности и, таким образом, смогут лучше распознавать команды пользователя.

Заключение

Многие исследователи со всего мира разрабатывают системы ИМК, которые несколько лет назад относились к сфере научной фантастики. Эти системы используют различные сигналы мозга, методы записи и алгоритмы обработки сигналов. Они способны управлять множеством различных устройств, от курсоров на экранах компьютеров до инвалидных колясок и роботизированных рук. Некоторые люди с тяжелыми формами инвалидности уже используют ИМК для базового общения и контроля в своей повседневной жизни. Благодаря более совершенному оборудованию для сбора сигналов, четкой клинической проверке, жизнеспособным моделям распространения и, что, вероятно, наиболее важно, повышенной надежности, ИМК могут стать важной новой технологией связи и управления для людей с ограниченными возможностями, а, возможно, и для населения в целом.

Читайте также

Footnotes

  1. Jerry J. Shih, Dean J. Krusienski, Jonathan R. Wolpaw, Brain-Computer Interfaces in Medicine, Mayo Clinic Proceedings, 2012, doi: 10.1016/j.mayocp.2011.12.008
  2. Mellinger J, Schalk G, Braun C, Preissl H, Rosenstiel W, Birbaumer N, Kübler A. An MEG-based brain-computer interface (BCI). Neuroimage. 2007 Jul 1;36(3):581-93. doi: 10.1016/j.neuroimage.2007.03.019. Epub 2007 Mar 27. Erratum in: Neuroimage. 2007 Dec;38(4):763. PMID: 17475511; PMCID: PMC2017111.
  3. van Gerven M, Jensen O. Attention modulations of posterior alpha as a control signal for two-dimensional brain-computer interfaces. J Neurosci Methods. 2009 Apr 30;179(1):78-84. doi: 10.1016/j.jneumeth.2009.01.016.
  4. Wolpaw J.R., Wolpaw E.W., editors. Brain-Computer Interfaces: Principles and Practice, Oxford University Press; New York, NY: 2012
  5. Lee JH, Ryu J, Jolesz FA, Cho ZH, Yoo SS. Brain-machine interface via real-time fMRI: preliminary study on thought-controlled robotic arm. Neurosci Lett. 2009 Jan 23;450(1):1-6. doi: 10.1016/j.neulet.2008.11.024. Epub 2008 Nov 14. PMID: 19026717; PMCID: PMC3209621.
  6. Jerry J. Shih, Dean J. Krusienski, Signals from intraventricular depth electrodes can control a brain–computer interface, Journal of Neuroscience Methods, Volume 203, Issue 2, 2012, Pages 311-314, ISSN 0165-0270, doi: 10.1016/j.jneumeth.2011.10.012.
  7. Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM. Brain-computer interfaces for communication and control. Clin Neurophysiol. 2002 Jun;113(6):767-91. doi: 10.1016/s1388-2457(02)00057-3.
  8. Wolpaw JR. Brain-computer interface research comes of age: traditional assumptions meet emerging realities. J Mot Behav. 2010 Nov;42(6):351-3. doi: 10.1080/00222895.2010.526471.
  9. Sellers EW, Vaughan TM, Wolpaw JR. A brain-computer interface for long-term independent home use. Amyotroph Lateral Scler. 2010 Oct;11(5):449-55. doi: 10.3109/17482961003777470.
  10. Источник: рисунок Ольги Пташник