فناوری عصبی برای پروتز پا، کنترل طبیعیتر حرکات را امکانپذیر میکند
پژوهشگران دانشگاه صنعتی چالمرز با رمزگشایی مستقیم سیگنالهای حرکتی از اعصاب محیطی افراد دچار قطع عضو، گام مهمی در توسعه نسل جدید پروتزهای پا برداشتند؛ فناوریای که میتواند کنترل طبیعیتر و شهودیتر حرکات و همچنین بازخورد حسی را برای کاربران فراهم کند.
به گزارش مدرن مد به نقل از medica-tradefair، پژوهشگران به سرپرستی دانشگاه صنعتی چالمرز در سوئد، رویکردی جدید برای کنترل پروتزهای پا ارائه کردهاند که در آن سیگنالهای عصبی مستقیماً از سیستم عصبی فرد دریافت و تفسیر میشود. نتایج این مطالعه که در مجله Nature Communications منتشر شده، نشان میدهد ترکیب فناوری عصبی کاشتنی و هوش مصنوعی میتواند قصد حرکتی افراد دارای قطع عضو بالای زانو را شناسایی و رمزگشایی کند.
عبور از محدودیت روشهای فعلی کنترل پروتز
بسیاری از فناوریهای کنونی پروتزهای اندام به فعالیت عضلات باقیمانده یا سامانههای مکانیکی خودکار متکی هستند. این روشها در موارد قطع عضو گسترده، که بخش قابل توجهی از عضلات از بین رفته است، با محدودیتهای جدی مواجه میشوند.
رویکرد جدید به جای تمرکز بر عضلات باقیمانده، سیگنالهای اعصاب محیطی را هدف قرار میدهد؛ اعصابی که حتی پس از از دست دادن اندام همچنان فعال هستند.
Giacomo Valle، استادیار دانشگاه صنعتی چالمرز، توضیح داد که هنگام تصمیمگیری برای حرکت، سیگنالهایی از طریق اعصاب به عضلات ارسال میشوند تا حرکت مورد نظر را ایجاد کنند؛ حتی زمانی که اندام دیگر وجود ندارد. بنابراین، اطلاعات مربوط به قصد حرکت همچنان در اعصاب باقی میماند و چالش اصلی، استخراج این اطلاعات و رمزگشایی کد عصبی مربوط به آنهاست.
کاشت ایمپلنتهای عصبی فوقنازک
پژوهشگران برای ثبت فعالیت عصبی از ایمپلنتهای عصبی فوقنازک و انعطافپذیر استفاده کردند که در شاخه تیبیال عصب سیاتیک قرار داده شدند.
این ایمپلنتها امکان ثبت فعالیت اعصاب با وضوح بالا را فراهم کردند؛ موضوعی که پیشتر به دلیل ضعیف بودن سیگنالهای عصبی با دشواری همراه بود.
در حالی که بسیاری از مطالعات پیشین بر پروتزهای اندام فوقانی تمرکز داشتند، مطالعه جدید بهطور مشخص افراد دارای قطع عضو بالای زانو را هدف قرار داده است؛ گروهی که همچنان یکی از نیازهای برآوردهنشده مهم در توسعه فناوریهای پیشرفته پروتز به شمار میرود.
استفاده از هوش مصنوعی برای رمزگشایی سیگنالهای عصبی
برای تفسیر سیگنالهای ثبتشده، پژوهشگران از روشی مبتنی بر شبکههای عصبی اسپایکی (Spiking Neural Networks) استفاده کردند. این مدلهای هوش مصنوعی، برخلاف شبکههای عصبی متعارف، اطلاعات را به صورت پالسهای الکتریکی وابسته به زمان پردازش میکنند و از این نظر شباهت بیشتری به نحوه انتقال پیام در سیستم عصبی انسان دارند.
Elisa Donati، استاد دانشگاه زوریخ و ETH زوریخ، گفت اعصاب محیطی از طریق پالسهای الکتریکی مجزا با یکدیگر ارتباط برقرار میکنند و شبکههای عصبی اسپایکی به همین دلیل برای پردازش این نوع سیگنالها مناسب هستند.
به گفته وی، نزدیکتر کردن مدلهای محاسباتی به زیستشناسی میتواند امکان استخراج مؤثرتر قصد حرکتی را با استفاده از مدلهای کوچکتر و حجم نسبتاً محدودی از دادهها فراهم کند؛ رویکردی که گامی مهم به سوی توسعه سامانههای کاملاً کاشتنی، کممصرف و طبیعیتر برای کنترل پروتزهای اندام محسوب میشود.
تشخیص حرکات پیچیده پا و حتی انگشتان
در آزمایشهای انجامشده روی دو شرکتکننده، سامانه توانست قصد انجام حرکات مختلف پا از جمله حرکت زانو، مچ پا و حتی انگشتان پا را رمزگشایی کند.
به گفته Valle، پژوهشگران توانستند سیگنالهای مشخص عصبی را به حرکات خاص مرتبط کنند و با دقت بالایی تشخیص دهند که فرد قصد انجام چه حرکتی را دارد.
یکی از یافتههای قابل توجه مطالعه، توانایی سامانه در شناسایی سیگنالهای بسیار ظریف بود؛ از جمله سیگنال مربوط به قصد حرکت دادن انگشتان پا، حتی در شرایطی که اندام واقعی فرد وجود نداشت.
یک ایمپلنت برای کنترل حرکتی و بازخورد حسی
یکی از مهمترین ویژگیهای این فناوری، دوطرفه بودن ارتباط میان پروتز و سیستم عصبی است. به این معنا که ایمپلنت عصبی نهتنها میتواند سیگنالهای حرکتی را از اعصاب دریافت کند، بلکه قادر است سیگنالهای حسی را نیز به سیستم عصبی منتقل کند.
Valle در اینباره گفت پس از قرار گرفتن الکترودها درون عصب، میتوان از آنها برای برقراری ارتباط دوطرفه با سیستم عصبی استفاده کرد؛ بنابراین یک فناوری عصبی واحد میتواند هم کنترل طبیعی مبتنی بر سیگنالهای عصبی و هم بازخورد حسی را در یک دستگاه کاشتنی ارائه دهد.
گامی به سوی نسل جدید پروتزهای عصبی
پژوهشگران این مطالعه را یک اثبات مفهوم برای نسل آینده نورومصنوعات (Neuroprosthetics) میدانند. مرحله بعدی این پروژه، ادغام فناوری مذکور با یک پروتز پای کاملاً کاربردی و ارزیابی عملکرد آن در شرایط واقعی زندگی است.
در صورت موفقیت این مراحل، فناوریهای مبتنی بر رابط مستقیم عصب میتوانند مسیر توسعه پروتزهایی را هموار کنند که نهتنها حرکات آنها طبیعیتر و دقیقتر کنترل میشود، بلکه امکان ایجاد حس و بازخورد حسی نیز برای کاربر فراهم خواهد شد.
