Австралийские ученые успешно протестировали нейрокомпьютерный интерфейс, не требующий имплантации электродов в кору головного мозга: для этого они ввели нитиноловую нить с электродами в венозный коллектор в область моторной коры головного мозга двух пациентов с боковым амиотрофическим склерозом. После непродолжительного (до трех месяцев) обучения пациенты научились бесконтактно управлять курсором, вводить текст на компьютере и справляться с онлайн-покупками и отправкой электронной почты, пишут ученые в Journal of NeuroInterventional Surgery.
При параличе конечностей самым эффективным способом частичного восстановления функций сейчас считается использование нейрокомпьютерных интерфейсов: они позволяют считывать активность нетронутых отделов коры головного мозга и использовать ее для управления, например, курсором на экране компьютера. Их установка, однако, часто требует инвазивного вмешательства: для имплантации электродов в мозг приходится прибегать к трепанации черепа.
Менее инвазивный способ добраться до моторной коры головного мозга в 2016 году придумали исследователи под руководством Томаса Оксли (Thomas Oxley) из Мельбурнского университета: они создали маленький нитевидный каскад электродов на нитиноловом (сплав никеля и титана) каркасе, который можно вводить в кровеносные сосуды и отправлять к коре головного мозга. Тогда устройство опробовали на овце: с помощью него удалось зарегистрировать активность моторных нейронов ее мозга.
Сейчас группа под руководством Оксли решила протестировать электроды в качестве нейрокомпьютерного интерфейса на двух пациентах с боковым амиотрофическим склерозом: из-за болезни их верхние конечности оказались полностью парализованными. Пациентам под общей анестезией ввели электроды в верхний саггитальный синус (венозный коллектор в области моторной коры) через яремную вену, которая находится в области шеи.
Устройство вместе с айтрекером подключили к компьютеру: с помощью движений глаз пациенты могли перемещать курсор по экрану, а с помощью электродов — управлять им. Участников просили представлять, как они нажимают на кнопку мыши одним или двумя пальцами: активность моторной коры, которая появлялась при представлении действий, регистрировалась имплантированными в вену электродами — и сигнал затем использовался для управления компьютером.
Через пару месяцев после имплантации и обучения пациенты начали самостоятельно управляться с интерфейсом: в результате первому пациенту удалось научиться печатать на компьютере со скоростью в 13 символов в минуту (точность — 92 процента), а второй научился выводить 20 символов в минуту с точностью в 93 процента. Каждый участник освоил не только стандартные нажатия на экран, но и нажатия правой кнопкой мыши, а также приближение. Помимо ввода текста участники с помощью интерфейса справились с онлайн-покупками и отправкой писем. Всего обучение заняло 86 дней у первого пациента и 71 день у второго.
Таким образом, исследователи впервые показали эффективность менее инвазивного способа управления нейрокомпьютерным интерфейсом. Разумеется, говорить о широком использовании устройства пока что рано: в частности, авторы отметили, что интерфейс необходимо протестировать на больших выборках, в особенности — чтобы убедиться в том, что устройство полностью безопасно.
Стоит отметить, что у современных нейрокомпьютерных интерфейсов все же много технических ограничений: зачастую алгоритмы, которые используются для трансляции активности в сигнал управления, неточны и неуниверсальны (что, впрочем, не мешает им справляться с простыми действиями — вроде управления курсором). Еще одну проблему в феврале этого года обнаружили китайские разработчики: они выяснили, что обмануть интерфейс ввода текста можно едва заметными колебаниями сигнала.
Елизавета Ивтушок
Точность достигла 94 процентов
Британские исследователи научили алгоритмы машинного обучения распознавать джазовых пианистов по их уникальному стилю игры. Наилучший результат показала сверточная нейросеть. Она определяла исполнителя ранее не встречавшейся записи с точностью более 94 процента. Кроме того, исследователи разработали модель, которая отдельно анализирует мелодию, гармонию, ритм и динамику произведения, что дает возможность оценить вклад этих компонентов в индивидуальный стиль музыкантов. Статья опубликована в журнале Nature Machine Intelligence. Исследователи сделали веб-приложение, в котором можно послушать характерные особенности игры каждого из 20 пианистов.