Miniaturowy Chip Mózgowy Przekształca Myśli w Tekst z Dokładnością 91%

Badacze z EPFL ogłosili wczoraj, że opracowali nowy interfejs mózg-maszyna (BMI), który może tłumaczyć aktywność mózgu na tekst, wykorzystując kompaktowy i energooszczędny system.

To urządzenie, zwane Miniaturyzowanym Interfejsem Mózg-Maszyna (MiBMI), jest zaprojektowane, aby pomóc osobom z poważnymi upośledzeniami motorycznymi, takimi jak te z amyotroficznym stwardnieniem bocznym (ALS) lub urazami rdzenia kręgowego, komunikować się poprzez myślenie o pisaniu.

Te układy scalone dekodują zamierzone ruchy ręki mózgu na odpowiadający im tekst, osiągając poziom dokładności 91% dla 31 różnych znaków – osiągnięcie, którego nie dorównuje żaden inny zintegrowany system, zgodnie z informacją prasową EPFL.

MiBMI stanowi znaczące ulepszenie w porównaniu do istniejących systemów BMI, które często są nieporęczne i energochłonne. Technologia, która została opublikowana w ostatnim numerze IEEE Journal of Solid-State Circuits, przetwarza sygnały nerwowe w czasie rzeczywistym za pomocą miniaturowych układów scalonych z krzemu.

Główny autor, Mohammed Ali Shaeri, wyjaśnia, że chociaż chip jeszcze nie został zintegrowany z w pełni działającym BMI, z powodzeniem przetworzył dane z wcześniejszych rejestracji na żywo.

Komunikat prasowy EPFL wyjaśnia, że w przeciwieństwie do obecnych BMI, które wymagają przesyłania danych z wszczepionych elektrod mózgowych do zewnętrznego komputera w celu ich odczytania, MiBMI integruje zarówno rejestrację danych, jak i ich przetwarzanie w czasie rzeczywistym na tym samym chipie.

New Atlas zauważa, że to różni się od Neuralink, który używa 64 elektrod wszczepionych w mózg i przetwarza dane za pomocą zewnętrznego urządzenia poprzez aplikację. Ponadto, MiBMI jest niezwykle małe, z całkowitą powierzchnią wynoszącą zaledwie 8 mm². Dla porównania, Neuralink jest znacznie większy, mierząc około 23 x 8 mm.

Jak podaje komunikat prasowy EPFL, aby móc przetworzyć ogromną ilość informacji odebranych przez elektrody na miniaturyzowanym BMI, badacze musieli zastosować nowe podejście do analizy danych.

Odkryli, że aktywność mózgu dla każdej litery, kiedy pacjent wyobraża sobie, że pisze ją ręcznie, zawiera bardzo specyficzne markery, które naukowcy nazwali Distinctive Neural Codes (DNCs).

Zamiast przetwarzać tysiące bajtów danych dla każdej litery, mikroprocesor musi przetwarzać tylko DNCs, które mają około stu bajtów. Sprawia to, że system jest szybki i o niskim zużyciu energii.

To stanowi znaczący postęp w miniaturyzacji, łącząc wiedzę z zakresu układów scalonych, inżynierii neuronowej oraz sztucznej inteligencji. W miarę jak start-upy neurotech coraz bardziej koncentrują się na integracji i miniaturyzacji, MiBMI z EPFL wyróżnia się jako obiecujący rozwój.

Główny autor, Mohammed Ali Shaeri, zauważa: „Naszym celem jest opracowanie wszechstronnego BMI, które można dostosować do różnych zaburzeń neurologicznych, zapewniając szerszy zakres rozwiązań dla pacjentów”, jak podano w komunikacie prasowym EPFL.