Utilizarea inteligenței artificiale pentru îmbunătățirea protezelor corticale vizuale
Cercetători de la trei instituții, inclusiv UC Santa Barbara, au demonstrat că inteligența artificială are potențialul de a face viitoarele proteze vizuale, cum ar fi un ochi bionic, mai precise, predictibile și receptive la utilizatorul individual.
Michael Beyeler, profesor asociat de informatică la UCSB, împreună cu colegii săi, a utilizat un model de învățare profundă pentru a proiecta modele de stimulare electrică pentru electrozi implantați temporar în cortexul vizual – regiunea din spatele creierului care procesează informația vizuală – al unei persoane nevăzătoare. Modelul a îmbunătățit controlul cercetătorilor asupra modului în care neuronii răspundeau la stimuli și a ajutat la prezicerea a ceea ce percepea participantul.
Studiul de dovadă a conceptului, publicat online săptămâna aceasta în revista Neuron, marchează un pas înainte în dezvoltarea protezelor corticale vizuale – dispozitive implantate în cortexul vizual – care pot comunica mai bine cu creierul.
„Construirea unui model în abstract este un lucru, dar a-l vedea aplicat într-un experiment cu o persoană este cu totul altceva. Acea capacitate de a trece de la teorie la ceva ce ar putea ajuta oamenii este ceea ce motivează mare parte din activitatea din laboratorul nostru”, a declarat Beyeler.
Proiectul, descris de Beyeler ca fiind „o adevărată colaborare”, a fost condus de coautori principali Pehuén Moure de la ETH Zurich, Jacob Granley de la UCSB și Fabrizio Grani de la Universitatea Miguel Hernández (MHU). Beyeler, Shih-Chii Liu de la ETH Zurich și Eduardo Fernández de la MHU au supervizat cercetarea, care face parte dintr-un trial de fezabilitate mai amplu desfășurat în Spania.
Cercetătorii au încercat să dezvolte proteze vizuale timp de decenii, dar cu succes limitat. Unele dispozitive vizează retina, stratul sensibil la lumină din spatele ochiului, în timp ce altele stimulează etape ulterioare ale sistemului vizual.
Protezele corticale adoptă o abordare diferită, ocolind ochii și nervii optici și livrând stimulare electrică direct în cortexul vizual. Această abordare ar putea beneficia în cele din urmă persoanele ale căror căi vizuale au fost afectate, dar al căror cortex vizual rămâne capabil să răspundă la stimulare, cum ar fi persoanele care au devenit nevăzătoare din cauza accidentelor vasculare cerebrale, bolilor neurodegenerative sau leziunilor cerebrale.
Beneficiul potențial ar putea fi deosebit de semnificativ pentru cei „care au putut vedea o parte din viața lor, dar apoi, din cauza unei boli oculare moștenite sau a unui accident, și-au pierdut vederea”, a spus Beyeler. „Pentru acești oameni, dorința de a recăpăta un anumit nivel de vedere poate fi foarte puternică.”
Activitatea actuală se bazează pe cercetări computaționale susținute de Premiul NIH Director’s New Innovator din 2022, în valoare de 2 milioane de dolari, care a sprijinit eforturile lui Beyeler de a face protezele vizuale mai predictibile și eficiente.
În 2024, membrii laboratorului Bionic Vision al lui Beyeler au călătorit în Spania pentru o etapă critică a cercetării lor: testarea dacă abordarea lor computațională ar putea îmbunătăți performanța unui implant cerebral existent la un participant nevăzător.
La Spitalul IMED Elche din Spania, au vizitat un bărbat în vârstă de 27 de ani care și-a pierdut vederea în urma unei leziuni craniene traumatice. Bărbatul a primit un dispozitiv compus dintr-un array de 96 de canale de electrozi implantați în cortexul vizual, care urma să fie îndepărtat după șase luni.
Când electrozii livrau stimulare electrică neuronilor din cortexul vizual al bărbatului, acesta putea percepe fosfene, puncte sau forme de lumină adesea comparate cu fulgerări, stele sau artificii.
Cercetătorii au căutat să prezică mai bine cum va răspunde cortexul vizual la stimulare. Pentru a face acest lucru, Beyeler și colegii săi au antrenat o rețea neuronală profundă, o formă de inteligență artificială, pentru a prezice modelele de activitate cerebrală produse de diferite combinații de setări de stimulare electrică. Modelul a primit, de asemenea, informații despre activitatea de repaus a creierului imediat înainte de fiecare test.
Apoi, cercetătorii au folosit modelul pentru a identifica modelele de stimulare cele mai susceptibile de a produce un răspuns neural dorit.
Când cercetătorii au testat acele modele concepute de AI pe participant, au reprodus modele țintă de activitate cerebrală mai precis și au necesitat mai puțin curent electric decât celelalte abordări. Poate cel mai important, activitatea înregistrată din creierul participantului a prezis mai bine ceea ce percepea decât setările de stimulare electrică singure. Cu alte cuvinte, măsurarea modului în care creierul a răspuns a oferit o indicație mai bună a ceea ce ar vedea participantul decât pur și simplu știind care electrozi fuseseră activați.
Producerea unui model dorit de activitate cerebrală este doar o parte a ecuației. Cercetătorii trebuie, de asemenea, să determine cum devine acea activitate o experiență vizuală pentru persoana care utilizează proteza.
„Inginerii vor să trateze fosfenele ca pe pixeli: stimulează mai mulți electrozi și ar trebui să obțină o imagine mai completă”, a spus Beyeler. „Dar creierul nu funcționează în acest fel. Electrozii interacționează, răspunsurile neuronale fluctuează, iar ceea ce introducem în creier nu este neapărat ceea ce percepe persoana. Provocarea este să aflăm mai multe despre acea transformare.”
Implantul utilizat în studiu putea atât să stimuleze creierul cu curent electric, cât și să înregistreze cum au răspuns neuronii din creier. Aceasta a permis cercetătorilor să-și antreneze modelul AI pe ceea ce a făcut efectiv creierul după fiecare model de stimulare, mai degrabă decât să se bazeze doar pe setările electrice trimise dispozitivului.
Participantul a raportat dacă a perceput un fosfen și, în unele experimente, a descris caracteristici precum forma, dimensiunea, strălucirea și culoarea acestuia. Cercetătorii au constatat că modelele înregistrate de activitate neurală erau mai informative în ceea ce privește aceste rezultate perceptuale decât parametrii de stimulare în sine.
Modelul AI a inclus, de asemenea, măsurători ale activității cerebrale de repaus ale participantului, permițându-i să ajusteze modelul de stimulare în funcție de starea curentă a creierului. Aceasta ar putea fi o etapă importantă către proteze care rămân fiabile pe măsură ce răspunsurile neuronale fluctuează de la o zi la alta.
„O proteză vizuală utilă nu poate să se bazeze pe o rețetă fixă”, a spus Beyeler. „Trebuie să învețe cum răspunde un creier individual și să adapteze stimularea în consecință. În cele din urmă, dispozitivul ar trebui să se adapteze persoanei, nu invers.”
