När människor drabbas av försvagande skador eller sjukdomar i nervsystemet, de förlorar ibland förmågan att utföra uppgifter som normalt tas för givna, som att gå, spela musik eller köra bil. De kan tänka sig att göra något, men skadan kan blockera den åtgärden från att inträffa.

Hjärn-dator-gränssnittssystem finns som kan översätta hjärnsignaler till en önskad handling för att återfå en viss funktion, men de kan vara en börda att använda eftersom de inte alltid fungerar smidigt och behöver justeras för att utföra även enkla uppgifter.

Forskare vid University of Pittsburgh och Carnegie Mellon University arbetar med att förstå hur hjärnan fungerar när man lär sig uppgifter med hjälp av hjärn-dator-gränssnittsteknologi. I en uppsättning papper, varav den andra publicerades idag i Nature Biomedicinsk teknik , teamet flyttar nålen framåt på hjärna-dator-gränssnittsteknologi som är avsedd att förbättra livet för amputerade patienter som använder neurala proteser.

"Låt oss säga under din arbetsdag, du planerar din kvällsresa till mataffären, sade Aaron Batista, docent i bioteknik vid Pitt's Swanson School of Engineering. "Den planen upprätthålls någonstans i din hjärna under hela dagen, men når förmodligen inte din motoriska cortex förrän du faktiskt kommer till affären. Vi utvecklar gränssnittstekniker för hjärna och dator som förhoppningsvis en dag kommer att fungera på samma nivå som våra vardagliga avsikter."

Batista, Pitt postdoktorala forskningsassistent Emily Oby och Carnegie Mellon-forskarna har samarbetat för att utveckla direkta vägar från hjärnan till externa enheter. De använder elektroder som är mindre än ett hårstrå som registrerar neural aktivitet och gör den tillgänglig för kontrollalgoritmer.

I lagets första studie, publicerades i juni förra året i Proceedings of the National Academy of Sciences , gruppen undersökte hur hjärnan förändras med inlärning av nya färdigheter i hjärnan-datorgränssnitt.

"När försökspersonerna bildar en motorisk avsikt, det orsakar aktivitetsmönster över dessa elektroder, och vi återger dem som rörelser på en datorskärm. Försökspersonerna ändrar sedan sina neurala aktivitetsmönster på ett sätt som framkallar de rörelser de vill ha, " sa projektmedledaren Steven Chase, en professor i biomedicinsk teknik vid Neuroscience Institute i Carnegie Mellon.

I den nya studien, teamet designade teknik där hjärn-dator-gränssnittet ständigt justerar sig i bakgrunden för att säkerställa att systemet alltid är i kalibrering och redo att användas.

"Vi ändrar hur den neurala aktiviteten påverkar markörens rörelse, och detta framkallar lärande, " sa Pitt's Oby, studiens huvudförfattare. "Om vi ​​ändrade det förhållandet på ett visst sätt, det krävde att våra djurämnen producerade nya mönster av neural aktivitet för att lära sig att kontrollera markörens rörelse igen. Att göra det tog dem veckors träning, och vi kunde se hur hjärnan förändrades när de lärde sig."

På sätt och vis, Algoritmen "lär sig" hur man anpassar sig till bruset och instabiliteten som är inneboende i neurala inspelningsgränssnitt. Resultaten tyder på att processen för människor att bemästra en ny färdighet involverar generering av nya neurala aktivitetsmönster. Teamet skulle så småningom vilja att denna teknik skulle användas i en klinisk miljö för strokerehabilitering.

Sådana självomkalibreringsprocedurer har varit ett länge eftersträvat mål inom området för neurala proteser, och metoden som presenteras i teamets studier kan återhämta sig automatiskt från instabiliteter utan att användaren behöver pausa för att kalibrera om systemet själv.

"Låt oss säga att instabiliteten var så stor att försökspersonen inte längre kunde kontrollera hjärn-datorgränssnittet, " sa Yu. "Befintliga självkalibreringsprocedurer kommer sannolikt att kämpa i det scenariot, medan i vår metod, Vi har visat att det i många fall kan återhämta sig från även de mest dramatiska instabiliteterna."