Новый метод считывания нервных сигналов возвращает людям с ампутацией контроль над каждым движением протеза
Впервые в мире ученым удалось расшифровать сложные движения ног, используя существующие нервы у людей с ампутацией выше колена. Это стало возможным благодаря новой технологии протезирования, разработанной исследователями из Технического университета Чалмерса. Используя имплантируемую нейротехнологию и метод искусственного интеллекта, который интерпретирует собственный «язык» нервной системы, команда смогла считывать сигналы, связанные с мелкими движениями, такими как намерение пошевелить пальцами ног. Эта новая возможность представляет собой важный шаг вперед в создании протезов, которые двигаются и ощущаются более естественно, подобно настоящим конечностям.
Хотя протезы долгое время помогали людям, они также создавали определенные трудности в повседневном использовании. Новые разработки могут значительно улучшить функциональную независимость пользователей. В прошлом протезы рук и кистей полагались на оставшиеся мышцы, которые все еще реагировали на сигналы мозга. Однако этот подход ограничен в случаях серьезных ампутаций, когда такие мышцы могут отсутствовать. Что касается протезов ног, управление ими традиционно было механическим, с использованием датчиков для автоматической корректировки моделей ходьбы без непосредственного участия пользователя.
Опубликованное в журнале Nature Communications исследование было посвящено тому, как можно использовать остаточные нервные сигналы для обеспечения более интуитивного управления протезами ног. «Когда вы говорите своему телу двигаться, сигналы проходят по нервам к мышцам, которые выполняют действие, даже если конечности больше нет, — пояснил Джакомо Валле, доцент Чалмерса и старший автор исследования. — Основная сложность заключается в извлечении этой информации и понимании нейронного кода, стоящего за ней, и это было в центре нашей работы».
Однако захват нейронных сигналов — непростая задача. Предыдущие исследования были сосредоточены на протезах верхних конечностей, в то время как ампутации нижних конечностей встречаются чаще, чем можно было ожидать. «Если имплантат можно подключить непосредственно к оставшимся нервам, а не через остаточные мышцы, вы можете использовать те же самые естественные сигналы, которые использовались для движения ваших конечностей, — добавляет Валле. — Это значительно расширяет потенциал для создания протезов с естественным управлением, сенсорной обратной связью и беспрецедентной точностью».
Команда из Чалмерса преодолела эту проблему, объединив гибкий ультратонкий нейроимплантат с алгоритмом искусственного интеллекта, основанным на спайковых нейронных сетях. В отличие от более ранних форм ИИ, спайковые нейронные сети обрабатывают электрические импульсы, используемые биологическими нейронами, что делает их особенно эффективными для интерпретации нервной активности. Система была протестирована на двух людях с ампутацией выше колена. Исследователи имплантировали четыре чрезвычайно тонких провода в ключевой нерв, отвечающий за движение и чувствительность ноги.
Даже несмотря на то, что их нога больше не присутствовала, попытки двигать ею все равно генерировали нейронные сигналы. Система смогла интерпретировать эти сигналы с беспрецедентной точностью, определяя предполагаемые движения более точно, чем предыдущие методы. «Это первое исследование, которое демонстрирует, что сигналы, записанные непосредственно с периферических нервов, могут быть использованы для точной интерпретации предполагаемых движений ног у ампутантов», — заявил Валле. Технология была способна различать конкретные движения коленей, голеностопных суставов и даже пальцев ног.
«Наше исследование показывает, что декодирование активности периферических нервов работает лучше всего, когда оно уважает язык нервной системы, — отметила Элиза Донати, профессор Цюрихского университета и Швейцарской высшей технической школы Цюриха, также являющаяся старшим автором исследования. — Периферические нервы общаются посредством дискретных электрических импульсов, и спайковые нейронные сети поэтому естественным образом подходят для обработки этого типа сигналов. Согласовывая наши вычислительные модели с биологией, мы можем эффективно извлекать намерение движения, используя компактные модели и относительно ограниченные данные. Это важный шаг на пути к маломощным, полностью имплантируемым системам для более естественного управления протезами конечностей».
Хотя данное является подтверждением концепции, конечная цель заключается в том, чтобы интегрировать эти новые разработки в функциональный протез ноги.