Lorsque les gens souffrent de blessures débilitantes ou de maladies du système nerveux, ils perdent parfois la capacité d'effectuer des tâches normalement considérées comme allant de soi, comme la marche, jouer de la musique ou conduire une voiture. Ils peuvent imaginer faire quelque chose, mais la blessure pourrait empêcher cette action de se produire.

Il existe des systèmes d'interface cerveau-ordinateur capables de traduire les signaux cérébraux en une action souhaitée pour retrouver une certaine fonction, mais ils peuvent être un fardeau à utiliser car ils ne fonctionnent pas toujours correctement et doivent être réajustés pour accomplir même des tâches simples.

Des chercheurs de l'Université de Pittsburgh et de l'Université Carnegie Mellon s'efforcent de comprendre le fonctionnement du cerveau lors de l'apprentissage de tâches à l'aide de la technologie d'interface cerveau-ordinateur. Dans un ensemble de papiers, dont le second a été publié aujourd'hui dans Nature Génie Biomédical , l'équipe fait avancer l'aiguille de la technologie d'interface cerveau-ordinateur destinée à aider à améliorer la vie des patients amputés qui utilisent des prothèses neurales.

"Disons pendant votre journée de travail, vous planifiez votre sortie du soir à l'épicerie, " dit Aaron Batista, professeur agrégé de bio-ingénierie à la Swanson School of Engineering de Pitt. "Ce plan est maintenu quelque part dans votre cerveau tout au long de la journée, mais n'atteint probablement pas votre cortex moteur jusqu'à ce que vous arriviez réellement au magasin. Nous développons des technologies d'interface cerveau-ordinateur qui, espérons-le, fonctionneront un jour au niveau de nos intentions quotidiennes."

Batista, L'associée de recherche postdoctorale de Pitt, Emily Oby, et les chercheurs de Carnegie Mellon ont collaboré au développement de voies directes du cerveau aux appareils externes. Ils utilisent des électrodes plus petites qu'un cheveu qui enregistrent l'activité neuronale et la rendent disponible pour les algorithmes de contrôle.

Dans la première étude de l'équipe, publié en juin dernier dans le Actes de l'Académie nationale des sciences , le groupe a examiné comment le cerveau change avec l'apprentissage de nouvelles compétences d'interface cerveau-ordinateur.

« Lorsque les sujets forment une intention motrice, il provoque des modèles d'activité à travers ces électrodes, et nous les rendons sous forme de mouvements sur un écran d'ordinateur. Les sujets modifient ensuite leurs schémas d'activité neuronale d'une manière qui évoque les mouvements qu'ils souhaitent, " a déclaré le co-directeur du projet Steven Chase, professeur de génie biomédical au Neuroscience Institute de Carnegie Mellon.

Dans la nouvelle étude, l'équipe a conçu une technologie grâce à laquelle l'interface cerveau-ordinateur se réajuste continuellement en arrière-plan pour garantir que le système est toujours étalonné et prêt à l'emploi.

"Nous changeons la façon dont l'activité neuronale affecte le mouvement du curseur, et cela évoque l'apprentissage, " dit Pitt's Oby, l'auteur principal de l'étude. "Si nous modifions cette relation d'une certaine manière, il fallait que nos sujets animaux produisent de nouveaux modèles d'activité neuronale pour réapprendre à contrôler le mouvement du curseur. Cela leur a pris des semaines de pratique, et nous pouvions voir comment le cerveau changeait au fur et à mesure qu'ils apprenaient."

Dans un sens, l'algorithme « apprend » à s'adapter au bruit et à l'instabilité inhérents aux interfaces d'enregistrement neuronal. Les résultats suggèrent que le processus permettant aux humains de maîtriser une nouvelle compétence implique la génération de nouveaux modèles d'activité neuronale. L'équipe aimerait éventuellement que cette technologie soit utilisée dans un cadre clinique pour la réadaptation après un AVC.

De telles procédures d'auto-réétalonnage ont été un objectif recherché depuis longtemps dans le domaine des prothèses neurales, et la méthode présentée dans les études de l'équipe est capable de récupérer automatiquement des instabilités sans obliger l'utilisateur à faire une pause pour recalibrer le système par lui-même.

"Disons que l'instabilité était si grande que le sujet n'était plus capable de contrôler l'interface cerveau-ordinateur, " a déclaré Yu. " Les procédures d'auto-réétalonnage existantes sont susceptibles de rencontrer des difficultés dans ce scénario, alors que dans notre méthode, nous avons démontré qu'il peut, dans de nombreux cas, se remettre des instabilités les plus dramatiques."