脳の海馬ナビゲーションに向けて

Scientific Reports volume 13、記事番号: 14021 (2023) この記事を引用

668 アクセス

8 オルトメトリック

メトリクスの詳細

脳の活動によって直接制御される自動車椅子は、重度の麻痺のある人に自律性を与える可能性がある。 現在のアプローチは主に脳活動の非侵襲的測定に依存しており、個々のコマンドを車椅子の動きに変換します。 たとえば、右手を想像して動かすと、車椅子は右に操縦されます。 車椅子の制御を達成するために高次の認知プロセスを解読することを研究した研究はありません。 私たちは、海馬信号からナビゲーションの意図を解読することで、車椅子の制御に入力を提供できる侵襲的な神経補綴物を構想しています。 ナビゲーションは海馬の記録で広く研究されてきましたが、神経プロテーゼの開発については研究されていませんでした。 ここでは、仮想ナビゲーション タスク中に記録された海馬信号から仮想移動速度を分類するようにデコーダーをトレーニングできることを示します。 これらの結果は、車椅子制御のための侵襲的海馬BCIの実現可能性を探る第一歩となる。

何百万人もの人々が麻痺、つまり体の一部を動かすことができないことに苦しんでいます1。 四肢麻痺などの最も重度の麻痺では、腕、脚、胴体の制御が失われます。 麻痺は、脊髄損傷、横断性脊髄炎、多発性硬化症、ポリオ、筋萎縮性側索硬化症 (ALS) などのいくつかの病気によって引き起こされることがあります。 これらの患者は家族や医療専門家の援助を必要とします。 自主的に環境と対話する能力は生活の満足度にプラスの関係があるため2、重度の麻痺のある人に自立をもたらす解決策を開発することが不可欠です。

ブレイン コンピューター インターフェイス (BCI) は、神経信号をデコードすることで、筋肉の動きを必要とせずに人間とコンピューター間の通信を可能にします3。 近年、研究者らはBCIがいくつかの患者グループを助ける可能性を実証しました4。 ALS患者を対象とした調査では、BCI開発に関してはロボットアームと車椅子の制御が最優先であることが判明した5。 ロボットアーム義肢の開発に向けて大きな進歩が見られました6。 一方、車椅子の制御は、特に脳活動の侵襲的な測定を使用するため、研究者からあまり注目されていません。

脳波検査 (EEG) を使用する非侵襲的 BCI アプローチは、頭皮の外側から脳活動を記録するため、リスクが低いという利点があります。 ただし、そうすることで、これらのアプローチは信号品質、空間解像度、および/または時間解像度を大幅に損ないます7。 これらの制限のため、車椅子制御のための脳波ベースの BCI は近年大きな進歩を遂げていません。

EEG を使用する多くのアプローチは、直接的または間接的に目の動きとまばたき 8、9、10 に依存し、それらを単純な方向コマンドに変換します。 多くの ALS 患者にとって、目の動きや瞬きは不可能です4。 さらに、ナビゲーション中に目の動きを制限すると不便になり、社会的交流が妨げられます。 他の方法は、意図された動きを示すために精神的なタスクやイメージを解読することに依存しています11、12、13、14。 たとえば、左に曲がる心の回転や左手の動きをイメージします。 この方法を使用すると高い精度が得られますが、情報の転送速度が遅すぎるため、車椅子を安全に使用できません。 目標指向のナビゲーション意図を活用した侵襲的 BCI は、正確で安全かつ直感的な車椅子制御に必要な入力を提供する可能性があります。 高次の認知プロセスを解読する脳とコンピューターのインターフェースは、麻痺のある人々に外部デバイスを制御するための直感的な入力を提供し、自立を促進する可能性があります。

侵襲的に記録された信号のより高い信号対雑音比、時間分解能、および空間精度により、改良された車椅子制御の開発が可能になる可能性がある。 これまでのところ、私たちが知っているそのような研究はすべて、ヒト以外の霊長類を対象に実施されています。 一部の研究では、車椅子の制御にジョイスティックベースの BCI パラダイムを使用しています 15,16。 サルがジョイスティックを使って車椅子を制御している間、手の動きは一次運動野ニューロンから解読された。 一方、Rajangam ら 17 は、アカゲザルがジョイスティックのパラダイムを使用せずに侵襲的な神経信号に基づいて車椅子を制御できることを示しました。 麻痺のある人の多くはジョイスティックを使用して BCI 分類器をトレーニングできないため、これは重要なステップです。 サルは運動前野と感覚運動野のアンサンブル記録を利用して、車椅子の回転運動と並進運動を制御して目標を達成することができた。 このアプローチは、全身の変位に合わせて調整されたニューロンの集団に基づいているため、有望です。 ただし、このアプローチでは、高レベルで計画された軌道をデコードするのではなく、継続的に発行される個々の移動コマンドをデコードします。