sajedeh aghababaei
sajedeh aghababaei
خواندن ۶ دقیقه·۲ سال پیش

چاقوکشی در خدمت علم

در چند سال اخیر اخبار مربوط به سرمایه گذاری‌های کلان و پایه‌گذاری شرکت‌های جدیدی در حوزه‌ی BCI سر و صدای زیادی به پا کرده‌اند.

شاید جنجالی‌ترین خبر مربوط به مرد اول ثروت و تکنولوژی حال حاضر دنیا یعنی ایلان ماسک (Elon Musk) باشد. بعد از تاسیس شرکت‌های بزرگی در زمینه‌های بانکداری (X.com و PayPal) ، صنعت فضایی (spaceX)، خودرو(Tesla)، حمل و نقل (The Boring Company)، انرژی (Tesla Energy) و هوش مصنوعی (OpenAI)، در سال ۲۰۱۶ تاسیس شرکت نورالینک (Neuralink) خبر از ورود او به دنیای نوروساینس (علوم اعصاب) و BCI داد.

شرکت نورالینک  Elon Musk
شرکت نورالینک Elon Musk


اما برای درک بهتر باید ده سال به عقب برگردیم. یعنی در حدود سال ۲۰۰۶ وقتی مقاله‌ای در ژورنال Nature منتشر شد و اعلام کرد که نتیجه‌ی کاشت ایمپلنت مغزی و سیستم BCI برای انسان موفقیت آمیز بوده‌است!

برای کاشت این ایمپلنت‌ها جراحی‌های طولانی و تخصصی نیاز است و الکترود‌هایی در داخل بافت مغز قرار می‌گیرند. پیش از این کاشت ایمپلنت و ثبت سیگنال مغزی، با دقت ثبت یک تک‌ نورون از یک ناحیه‌ی مشخص، تنها در نمونه‌های آزمایشگاهی حیوانی انجام شده بود. در سال ۱۹۶۹ نوروساینتیست آلمانی به نام Eberhard Fetz فعالیت تک ‌نورونی از مغز میمون را ثبت کرد. او نشان داد که می‌تواند به میمون یاد دهد برای دریافت جایزه‌ای مثل آب میوه، فعالیت این نورون را بیشتر کند. برای توضیح ساده‌تر فرض کنید این نورون خاص از مغز زمانی فعال شود که میمون «تصور کند» میخواهد دستش را دراز کند. در نتیجه بعد از تکرار آزمایش یاد میگیرد باید به «دراز کردن دستش فکر کند» تا جایزه بگیرد! نتیجه‌ی این تحقیق از این جهت ارزشمند بود که پایه‌ی شکل‌گیری طراحی اولین سامانه‌های BCI قرار گرفت. در این سامانه‌ها فردی که به علت آسیب نخاعی قدرت حرکت دادن دست خودش را از دست داده، با تصور فشار دادن یا باز و بسته کردن انگشت‌هایش نورون‌های خاصی از مغز را فعال می‌کند. با ثبت نورون‌های این نواحی می‌توان سامانه‌ای را طراحی کرد که فرد تصور کند انگشت‌هایش را باز می‌کند. درنتیجه نورون‌ها فعال شوند. پیام افزایش فعالیت نورون‌ها توسط ایمپلنت‌های مغزی به کامپیوتر برسد، ترجمه شود و در نهایت موس روی صفحه جا‌به جا شود و یا یک بازوی رباتیک حرکت کند! و بدین ترتیب قصد ذهنی کاربر، نتیجه‌ای فیزیکی در دنیای بیرون ایجاد کند!!

از بین سال‌های ۱۹۶۹ تا ۲۰۰۶ کارهای متعددی روی حیوانات با هدف رمزگشایی از ساز و کار فعالیت عصبی و روش‌های موثری که بتوان فعالیت عصبی را به زبان دنیای کامپیوترها و ربات‌ها ترجمه کرد، انجام شده‌اند اما همانطور که گفتیم خبرسازترین آنها در سال ۲۰۰۶ اتفاق افتاد وقتی بالاخره این تحقیقات روی یک انسان انجام گرفت!

اولین فرد که به اختصار با نام MN در مقاله از وی نام برده می‌شود، به دلیل چاقوکشی دچار آسیب نخاعی شده بوده‌است و کنترل تمام اندام‌های گردن به پایین را از دست داده‌است. در سال ۲۰۰۴ زمانیکه در کلینیک‌های توانبخشی مشغول بوده که شاید بتواند کنترل بعضی از اندام‌ها را بازگرداند، به او پیشنهاد میشود در این پروژه شرکت کند! و همانطور که در شکل مشخص است آرایه‌ای الکترودی داخل بافت مغز او ( در ناحیه‌ي Primary Motor Cortex) قرار می‌گیرد. جراح برای کاشت اینگونه الکترودها ملزم به شکستن جمجه است. همچنین پس از جراحی یک پورت (جایگاه!) روی سر فرد قرار میگیرد که کابل کامپیوتر از طریق این پورت به الکترود‌های کاشته شده درون مغز مرتبط می‌شود!! و خب دقیقا به همین خاطر سال‌ها طول‌ کشید تا این تحقیقات به مرحله‌ای برسند که پزشکان و نوروساینتیست‌ها بتوانند سلامت فرد را با وجود این جراحی‌های پیچیده، تضمین کنند!!

اولین سامانه‌ی BCI انسانی:a) الکترودهای کاشتی در مغز و مقایسه‌ی ابعاد آن با سکه b) ساختار یک الکترود Utah و c) محل قرارگیری الکترود در مغز فرد از روی تصویر MRI و d) اولین انسان با ایمپلنت مغزی در حال جابه‌جا کردن موس روی اسکرین
اولین سامانه‌ی BCI انسانی:a) الکترودهای کاشتی در مغز و مقایسه‌ی ابعاد آن با سکه b) ساختار یک الکترود Utah و c) محل قرارگیری الکترود در مغز فرد از روی تصویر MRI و d) اولین انسان با ایمپلنت مغزی در حال جابه‌جا کردن موس روی اسکرین


دو سال بعد از کاشت این الکترودها و گذراندن دوره‌ی ریکاوری و تمرین و تکرارهای زیاد بالاخره سال ۲۰۰۶ اعلام میشود که آقای MN میتواند از طریق سیگنال‌های مغزی خود موس کامپیوتر را حرکت بدهد!!! و در این تصویر خاص موس را به سمت مربع نارنجی روی صفحه ببرد!!

و تادااا! اولین BCI انسانی رسما به دنیا معرفی می‌گردد.

هرچند نمونه‌ی اول دقت بالایی نداشته و فعالیت‌های متنوعی را نیز نمی‌توانسته انجام بدهد ولی تیم تحقیقاتی این پروژه با نام BrainGate در سال‌های بعد با ادامه دادن این مسیر، نتایج قابل توجهی کسب کردند. اطالاعات بیشتر این گروه تحقیقاتی را ‌می‌توان در این آدرس مشاهده کرد.

در مجموع دو عامل را میتوان به عنوان دلایل اصلی رشد تکنولوژی BCI در دهه‌ی اخیر معرفی کرد:

۱. طراحی و تولید الکترود‌های قابل کاشت در بدن انسان:

مقایسه‌ی ابعاد آرایه الکترودی Utah
مقایسه‌ی ابعاد آرایه الکترودی Utah


میکروسیم ها، آرایه های میکروالکترودی مبتنی بر پلیمر انعطاف پذیر و آرایه های مبتنی بر سیلیکون سه نمونه‌ی موردتوجه الکترودها هستند. الکترودهای سیلیکونی که به الکترودهای Utah نیز معروف هستند، مجوز FDA برای استفاده در تحقیقات انسانی را نیز دریافت کرده اند. این الکترودها مانند یک شانه دارای دندانه‌های ریزی در ابعاد یک 1mm هستند. متعارف‌ترین آنها عموما از کنارهم قرار گرفتن ۹۶ دندادنه در سطحی مربعی به ابعاد 10mm در 10mm ساخته شده‌اند. همانطور که در عکس بالا مشخص است مقیاس این الکترود در برابر انگشت دست قابل مشاهده می‌باشد. علت نام این الکترود به Utah نیز به دلیل این است که اولین بار توسط یکی از محققین دانشگاه Utah مورد استفاده قرار گرفت و به دنیای علم و سپس بازار معرفی شد. این دانشگاه بعدتر به نوعی مرکز شکل‌گیری یکی از شرکت‌های مهم این حوزه یعنی Blackrock Neurotech نیز بوده است. در قسمت بعدی به بررسی این شرکت پرداخته‌ایم.

نحوه‌ی قرارگیری الکترودهای ایمپلنت شده در بافت مغز. سایر سیگنال‌های مغزی مانند EEG و ECoG از سطح قشر مغز و یا از سطح جمجمه ثبت می‌شوند.
نحوه‌ی قرارگیری الکترودهای ایمپلنت شده در بافت مغز. سایر سیگنال‌های مغزی مانند EEG و ECoG از سطح قشر مغز و یا از سطح جمجمه ثبت می‌شوند.


۲. الگوریتم‌های یادگیری ماشین

در طی این سال‌ها با پیشرفت سرعت و ظرفیت محاسباتی سیستم‌ها الگوریتم‌های ماشین لرنینگ و هوش مصنوعی اهمیتی صدچندان پیدا کرده‌اند. ثبت فعالیت تعداد زیادی از نورون در طول زمان‌های طولانی نیازمند سامانه‌ای برای بررسی و استخراج اطالاعات آنهاست. همچنین Hochberg به عنوان پژوهشگری که در سال ۲۰۰۶ اولین سامانه‌ی BCI را معرفی کرد، شاخصه‌ی مهم ماشین لرنینگ را اینطور بیان می‌کند که « بزرگترین تحول از یادگیری ماشینی حاصل شده است که توانایی رمزگشایی فعالیت عصبی را بهبود بخشید. یادگیری ماشینی به جای تلاش برای درک معنای الگوهای فعالیت، به سادگی الگوها را شناسایی کرده و به قصد کاربر پیوند می دهد. ما اطلاعات فعالیت مغزی را داریم و می‌دانیم شخصی که داده های عصبی را تولید می کند، سعی دارد چه کاری انجام دهد. در نهایت ما از الگوریتم‌ها می‌خواهیم تا تناظری بین این دو ایجاد کنند.»

به عبارت دیگر ورودی و خروجی سیستم مشخص است و الگوریتم‌های ماشین لرنینگ الگویی برای رسیدن از ورودی به خروجی می‌سازد. بدین ترتیب می‌‌توان ارتباط منطقی و دقیق بین سیگنال عصبی ثبت شده و قصد کاربر برقرار کرد. درنتیجه فعالیت مغزی رمزگشایی می‌شود و میتوان از روی سیگنال‌های عصبی ثبت شده، قصد کاربر را فهمید و این قلب اصلی سامانه‌های BCI است.

با این وجود کمتر از پنج سال است که این تحقیقات به سمت حرکت به تجاری‌سازی شدن هستند. BrainGate همچنان رویکرد علمی و تحقیقاتی خود را حفظ کرده است اما شرکت‌هایی مانند سنکرون، نورالینک و بلک‌راک قدم‌های اولیه‌ی خوبی در مسیر تجاری شدن برداشته اند.

bciواسط مغز و رایانهنورالینکbraingatemachine learning
شاید از این پست‌ها خوشتان بیاید