ARTYKUŁY

dr Emilia Mikołajewska specjalista fizjoterapii
 Moje CV | Moje publikacje | Moje badania | Konsultacje | Kontakt | Indeksator | English version
Strona główna
Linki
Metryka strony
Nakarm glodne dziecko - wejdz na strone www.Pajacyk.pl


Interfejsy mózg-komputer w neurorehabilitacji
[Brain-Computer Interfaces in neurorehabilitation]

dr Emilia Mikołajewska specjalista fizjoterapii

Interfejsy mózg-komputer (ang. brain-computer interfaces – BCIs) stanowią alternatywną, a niekiedy jedyną możliwą, pozamięśniową drogę komunikowania się i sterowania urządzeniami (komputerami, wózkami, robotami) dla pacjentów z najcięższymi deficytami. Sygnały bioelektryczne mózgu mogą być pozyskiwane i mierzone, a wyuczona celowa zmiana ich parametrów może być używana do porozumiewania się lub sterowania różnego typu urządzeniami. Dla wielu pacjentów stanowi to przerwanie dotychczasowego milczenia oraz skokowy wzrost jakości życia. Dodatkowym rehabilitacyjnym aspektem wykorzystania BCI jest potencjalna możliwość sterowania złożonymi protezami układu nerwowego (neuroprotezami), mogącymi w przyszłości zastępować uszkodzone elementy układu nerwowego (np. rdzenia kręgowego) lub sterowane przez nie części ciała (np. naturalne lub sztuczne kończyny). Rozwiązaniem pośrednim może być tu sterowanie egzoszkieletem za pomocą BCI – również jako rozwiązanie tymczasowe podczas rehabilitacji i przysposabiania do kolejnych etapów terapii.

Obecnie najczęściej wykorzystuje się nieinwazyjne systemy BCI, pozyskujące np. sygnał EEG (P300, ERD/ERS, SSVEP) poprzez skórę głowy, choć możliwy jest być może również powrót do MEG. Stało się to na tyle popularne, że pojawiły się rozwiązania komercyjne, a nawet gry sterowane w ten sposób, takie jak MindBall Game. Znacznie rzadziej wykorzystywane są systemy nieinwazyjne oparte na neuroobrazowaniu (np. fMRI). Z kolei metody inwazyjne, oparte na wszczepieniu elektrod bezpośrednio do układu nerwowego, pojawiły się w odpowiedzi na rozwój systemów BCI oraz oczekiwania związane z większą szybkością transmisji, wymaganą dokładnością, stabilnością w czasie i złożonością sterowania. Wykorzystuje się tu zarówno różne warianty analizy potencjałów czynnościowych (ang. multi-single unit action potentials – UAPs), jak i np. lokalne potencjały polowe wysokiej częstotliwości (ang. high-frequency local field potentials – LFP) i elektrokortykografię (ang. electrocorticography - ECoG). Wydaje się, że właśnie BCI oparte na sygnałach pozyskiwanych inwazyjnie będą bardziej odpowiednie do sterowania sztucznymi kończynami czy programami komputerowymi wykraczającymi poza zwykły ruch kursorem.

Uważa się, że bliski związek pomiędzy doborem i treningiem z wykorzystaniem BCI a neuroplastycznością odbudowującego się (również wskutek prowadzonej jednocześnie klasycznej neurorehabilitacji) układu nerwowego prowadzi do podwyższenia efektywności BCI oraz przyśpieszenia funkcjonalnej poprawy pacjenta, maksymalizując możliwą jakość życia, jaką może on osiągnąć przy danym rodzaju i poziomie deficytów zdiagnozowanych w momencie rozpoczęcia terapii. Jednak pomimo wielu dekad badań na pozyskiwaniem sygnału z układu nerwowego, wciąż wyzwanie stanowi stabilność samego styku z układem nerwowym, przetwarzanie pozyskanego w ten sposób sygnału oraz jego przesyłanie poprzez ciało pacjenta. Ww. trudności techniczne (zarówno w obszarze sprzętu, jak i oprogramowania) stanowią jedynie jedną z wielu przeszkód do pokonania na drodze szerszego wdrożenia indywidualnie dopasowywanych, bezpiecznych medycznych interfejsów mózg-komputer.

Dynamiczny rozwój w dziedzinie BCI doprowadził do rozwiązań dyskusyjnych, takich jak pojawienie się pierwszego cyborga, za którego uważa się prof. Kevina Warvicka, czy też dwukierunkowe interfejsy z mózgu człowieka do mózgu człowieka za pośrednictwem komputera (ang. brain-to-brain interface - BBI). Uważa się, że właściwie ukierunkowany rozwój BCI będzie postępował w czterech zasadniczych kierunkach: badań podstawowych, badań/zastosowań klinicznych, produktów komercyjnych oraz nowych zastosowań (ang. emerging applications). Jak z tego wynika waga przywiązywana do zastosowań klinicznych BCI (w tym w neurorehabilitacji) jest bardzo duża.

Osobom zainteresowanym polskimi badaniami z zakresu BCI polecam stronę internetową dr hab. P. J. Durki prof. UW.


Piśmiennictwo dla osób szczególnie zainteresowanych (kolejność alfabetyczna):
  1. Brunner P, Bianchi L, Guger C. i wsp. Current trends in hardware and software for brain-computer interfaces (BCIs). J Neural Eng., 2011, 8(2): 025001.
  2. Konrad P., Shanks T. Implantable brain computer interface: challenges to neurotechnology translation. Neurobiol Dis., 2010, 38(3): 369-375.
  3. Krusienski D. J., Grosse-Wentrup M., Galán F. i wsp. Critical issues in state-of-the-art brain-computer interface signal processing. J Neural Eng., 2011, 8(2): 025002.
  4. Machado S., Araújo F., Paes F. i wsp. EEG-based brain-computer interfaces: an overview of basic concepts and clinical applications in neurorehabilitation. Rev. Neurosci., 2010, 21(6): 451-468.
  5. Mak J. N., Arbel Y., Minett J. W. i wsp. Optimizing the P300-based brain-computer interface: current status, limitations and future directions. J Neural Eng., 2011, 8(2): 025003.
  6. Mikołajewska E., Mikołajewski D. Tworzenie nowej dziedziny nauki – zintegrowane rozwiązania dla niepełnosprawnych, ciężko chorych i w podeszłym wieku. Postępy Rehabilitacji, 2011, 2: 33-36.
  7. Mikołajewska E., Mikolajewski D. Interfejsy mózg-komputer – zastosowania cywilne i wojskowe. Kwartalnik Bellona, 2011, 2: 123-133.
  8. Mikołajewska E., Mikołajewski D. Neurorehabilitacja XXI wieku. Techniki teleinformatyczne. Impuls, Kraków 2011.
  9. Min B. K., Marzelli M. J., Yoo S. S. Neuroimaging-based approaches in the brain-computer interface. Trends Biotechnol., 2010, 28(11): 552-560.
  10. Moran D. Evolution of brain-computer interface: action potentials, local field potentials and electrocorticograms. Curr Opin Neurobiol., 2010, 20(6): 741-745.
  11. Wang W., Collinger J. L., Perez M. A. i wsp. Neural interface technology for rehabilitation: exploiting and promoting neuroplasticity. Phys Med Rehabil Clin N Am., 2010, 21(1): 157-178.
  12. Zander T. O., Kothe C. Towards passive brain-computer interfaces: applying brain-computer interface technology to human-machine systems in general. J Neural Eng., 2011, 8(2): 025005.