Gert-Jan Oskam, 40 år, brækkede nakken i en cykelulykke i 2011.
Forskerne brugte en "digital bro" til at genetablere forbindelserne mellem hjernen og benene, så Oskam kunne stå og gå på en naturlig måde.
"For et par måneder siden kunne jeg for første gang efter 10 år rejse mig op og drikke en øl med mine venner," siger Oskam.
Undersøgelsen, udgivet i Nature"Vi genoprettede denne kommunikation med en digital bro mellem hjernen og rygmarven, som gjorde det muligt for en person med kronisk tetraplegi at stå og gå naturligt i samfundet."
Forskere har arbejdet med grænseflader mellem hjerne og rygsøjle i flere år, herunder en 2016-projektet der gjorde det muligt for en lammet abe at bevæge sine ben, og en anden, der genskabte følelsen i hånden af en mand med en rygmarvsskade.
Dette er det hidtil mest omfattende projekt, som fremhæver AI's stadigt voksende rolle i nye medicinske anvendelser.
Udvikling af grænsefladen mellem hjerne og rygsøjle
Den "digitale bro" er et hjerne-rygmarvsinterface, der aflæser neuronal aktivitet fra hjernen, omdanner den til elektriske signaler og sender dem over rygmarvsskaden til raske neuroner på den anden side.
De fleste rygmarvsskader beskadiger ikke neuronerne direkte - de forstyrrer de nedadgående baner, der forbinder hjernen med rygsøjlen og det perifere nervesystem.
AI's rolle
For at genskabe forbindelsen mellem hjernen og benene blev der koblet elektroder til Oskams hjerne for at aflæse elektrokortikografisk (ECoG) hjerneaktivitet.
Når vi går, bruger vi musklerne i hofte, knæ og ankel - interfacet skal tilskrive hjerneaktivitet til forskellige muskelgrupper i både højre og venstre ben.
Tidligere projekter har fundet, at hjerneaktivitet er vanskelig at analysere, hvilket gør det udfordrende at forudsige hensigten med hver tanke.
Det er her, AI hjælper - forskerne har udviklet en metode til at filtrere og afkode hjerneaktivitet ved hjælp af maskinlæring (ML).
Forskerne brugte algoritmer til at udføre to funktioner:
- En første model forudsiger sandsynligheden for intentionen om at bevæge et bestemt led.
- Den anden model forudsiger bevægelsens amplitude og retning.
Da grænsefladen var monteret, deltog Oskam i et træningsprogram, hvor han skulle aflæse visuelle signaler gennem en grænseflade.
Programmet instruerede ham i, hvilke bevægelser han skulle fokusere på, og hjalp med at kalibrere AI-modellen til at "afkode" hans tanker og stimulere de rigtige muskler.
Resultaterne
Forskerne gennemførte en række tests, herunder 6 og 10 minutters testgange, hvor Oskam formåede at gå 100 meter, stående tests, trappegang og gang i hårdt og ujævnt terræn. Hans evner til at gå blev meget bedre og blev bedre for hver træningssession.
Desuden havde interfacet en langsigtet effekt på Oskams gangfunktion, selv når det var slukket. Efter 40 træningssessioner kunne Oskam gå mere selvsikkert med sine ganghjælpemidler, hvilket understreger potentialet i sådanne anordninger til langsigtet rehabilitering.
AI har understøttet lignende applikationer inden for MedTech, såsom hjerne-computer-grænseflader, der gør tanker til tale. Disse apparater kan genskabe talen for dem, der har fået en hjerneskade eller en neurodegenerativ sygdom som amyotrofisk lateral sklerose (ALS).
Med tiden vil disse enheder blive lettere at udvikle og installere og kan endda fungere uden invasiv kirurgi.
