Gert-Jan Oskam, 40 år gammel, brakk nakken i en sykkelulykke i 2011.
Forskerne brukte en "digital bro" for å gjenopprette forbindelsene mellom hjernen og beina, slik at Oskam kunne stå og gå på en naturlig måte.
"For noen måneder siden kunne jeg for første gang etter ti år reise meg opp og ta en øl med vennene mine", sier Oskam.
Studien, publisert i Nature"Vi gjenopprettet denne kommunikasjonen med en digital bro mellom hjernen og ryggmargen som gjorde det mulig for en person med kronisk tetraplegi å stå og gå på en naturlig måte i samfunnet", sier han.
Forskere har jobbet med grensesnitt mellom hjerne og ryggrad i flere år, blant annet med et 2016-prosjekt som gjorde det mulig for en lammet ape å bevege beina, og en annen som gjenopprettet følelsen i hånden av en mann med en ryggmargsskade.
Dette er det mest omfattende prosjektet noensinne, og det belyser AIs stadig voksende rolle i nye medisinske anvendelser.
Utvikling av grensesnittet mellom hjerne og ryggrad
Den "digitale broen" er et grensesnitt mellom hjernen og ryggraden som leser av nevronaktiviteten i hjernen, omdanner den til elektriske signaler og sender dem over ryggmargsskaden til friske nevroner på den andre siden.
De fleste ryggmargsskader skader ikke nevronene direkte - de forstyrrer de nedadgående banene som forbinder hjernen med ryggraden og det perifere nervesystemet.
Rollen til kunstig intelligens
For å koble hjernen til beina igjen, ble det koblet elektroder til Oskams hjerne for å lese av elektrokortikografisk (EKoG) hjerneaktivitet.
Når vi går, bruker vi muskler i hofte, kne og ankel - grensesnittet må tilordne hjerneaktivitet til ulike muskelgrupper i både høyre og venstre ben.
Tidligere prosjekter har vist at hjerneaktiviteten er vanskelig å analysere, noe som gjør det utfordrende å forutsi hensikten med hver enkelt tanke.
Det er her AI kommer inn i bildet - forskerne har utviklet en metode for å filtrere og dekode hjerneaktivitet ved hjelp av maskinlæring (ML).
Forskerne brukte algoritmer til å utføre to funksjoner:
- En første modell predikerer sannsynligheten for at man har til hensikt å bevege et bestemt ledd.
- Den andre modellen forutsier bevegelsens amplitude og retning.
Etter at grensesnittet var montert, deltok Oskam i et opplæringsprogram der han måtte lese visuelle signaler gjennom et grensesnitt.
Programmet instruerte ham i hvilke bevegelser han skulle fokusere på, og hjalp til med å kalibrere AI-modellen til å "dekode" tankene hans og stimulere de riktige musklene.
Resultatene
Forskerne gjennomførte en rekke tester, blant annet 6- og 10-minutters testturer, der Oskam klarte å gå 100 meter, stående tester, trappegåing og gange i ulendt og ujevnt terreng. Oskams gangferdigheter ble mye bedre og ble bedre for hver treningsøkt.
I tillegg hadde grensesnittet en langsiktig effekt på Oskams gangevne, selv når det var slått av. Etter 40 treningsøkter kunne Oskam gå tryggere med ganghjelpemidlene sine, noe som understreker potensialet slike hjelpemidler har for langtidsrehabilitering.
AI har støttet lignende anvendelser innen MedTech, for eksempel hjerne-datamaskin-grensesnitt som gjøre tanker om til tale. Disse apparatene kan gi personer med hjerneskade eller nevrodegenerative sykdommer som amyotrofisk lateral sklerose (ALS) mulighet til å gjenvinne taleevnen.
Med tiden vil disse enhetene bli enklere å utvikle og installere, og de kan til og med fungere uten invasiv kirurgi.
