Gert-Jan Oskam, 40 jaar oud, brak zijn nek bij een fietsongeluk in 2011.
Onderzoekers gebruikten een "digitale brug" om de verbindingen tussen de hersenen en de benen te herstellen, waardoor Oskam op een natuurlijke manier kon staan en lopen.
"Een paar maanden geleden kon ik voor het eerst na 10 jaar weer opstaan en een biertje drinken met mijn vrienden," zei Oskam.
De studie, gepubliceerd in Naturezegt: "We herstelden deze communicatie met een digitale brug tussen de hersenen en het ruggenmerg, waardoor iemand met chronische tetraplegie weer op een natuurlijke manier kon staan en lopen in een gemeenschapsomgeving."
Onderzoekers werken al enkele jaren aan interfaces tussen hersenen en wervelkolom, waaronder een 2016 project waardoor een verlamde aap zijn benen kon bewegen en een andere die Hersteld gevoel in de hand van een man met een dwarslaesie.
Dit is het meest uitgebreide project tot nu toe, dat de steeds grotere rol van AI in nieuwe medische toepassingen benadrukt.
De interface tussen hersenen en wervelkolom ontwikkelen
De "digitale brug" is een interface tussen de hersenen en de wervelkolom die neuronale activiteit uit de hersenen leest, omzet in elektrische signalen en deze over het ruggenmergletsel naar gezonde neuronen aan de andere kant stuurt.
De meeste ruggenmergletsels beschadigen de neuronen niet direct - ze verstoren de neerwaartse paden die de hersenen verbinden met de wervelkolom en het perifere zenuwstelsel.
De rol van AI
Om de hersenen weer met de benen te verbinden, werden elektroden aangesloten op de hersenen van Oskam om het volgende af te lezen elektrocorticografisch (ECoG) hersenactiviteit.
Om te lopen gebruiken we spieren in de heup, knie en enkel - de interface moet hersenactiviteit toewijzen aan verschillende spiergroepen in zowel het rechter- als het linkerbeen.
Uit eerdere projecten bleek dat hersenactiviteit moeilijk te analyseren was, waardoor het een uitdaging was om de bedoeling van elke gedachte te voorspellen.
Dit is waar AI helpt - onderzoekers bedachten een methode om hersenactiviteit te filteren en decoderen met behulp van machine learning (ML).
Onderzoekers gebruikten algoritmen om twee functies uit te voeren:
- Een eerste model voorspelt de waarschijnlijkheid van de intentie om een specifiek gewricht te bewegen.
- Het andere model voorspelt de amplitude en richting van de beweging.
Nadat de interface was gemonteerd, nam Oskam deel aan een trainingsprogramma waarbij hij visuele aanwijzingen moest lezen via een interface.
Het programma instrueerde hem op welke bewegingen hij zich moest concentreren en hielp het AI-model om zijn gedachten te "decoderen" en de juiste spieren te stimuleren.
De resultaten
De onderzoekers voerden een reeks tests uit, waaronder testwandelingen van 6 en 10 minuten, waarbij Oskam 100 meter kon lopen, staande tests, traplopen en lopen over ruw en oneffen terrein. Zijn loopvaardigheid was sterk verbeterd en werd met elke trainingssessie beter.
Bovendien had de interface een langdurig effect op de loopvaardigheid van Oskam, zelfs als deze was uitgeschakeld. Na 40 trainingssessies kon Oskam zelfverzekerder lopen met zijn loophulpmiddelen, wat het potentieel van dergelijke apparaten voor langdurige revalidatie benadrukt.
AI heeft soortgelijke toepassingen in de medische technologie ondersteund, zoals brein-computer-interfaces die gedachten omzetten in spraak. Deze apparaten zouden de spraak kunnen herstellen voor mensen met hersenletsel of een neurodegeneratieve ziekte zoals amyotrofe laterale sclerose (ALS).
Na verloop van tijd zullen deze apparaten gemakkelijker te ontwikkelen en te installeren zijn en zouden ze zelfs zonder invasieve chirurgie kunnen werken.
