Gert-Jan Oskam, 40 år, bröt nacken i en cykelolycka 2011.
Forskarna använde en "digital bro" för att återupprätta förbindelserna mellan hjärnan och benen, vilket gjorde att Oskam kunde stå och gå på ett naturligt sätt.
"För några månader sedan kunde jag för första gången efter 10 år ställa mig upp och ta en öl med mina vänner", säger Oskam.
Studien, publicerad i Nature"Vi återställde denna kommunikation med en digital bro mellan hjärnan och ryggmärgen som gjorde det möjligt för en person med kronisk tetraplegi att stå och gå på ett naturligt sätt i samhället", säger han.
Forskare har arbetat med gränssnitt mellan hjärna och ryggrad i flera år, bland annat med en 2016 års projekt som gjorde att en förlamad apa kunde röra sina ben och en annan som återställd känsel i handen av en man med en ryggmärgsskada.
Det här är det mest omfattande projektet hittills, som belyser AI:s ständigt växande roll i nya medicinska tillämpningar.
Utveckling av gränssnittet mellan hjärna och ryggrad
Den "digitala bron" är ett gränssnitt mellan hjärna och ryggrad som läser av neuronal aktivitet från hjärnan, omvandlar den till elektriska signaler och skickar dem över ryggmärgsskadan till friska neuroner på andra sidan.
De flesta ryggmärgsskador skadar inte nervcellerna direkt - de stör de nedåtgående banor som förbinder hjärnan med ryggraden och det perifera nervsystemet.
AI:s roll
För att återkoppla hjärnan till benen anslöts elektroder till Oskams hjärna för att läsa av elektrokortikografisk (ECoG) hjärnaktivitet.
För att gå använder vi muskler i höft-, knä- och fotledsmusklerna - gränssnittet måste kunna koppla hjärnaktivitet till olika muskelgrupper i både höger och vänster ben.
I tidigare projekt har hjärnaktiviteten varit svår att analysera, vilket har gjort det svårt att förutse avsikten med varje tanke.
Det är här AI hjälper till - forskarna har tagit fram en metod för att filtrera och avkoda hjärnaktivitet med hjälp av maskininlärning (ML).
Forskarna använde algoritmer för att utföra två funktioner:
- En första modell förutspår sannolikheten för avsikten att flytta en viss led.
- Den andra modellen förutspår rörelsens amplitud och riktning.
När gränssnittet hade monterats deltog Oskam i ett träningsprogram som gick ut på att han skulle läsa av visuella signaler via ett gränssnitt.
Programmet instruerade honom om vilka rörelser han skulle fokusera på och hjälpte till att kalibrera AI-modellen så att den kunde "avkoda" hans tankar och stimulera rätt muskler.
Resultaten
Forskarna genomförde en rad tester, bland annat 6 och 10 minuters testpromenader, där Oskam klarade att gå 100 meter, ståtester, trappklättring och gång i grov och ojämn terräng. Hans gångförmåga förbättrades avsevärt och blev bättre för varje träningstillfälle.
Dessutom hade gränssnittet en långsiktig effekt på Oskams gångförmåga även när det var avstängt. Efter 40 träningstillfällen kunde Oskam gå med större självförtroende med sina gånghjälpmedel, vilket visar på potentialen hos sådana hjälpmedel för långsiktig rehabilitering.
AI har stöttat liknande tillämpningar inom medicinteknik, till exempel gränssnitt mellan hjärna och dator som omvandla tankar till tal. Dessa hjälpmedel skulle kunna återställa talet för personer som drabbats av en hjärnskada eller en neurodegenerativ sjukdom som amyotrofisk lateralskleros (ALS).
Med tiden kommer dessa enheter att bli enklare att utveckla och installera och kan till och med fungera utan invasiv kirurgi.
