Interfejsy nerwowe

Technologie Interfejsów nerwowych [27, 28]

Interfejs (złącze) jest urządzeniem które umożliwia połączenie dwóch innych urządzeń. Z punktu widzenia cybernetyki każdy żywy organizm jest systemem, czyli rodzajem biologicznej maszyny, którą można sprzęgnąć z innym niekoniecznie biologicznym systemem. Urządzenia umożliwiające takie sprzężenie między człowiekiem a maszyną nazywamy interfejsami człowiek-maszyna (ang. Human Machine Interface, HMI). Omawiana tematyka jest silnie interdyscyplinarna i dlatego przez wiele lat nauka nie uporządkowała jednoznacznie terminów opisujących różnorakie interfejsy biocybernetyczne. Na Ryc.1 przedstawiono w formie diagramu, hierarchiczną klasyfikację interfejsów zaproponowaną przez naukowców z Instytutu Psychologi KUL [4].

Ryc.1

Ryc.1. Diagram klasyfikacji technologii interfejsów człowiek-maszyna (HMI). Podział HMI na interfejsy człowiek-komputer (HCI) i mózg-maszyna (BMI) oraz interfejsy mózg-komputer (BCI).

Według autorów, warto uzupełnić powyższą klasyfikację o kategorię interfejsów nerwowych (NI) i technologii biofeedback (BFDB)(Ryc.2). Interfejsy Człowiek-Komputer (HCI) oznaczałyby w tej klasyfikacji wszystkie te interfejsy Człowiek-Maszyna (HMI), które nie są bezpośrednio sprzężone z układem nerwowym człowieka. Przez bezpośrednie sprzężenie, autorzy rozumieją oddziaływanie złącza wprost na tkankę nerwową (nie poprzez układ czuciowy) lub pomiar wielkości, które są podstawową konsekwencją funkcjonowania komórek nerwowych, takich jak aktywność bioelektryczna lub poziom utlenionej krwi w obszarach OUN.

Ryc.2

Ryc.2. Klasyfikacja technologii interfejsów człowiek-maszyna uzupełniona o interfejsy nerwowe (NI) i technologie biofeedback (BFBD). Elementem łączącym technologie interfejsów nerwowych i biofeedback są technologie neurofeedback (NeuroBFDB).

Interfejsy Mózg-Maszyna (BMI) stałyby się w zaproponowanej klasyfikacji – podsystemem Interfejsów Nerwowych (NI), które stanowią dziedzinę ogólniejszą, obejmującą poza mózgowiem, również sprzężenia z rdzeniem kręgowym i nerwami obwodowymi oraz sprzężenia inne niż pomiarowe. Natomiast same interfejsy BMI różniłyby się tym od interfejsów BCI, że interfejsy BMI mogą oddziaływać na mózg człowieka bez udziału komputera, tak jak ma to miejsce przy wykorzystaniu niektórych interfejsów stymulujących (np. tDCS). Zawężając oddziaływania „urządzenie-układ nerwowy” do mózgu – interfejsy nerwowe przechodzą w interfejsy mózg-maszyna (BMI). Interfejsy HCI wykorzystują naturalne wyjścia i wejście nerwowe (ang. natural output/input) do sterowania urządzeniami (np. klawiatura komputera, myszka, ruch gałek ocznych), natomiast interfejsy NI korzystają z wyjść i wejść sztucznych (ang. artificial output/input).

Technologie interfejsów nerwowych (ang. neural interfaces technology, NI) wykorzystują urządzenia medyczne, które oddziałują elektrycznie lub magnetycznie bezpośrednio z układem nerwowym. Bazując na przepływie informacji do lub z OUN, możemy podzielić systemy interfejsów nerwowych na dwie kategorie: interfejsy rejestrujące (ang. neural recording systems) oraz interfejsy stymulujące (ang. neural stimulation systems). Interfejsy rejestrujące pobierają dane dotyczące układu nerwowego wykorzystując przede wszystkim technologie elektrodiagnostyczne takie jak elektroencefalografia (EEG) lub diagnostyki obrazowej, takie jak funkcjonalny rezonans magnetyczny (fMRI). Interfejsy stymulujące oddziałują na układ nerwowy za pomocą pól elektrycznych lub magnetycznych, powodując aktywację lub dezaktywację ośrodków nerwowych.

Interfejsy rejestrujące sprowadzają się głównie do interfejsów mózg-komputer (ang. brain computer interfaces, BCI). Interfejs BCI jest urządzeniem umożliwiającym rejestrację sygnału fizjologicznego z OUN (ang. brain signals), transformację na postać cyfrową oraz przetworzenie umożliwiające sterowanie innymi urządzeniami zgodnie z wyznaczonym celem. Ośrodkowy układ nerwowy posiada naturalne wyjścia (ang. natural output) dla sygnałów sterujących pracą układu mięśniowego i hormonalnego. BCI stanowi osobne, sztuczne wyjście (ang. artificial output) dla sygnałów generowanych przez OUN, które oddziałują ze środowiskiem zewnętrznym lub zwrotnie z organizmem generującym te sygnały. Interfejs pozwala na zastąpienie (ang. replace), odtworzenie (ang. restore), ulepszenie (ang. enhance), uzupełnienie (ang. supplements) lub poprawę (ang. improve) funkcjonowania naturalnych wyjść dla sygnałów pochodzących z OUN [28]. Mierzone biosygnały mogą mieć postać zarówno szeregów czasowych jak i obrazów. Systemy BCI możemy podzielić na inwazyjne i nieinwazyjne. Do pierwszej kategorii należą systemy oparte na EEG, MEG, fMRI i NIRS (spektroskopia bliskiej podczerwieni), do drugiej - interfejsy korowe: EcoG (elektrokortykografia) i rejestracja aktywności kory mózgu za pomocą macierzy wieloelektrodowych (lub mikroelektrodowych; ang. multi electrode array, MEA) oraz metody pomiaru aktywności bioelektrycznej pojedynczych neuronów lub niewielkiej objętości tkanki nerwowej, takie jak SUA (ang. single-unit activity), MUA (ang. multi-unit activity) lub LFP (ang. local field potentials). Wymienione metody różnią się również pod względem rozdzielczości czasowej i przestrzennej stosowanej metody pomiarowej. Najwyższą rozdzielczość czasową i przestrzenną mają interfejsy korowe oparte na EcoG. Wysoką rozdzielczość czasową, lecz stosunkowo niską przestrzenną mają systemy EEG-BCI. Wysoką rozdzielczość przestrzenną ale stosunkowo niską czasową – MRI-BCI [8].

Technologie BCI znajdują zastosowanie zarówno jako sprzęt rehabilitacyjny jak i wspomagający (ang. assistive technology – AT). Interfejs BCI wykorzystywany jako sprzęt wspomagający może służyć do zastąpienia utraconych funkcji ruchowych lub językowych poprzez sterowanie elektrycznymi wózkami, egzoszkieletami lub aplikacjami komputerowymi służącymi do komunikacji interpersonalnej. Może służyć do odtworzenia utraconych szlaków sterujących pracą sparaliżowanych mięśni szkieletowych lub pęcherza poprzez kontrolę elektroprotez lub neuroprotez. BCI może być skonfigurowane tak, aby monitorować aktywność bioelektryczną mózgu charakterystyczną dla skupienia uwagi oraz uruchamiać urządzenie generujące dźwięk w celu zaalarmowania o zmniejszeniu poziomu uwagi poniżej wyznaczonego progu. Takie zastosowanie, ulepszające kontrolę ze strony OUN może być przydatne np. podczas jazdy samochodem. Interfejs BCI może służyć jako uzupełnienie naturalnych wyjść z OUN do sterowania dodatkowymi, sztucznymi kończynami, robotami lub jako dodatkowy kontroler komputera (np. w grach komputerowych).

Interfejsy mózg-komputer są również wykorzystywane w neurorehabilitacji. Opierając się na zjawisku neuroplastyczności, interfejsy BCI usprawniają procesy uczenia się. Do zastosowań neurorehabilitacyjnych można wykorzystać interfejsy dwukierunkowe, systemy BCI sprzężone z robotami rehabilitacyjnymi (ang. robot-assisted neuromotor reh.) lub systemy neurofeedback.

Interfejsy stymulujące to urządzenia oddziałujące na układ nerwowy polami elektrycznymi, magnetycznymi lub (rzadziej) mechanicznie. Do interfejsów stymulujących, wspomagających (AT), należą urządzenia odtwarzające naturalne drogi czuciowe poprzez zapewnienie sztucznych wejść (ang. artificial input) do układu nerwowego. Takie interfejsy można nazwać neuroprotezami. Przykładem może być neuroproteza czucia somatycznego - proteza dłoni1. Przy kontakcie z przedmiotem wibruje lub generuje zastępcze, czuciowe sprzężenie zwrotne za pomocą prądu elektrycznego, wytwarzającego delikatne wibracje. Dokładniej odwzorowującą doznania czuciowe metodą jest zastosowanie interfejsów SSNI (ang. somato-sensory neural interfaces). Metoda polega na bezpośredniej stymulacji układu nerwowego. Stymulowane mogą być różne części układu obwodowego, ośrodkowego w tym stymulacja kory czuciowej. Stosuje się również elektrody implantowane bezpośrednio do nerwów czuciowych. Poza odtwarzaniem elementów systemu czucia somatycznego istnieją również neuroprotezy systemów wzrokowych, słuchowych oraz układu ruchowego. Te ostatnie oparte są na działających przezskórnie (tFES) lub implantowanych urządzeniach FES (poprawa funkcji ręki lub stopy) oraz urządzenia odtwarzające funkcje pęcherza poprzez stymulacje odpowiednich nerwów autonomicznych (również FES).

Do interfejsów stymulujących mających zastosowanie w neurorehabilitacji należą urządzenia do elektrostymulacji mózgu (ang. electrical brain stimulation, EBS), elektrostymulacji rdzenia, nerwów obwodowych oraz przezczaszkowej stymulacji magnetycznej (ang. transcranial magnetic stimulation, TMS). Najbardziej popularne techniki EBS to przezczaszkowa elektrostymulacja (ang. transcranial current stimulation, tCS), której najpopularniejsza odmianą jest przezczaszkowa elektrostymulacja prądem stałym (ang. transcranial direct current stimulation, tDCS). Natomiast przezskórna elektrostymulacja funkcjonalna (ang. transcutaneus functional electrical stimulation, tFES) jest techniką pośrednio oddziałującą na mózg (ale bezpośrednio na płytkę nerwowo-mięśniową) poprzez kontrolowane pobudzanie mięśni, a przez to aktywowanie wrzecion mięśniowych i narządów ścięgnistych Golgiego generujących impulsację aferentną docierającą do neuronów rdzenia i mózgu (ang. sensory feedback) w tym kory czuciowej, która z kolei połączona jest z korą ruchową. Nazwa FES jest czasami zamiennie stosowana z NMES, czyli elektrostymulacją nerwowo-mięśniową (ang. neuro-muscular elektrical stimulation). Według autorów, jeśli celem stymulacji jest regeneracja nerwów obwodowych i/lub mięśni - wtedy mówimy o stymulacji NMES (fizykoterapia), natomiast jeśli celem jest pobudzenie zmian plastycznych w mózgu lub sztuczne odtworzenie funkcji ruchowych, przykładowo po udarze, wtedy mówimy o FES (trening lub wspomaganie). Technicznie FES i NMES nie różnią się. Metoda FES/NMES stanowi łącznik pomiędzy interfejsami nerwowymi a klasyczną fizykoterapią.

Wszystkie technologie dostarczające energii do tkanek człowieka (dawka) są częściowo inwazyjne, jednak techniki takie jak tCS, tFES lub TMS nie wymagają żadnych ingerencji chirurgicznych. Do w pełni inwazyjnych technik EBS należy głęboka stymulacja mózgu (ang. deep brain stimulation, DBS), która polega na wprowadzeniu elektrody do głębiej położonych struktur mózgu. Takie rozwiązanie znacznie zwiększa selektywność oddziaływania stymulacji - kosztem ryzyka związanego z operacją neurochirurgiczną i posiadaniem wszczepionego urządzenia.

Poza interfejsami rejestrującymi i stymulującymi istnieją również interfejsy dwukierunkowe (ang. bidirectional interfaces), które łączą obydwa typy interfejsów. Przykładem interfejsów dwukierunkowych mogą być urządzenia łączące pomiar aktywności kory ruchowej ze stymulacją kory czuciowej, pomiar EEG połączony ze stymulacją FES/NMES lub pomiar sEMG/sEMG BFDB ze stymulacją FES/NMES (ang. elektromyography triggered stimulation, ETS). Interfejsy dwukierunkowe tworzą dodatkową, sztuczną ścieżkę kontroli motorycznej, omijającą miejsce uszkodzenia w drogach ruchowych. Uczenie się wzorca ruchowego polega na nauce sekwencji aktywacji odpowiednich mięśni (wzorzec eferentny) oraz reakcji sensorycznej towarzyszącej wykonaniu ruchu (wzorzec aferentny). Wzorzec aferentny (aktualna kopia) jest porównywany z wzorcem eferentnym dla danego programu ruchowego, co pozwala na ewentualną korektę ruchu. Działanie interfejsu dwukierunkowego ETS opiera się na selektywnym odtworzeniu, optymalizacji i wzmocnieniu tego procesu (reanimacja pętli czuciowo-ruchowej; teoria integracji senso-motorycznej)[2, 7].


Bibliografia

  1. Allen S.J., Watson J.J., Shoemark D.K. i in., GDNF, NGF and BDNF as therapeutic options for neurodegeneration, Pharmacology & Therapeutics, 2013.
  2. Błaszczyk J., Modele cybernetyczne wybranych struktur i funkcji układu nerwowego, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa, 2009.
  3. Casadio M., Tamagnone I., Summa S., Sanguineti V., Neuromotor recovery from stroke: computational models at central, functional, and muscle synergy level, źródło: http://www.ncbi.nlm.nih.gov/pubmed/23986688 [dostęp: 1.06.2014].
  4. Cudo A., Zabielska E., Bałaj B., Wprowadzenie w zagadnienie interfejsów mózg-komputer, [w:] Studia z Psychologii w KUL, tom 17, s. 189-211, red. Gorbaniuk O., Kostrubiec-Wojtachnio B., Musiał D. i in.
  5. De Miranda M.A., Doggett M.A., Evans T.J., Medical Technology: Contexts and Contend in Science and Technology, źródło: http://people.wku.edu/mark.doggett/MedTechPrimer6.0.pdf [dostęp: 11.10.2016]
  6. Gajda J., Pomiary i identyfikacja w diagnostyce medycznej, [w:] Podstawy inżynierii Biomedycznej. Tom I, red. Tadeusiewicz R., Augustyniak P., Wydawnictwa AGH, Kraków, 2009.
  7. Garczyk A., Namysł J., Wstęp teoretyczny do treningu EMG Biofeedback i ETS w terapii zaburzeń neuromotorycznych po uszkodzeniach ośrodkowego układu nerwowego, [w:] Biofeedback Innowacje, red. Borkowski P., Wydawnictwo Akademii im. Jana Długosza w Częstochowie, Częstochowa, 2015.
  8. Gerven M., Farquhar J., Schaefer R. i in., The Brain-Computer Interfaces Cycle, Journal of Neural Engineering, Wrzesień, 2009.
  9. Giggins O., McCarthy Persson U., Caulfield B. (2013), Biofeedback in rehabilitation, Journal of NeuroEngineering and Rehabilitation, 10:60.
  10. Gwiazdowska B., Pawlicki G., Fizyku Medyczny - gdzie twoje miejsce? Historia i perspektywy fizyki medycznej w Polsce, Polish Journal of Medical Physics and Engineering, 2006.
  11. Hess G. (2009), Przekaźnictwo synaptyczne i plastyczność synaptyczna, [w:] Neurocybernetyka Teoretyczna, red. R. Tadeusiewicz, Wyd. Uniwersytetu Warszawskiego, Warszawa.
  12. http://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains#t-1178711 [dostęp: 11.10.2016]
  13. Jaśkowski P. (2004), Zarys psychofizjologii, Wyższa Szkoła Finansów i Zarządzania, Warszawa.
  14. Kossut M., Synapsy i plastyczność mózgu, źródło: http://fundacjarozwoju-nauki.pl/res/Tom1/Nauka%20swiatowa%20i%20polska%5B1%5D. Rozdzial%2009.pdf [dostęp: 1.06.2014].
  15. Krakauer J.W. (2006), Motor learning: its relevance to stroke recovery and neurorehabilitation, „Current Opinion in Neurology”, nr 19, s. 84–90.
  16. Mazur M. (1999), Cybernetyka i charakter, Wyższa Szkoła Zarządzania i Przedsiębiorczości im.Bogdana Jańskiego, Warszawa.
  17. Merzenich M.M., Van Vleet T.M., Nahum M., Brain plasticity-based therapeutics, Frontiers In Human Neuroscience, 2014.
  18. Ojanguren E.I., Kostic M., Bejarano N.C., Keller T., Workshop on Transcutaneous Functional Electrical Stimulation, [w:] Emerging Therapies in Neurorehabilitation II, red. Pons J.L, Raya R., González J., Springer International Publishing, 2016.
  19. Purves D., Augustine G.J., Fitzpatrick D. i in., Neuroscience, 2nd edition, źródło: https://www.ncbi.nlm.nih.gov/books/NBK10799/ [dostęp: 11.10.2016]
  20. Pąchalska M. Rehabilitacja neuropsychologiczna. UMCS, Lublin, 2008.
  21. Razavi S., Nazem G., Mardani M., Neurotrophic factors and their effects in the treatment of multiple sclerosis, Advanced Biomedical Research, 2015.
  22. Tadeusiewicz R., Biocybernetyka, Wydawnictwa Zakładu Narodowego im. Ossolińskich i Polskiej Akademii Nauk, Wrocław, 1988.
  23. Tadeusiewicz R., Izworski A., Majewski J.: Biometria, Wydawnictwa AGH, Kraków, 1993.
  24. Tadeusiewicz R.: Neurocybernetyka Teoretyczna, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa 2009.
  25. The Neurobiology of Neurofeedback, Wikipedia-Books, źródło: http://en.wikipedia.org/wiki/Book:The_Neurobiology_of_Neurofeedback [dostęp: 11.10.2016]
  26. Thomson M., Thomson L. (2012), Neurofeedback, Biomed Neurotechnologie, Wrocław.
  27. Wang W., Collinger J.L, Perez A.M. i in., Neural Interface Technology for Rehabilitation: Exploiting and Promoting Neuroplasticity, źródło: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2788507/ [dostęp: 11.10.2016]
  28. Wolpaw R.J, Winter Wolpaw E., Brain-Computer Interfaces: Principles and Practice, Oxford University Press, New York, 2012
  29. Zawada J.: Wybrane zagadnienia z podstaw metrologii, Wydawnictwo Politechniki Łódzkiej, Łódź, 2002.

Przypisy

  1. Sama proteza dłoni nie jest interfejsem nerwowym ani neuroprotezą. Neuroprotezą jest system zastępujący elementy układu czuciowego. Wg autorów neuroproteza oddziałująca mechanicznie na układ człowieka należy do interfejsów HMI/HCI, a ze względu na funkcję/cel do technologii wspomagających (AT).
  2. Zdaniem autorów, neurofeedback formalnie należy do biofeedbacku fizjologicznego. Zastosowane rozdzielenie neurofeedbacku od biofeedbacku ma wymiar czysto praktyczny, polegający na odróżnieniu sygnałów pochodzących z mózgu od innych sygnałów fizjologicznych.
  3. Podział zaproponowany przez Giggins i in. 2013 [9]
  4. Modele jakościowe sprowadzają się do opisu przepływu informacji za pomocą diagramów (schematów blokowych) i, w przeciwieństwie do modeli ilościowych, nie wykorzystują matematycznego opisu zjawisk, przez co są znacznie bardziej ogólne i nie pozwalają na precyzyjną analizę zachowania się systemu [2]. Modele jakościowe mają wartość przede wszystkim edukacyjną i w tym aspekcie są lepsze niz modele ilościowe ponieważ pozwalają na łatwiejsze zrozumienie procesów zachodzących w obrebie systemu który modelują.