Le moderne neurotecnologie portano la scienza ai confini più avanzati: recentemente è stata sviluppata un’interfaccia neurale per la digitazione in grado di consentire, alle persone con paralisi, di comunicare alla velocità dei loro pensieri. Tale tipo di interfaccia neurale, che traduce i pensieri in caratteri, sta portando a una modalità di comunicazione rapida, che si avvicina sempre di più a una realtà pratica.
Una delle più importanti forme di libertà è infatti quella legata all’espressione, alla parola e al pensiero. Nessuno di noi è veramente libero se non può esprimere un’opinione.
BCI e la digitazione assistita: dove eravamo rimasti
La mente umana, o più semplicemente il cervello, è un sistema molto complesso. Così complesso che l’uomo non è ancora riuscito a comprenderlo del tutto. Ad oggi i ricercatori non hanno raggiunto una conoscenza completa della fisiologia dei circuiti neurali ma, nonostante questo, lo studio delle interfacce cervello-computer (BCI – brain computer interface) risulta essere in continuo sviluppo.
Una ricerca del 2019 condotta all’Università della California a San Francisco (UCSF) ha realizzato quella che poi è stata definita una svolta nel settore delle neurotecnologie: un “decoder” che permette la trasduzione diretta delle onde celebrali in segnali sonori.
Addestrando degli algoritmi di machine learning è stato possibile decodificare i segnali in input provenienti dalla corteccia celebrare, e restituire in output il suono.
Ma cosa vuol dire “impianto neurale”?
Gli impianti neurali sono dispositivi inseriti all’interno del corpo. Tali dispositivi interagiscono con i neuroni, consentendo agli scienziati di “hackerare” il sistema nervoso. Si denota quindi come interventi di questo stampo possano divenire strumenti medici estremamente potenti. Le BCI, a differenza dei dispositivi di digitazione assistita ad oggi disponibili in commercio, ripristinano la funzione cerebrale. Ciò può avvenire anche per le persone la cui paralisi altera i movimenti oculari o la vocalizzazione, decifrandone i modelli di attività celebrale (Figura 1).
Tuttavia la digitazione è una attività molto complessa. Le BCI sviluppate finora non sono state in grado di competere con tecnologie assistite più semplici come gli eye–tracker.
Anche la iBCI (intracortical brain–computer interface) che ha avuto maggiore successo negli anni precedenti, e che prevede l’impianto di un sensore nel cervello, non è riuscita comunque a fornire una velocità di digitazione elevata (ha raggiunto una velocità di 40 caratteri al minuto). Un dispositivo simile, di cui abbiamo recentemente parlato, ha però aperto la strada verso una nuova generazione di iBCI.
La rivoluzione avviata da Francis Willett
Il Dottor Francis Willett ha recentemente presentato una BCI in grado di superare i dispositivi del passato in termini di prestazione e funzionalità. Si parla di un duplice miglioramento rispetto alle iBCI precedenti, con una precisione e una velocità di 90 caratteri al minuto. La velocità di digitazione più alta mai riportata.
Il team di ricerca ha sviluppato un approccio del tutto innovativo, che prevede la decodifica delle lettere nel tempo stesso in cui gli utenti immaginano di scrivere.
L’innovazione risiede nell’algoritmo di classificazione di apprendimento automatico – sviluppato originariamente per il riconoscimento vocale -, che ha permesso di basarsi sulla sola attività neurale.
Come funziona il nuovo sistema?
Tramite degli elettrodi che vengono impiantati nel cervello, le attività dei neuroni vengono misurante mentre l’utente immagina di scrivere ogni lettera. Un tipo di rete neurale artificiale (i.e., rete neurale ricorrente – RNN), particolarmente efficace nel prevedere dati sequenziali (i.e., machine learning), apprende i modelli di attività neurale prodotti e li analizza.
Si generano così dei grafici a grappolo. Entra poi in gioco l’algoritmo di classificazione che, utilizzando le informazioni prodotte, prevede le lettere immaginate in corso dall’utente. Tale previsione viene poi tradotta in un output tipografico (Figura 2).
Un set di dati etichettato è un set di dati per i quali si conosce già la risposta target: in base ai dati appresi nella fase di training, la macchina è quindi in grado di fare le opportune predizioni. Tale set, contenente i modelli di attività neurale corrispondente a ciascun carattere, è stato utilizzato per addestrare l’algoritmo di classificazione.
Più nel dettaglio…
La RNN che apprende i modelli di attività neurale prodotti è stata utilizzata per ottenere una classificazione accurata in uno spazio ad alta dimensione.
Le RNN, ispirate alla connettività ciclica dei neuroni nel cervello, utilizzano loop di funzioni iterative per memorizzare le informazioni. Per sfruttare però la loro massima potenza, occorrono ampi dati di addestramento che, nelle interfacce neurali, sono limitati. Proprio perché immaginare di scrivere per ore e ore non è facile da parte dei partecipanti.
Il team di ricerca ha risolto il problema dei dati di addestramento limitati, utilizzando un insieme di tecniche che permette di aumentare il dataset di training delle reti neurali artificiali, senza raccogliere nuovi elementi. Tale approccio è chiamato data augmentation (i.e., aumento dei dati).
L’aumento dei dati, agendo come un regolarizzatore, minimizza l’errore. Inoltre aiuta a ridurre l’overfitting (i.e., sovra-adattamento) durante l’addestramento di un modello di apprendimento automatico.
I modelli di attività neurale, generati precedentemente dall’utente, vengono quindi utilizzati per produrre frasi artificiali su cui addestrare l’RNN (Figura 3).
L’algoritmo di Willett risulta essere così una vera e propria rivoluzione nel campo delle neurotecnologie, ampliando quello che era l’orizzonte delle applicazioni iBCI.
Dai risultati di questo studio è emerso un concetto fondamentale:
L’attività neurale del soggetto, durante la scrittura a mano, risulta avere una maggiore variabilità temporale tra i caratteri rispetto all’attività neurale durante il disegno di linee rette.
Le lettere possono quindi essere più facili da distinguere l’una dall’altra rispetto ai movimenti punto a punto, in quanto hanno più varietà nei loro schemi spazio-temporali. Ciò mette in evidenza come potrebbe essere vantaggioso decodificare comportamenti complessi piuttosto che comportamenti semplici, rispetto a quanto si possa intuitivamente pensare.
Nonostante ci sia ancora molta strada da fare in questo ambito, il team di Willett sta attualmente rendendo pubblico il proprio set di dati affinché la ricerca possa progredire e accelerare i progressi.
Un aspetto da non sottovalutare: l’intervento chirurgico
E’ importante sottolineare che la velocità di battitura non è l’unico fattore da considerare per determinare la prestazione di una BCI. Anche la longevità e la robustezza dell’approccio richiedono un’analisi appurata.
Le interfacce cervello-computer, essendo dispositivi impiantabili nel cervello, devono infatti fornire prestazioni alquanto elevate e vantaggi in termini di usabilità di un certo calibro. Tutto ciò al fine di giustificare le spese e i rischi associati all’operazione chirurgica.
Appare chiaro come un intervento chirurgico al cervello risulti difficile da giustificare, a meno che il soggetto in esame non abbia gravi necessità mediche. Da qui nasce l’esigenza, da parte degli ingegneri, di progettare costantemente dispositivi che abbiano una limitata invasività e un impatto meno traumatico possibile. Un esempio di questi è lo “stentrode”, un elettrodo innovativo simile a uno stent, che prevede un approccio chirurgico meno invadente. Essendo inserito infatti attraverso i vasi sanguigni, esclude la necessità di un intervento chirurgico a cervello aperto.
Credits: IEEE Spectrum
Cosa ci aspetta in futuro
Il sistema appena descritto non è ancora un sistema completo e clinicamente validato, poichè si trova ancora in una fase di maturazione. Prima di una diffusa adozione clinica c’è bisogno di un duro lavoro, sia per verificare se l’approccio può essere generalizzato per altri utenti, sia per verificare se è utilizzabile in ambienti esterni al laboratorio. Infine è importante riconoscere che, grazie allo sviluppo di questo nuovo algoritmo di classificazione, una scrittura a mano ad alte prestazioni è possibile.
Quando le neuroscienze si incontrano con l’ingegneria e la medicina, il futuro delle BCI non può che essere luminoso.
Fonti e approfondimenti
- Nature.com – Neural interface translates thoughts into type
- IEEE Spectrum – New Stent-like Electrode Allows Humans to Operate Computers With Their Thoughts Stentrode
- IEEE Spectrum – How Do Neural Implants Work?
