L'intelligenza artificiale migliora la precisione della stimolazione cerebrale per le protesi visive. / AI improves precision of brain stimulation for visual prostheses

L'intelligenza artificiale migliora la precisione della stimolazione cerebrale per le protesi visive. / AI improves precision of brain stimulation for visual prostheses

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa 

Un modello di intelligenza artificiale ha migliorato la precisione della stimolazione elettrica utilizzata per creare percezioni visive in un partecipante non vedente.

Ricercatori dell'Università della California a Santa Barbara (UCSB), del Politecnico di Zurigo (ETH) e dell'Università Miguel Hernández (MHU) hanno utilizzato un sistema di apprendimento profondo per progettare schemi di stimolazione per una matrice di elettrodi a 96 canali impiantata nella corteccia visiva dei partecipanti. Il loro lavoro è descritto in dettaglio sulla rivista Neuron.

Lo studio si proponeva di migliorare la comprensione di come la stimolazione elettrica del cervello si traduca in percezioni visive. I ricercatori hanno affermato che questo approccio potrebbe contribuire a rendere le future protesi visive corticali più prevedibili e reattive alle esigenze dei singoli utenti.

Il lavoro si inserisce in una più ampia sperimentazione di fattibilità condotta in Spagna nel 2024, quando i ricercatori del Bionic Vision Lab dell'UCSB si sono recati all'ospedale IMED di Elche per testare i loro metodi computazionali su un uomo di 27 anni che aveva perso la vista in seguito ad un trauma cranico.

L'impianto, la cui rimozione era prevista dopo sei mesi, era in grado di erogare stimolazione elettrica e registrare l'attività neurale. In seguito alla stimolazione, il partecipante percepiva fosfeni, ovvero lampi, macchie, anelli o forme geometriche di luce percepiti in assenza di una fonte luminosa esterna.

I ricercatori hanno addestrato una rete neurale utilizzando misurazioni dell'attività cerebrale generate da diverse combinazioni di impostazioni di stimolazione. Il modello ha inoltre incorporato le misurazioni dell'attività cerebrale del partecipante immediatamente prima della stimolazione.

È stato quindi utilizzato per identificare schemi di stimolazione elettrica che si prevedeva generassero particolari risposte neurali. Durante i test, gli schemi generati dall'IA hanno riprodotto l'attività cerebrale mirata con maggiore precisione, richiedendo al contempo una minore corrente elettrica rispetto ai metodi alternativi utilizzati nello studio.

I ricercatori hanno anche scoperto che l'attività neurale registrata forniva un'indicazione migliore di ciò che il partecipante percepiva rispetto alle sole impostazioni di stimolazione elettrica; in alcuni esperimenti, egli ha riferito caratteristiche quali la forma, le dimensioni, la luminosità ed il colore del fosfene.

I risultati mettono in luce una sfida nello sviluppo di protesi visive corticali, ovvero il fatto che la stimolazione elettrica non può essere semplicemente trattata come un equivalente diretto dei singoli pixel di un'immagine.

"Gli ingegneri tendono naturalmente a trattare i fosfeni come pixel: stimolando più elettrodi, si dovrebbe ottenere un'immagine più completa", ha affermato Beyeler. "Ma il cervello non funziona in questo modo. Gli elettrodi interagiscono, le risposte neurali fluttuano e ciò che immettiamo nel cervello non è necessariamente ciò che la persona percepisce. La sfida è comprendere meglio questa trasformazione."

Le protesi corticali bypassano gli occhi ed di nervi ottici stimolando direttamente la corteccia visiva. Questo approccio potrebbe essere potenzialmente utile per le persone che hanno subito danni agli occhi od a parti precedenti del percorso visivo, pur mantenendo la corteccia visiva reattiva alla stimolazione.

I ricercatori hanno aggiunto che l'integrazione di misurazioni in tempo reale dell'attività cerebrale potrebbe aiutare le protesi ad adattarsi ai cambiamenti nelle risposte neurali.

"Una protesi visiva efficace non può basarsi su una formula predefinita", ha affermato Beyeler. "Deve imparare come reagisce il cervello di ogni singolo individuo ed adattare la stimolazione di conseguenza. In definitiva, il dispositivo dovrebbe adattarsi alla persona, non viceversa."

ENGLISH

An artificial intelligence model has improved the precision of electrical stimulation used to create visual perceptions in a blind participant.

Researchers from UC Santa Barbara (UCSB), ETH Zurich and Miguel Hernández University (MHU) used a deep-learning system to design stimulation patterns for a 96-channel electrode array implanted in the participant’s visual cortex. Their work is detailed in Neuron.

The study aimed to improve understanding of how electrical stimulation of the brain translates into visual perceptions. The researchers said the approach could help make future cortical visual prostheses more predictable and responsive to individual users.

The work forms part of a wider feasibility trial carried out in Spain in 2024, when researchers from UCSB’s Bionic Vision Lab travelled to Hospital IMED Elche to test their computational methods on a 27-year-old man who had lost his sight following a traumatic brain injury.

The implant, which was scheduled for removal after six months, could deliver electrical stimulation and record neural activity. When stimulated, the participant experienced phosphenes, which are flashes, spots, rings or geometric shapes of light perceived without an external light source.

Researchers trained a neural network using measurements of brain activity generated by different combinations of stimulation settings. The model also incorporated measurements of the participant’s brain activity immediately before stimulation.

It was then used to identify electrical stimulation patterns predicted to generate particular neural responses. When tested, the AI-generated patterns reproduced targeted brain activity more accurately while requiring less electrical current than the alternative methods used in the study.

The researchers also found that recorded neural activity provided a better indication of what the participant perceived than the electrical stimulation settings alone; in some experiments, he reported characteristics including the shape, size, brightness and colour of the phosphene.

The findings highlight a challenge in developing cortical visual prostheses, namely that  electrical stimulation cannot simply be treated as a direct equivalent of individual pixels in an image.

“Engineers naturally want to treat phosphenes like pixels: stimulate more electrodes, and you should get a more complete image,” said Beyeler. “But the brain does not work that way. Electrodes interact, neural responses fluctuate, and what we put into the brain is not necessarily what the person perceives. The challenge is to learn more about that transformation.”

Cortical prostheses bypass the eyes and optic nerves by stimulating the visual cortex directly. The approach could potentially be relevant to people whose eyes or earlier parts of the visual pathway have been damaged while their visual cortex remains responsive to stimulation.

The researchers added that incorporating real-time measurements of brain activity could help prostheses accommodate changes in neural responses.

“A useful visual prosthesis cannot rely on a fixed recipe,” Beyeler said. “It has to learn how an individual brain responds and adapt the stimulation accordingly. Ultimately, the device should adapt to the person, not the other way around.”

Da:

https://www.theengineer.co.uk/content/news/ai-precision-of-brain-stimulation-for-visual-prostheses?rcip=giuseppecotellessa%40libero.it&utm_campaign=Daily%20Bulletin%20-110826%20-%20Tuesday&utm_content=&utm_term=https%3A%2F%2Fwww.theengineer.co.uk%2Fcontent%2Fnews%2Fai-precision-of-brain-stimulation-for-visual-prostheses&utm_medium=email&utm_source=The%20Engineer