Pesquisadores da EPFL desenvolveram uma interface cérebro-máquina miniaturizada de última geração, capaz de comunicação direta entre cérebro e texto em pequenos chips de silício.
As interfaces cérebro-máquina (BMIs) surgiram como uma solução promissora para restaurar a comunicação e o controle de indivíduos com deficiências motoras graves. Tradicionalmente, esses sistemas eram volumosos, consumiam muita energia e eram limitados em suas aplicações práticas. Pesquisadores da EPFL desenvolveram a primeira Interface Cérebro-Máquina Miniaturizada (MiBMI) de alto desempenho, oferecendo uma solução extremamente pequena, de baixo consumo de energia, altamente precisa e versátil. Publicada na última edição do IEEE Journal of Solid-State Circuits e apresentada na International Solid-State Circuits Conference, a MiBMI não apenas melhora a eficiência e a escalabilidade das interfaces cérebro-máquina, mas também abre caminho para dispositivos práticos e totalmente implantáveis. Essa tecnologia tem o potencial de melhorar significativamente a qualidade de vida de pacientes com condições como esclerose lateral amiotrófica (ELA) e lesões na medula espinhal.
Esse avanço nos aproxima de soluções práticas e implantáveis.
Mahsa Shoaran
O tamanho pequeno e a baixa potência do MiBMI são características-chave, tornando o sistema adequado para aplicações implantáveis. Sua invasividade mínima garante segurança e praticidade para uso em ambientes clínicos e da vida real. Também é um sistema totalmente integrado, o que significa que a gravação e o processamento são feitos em dois chips extremamente pequenos com uma área total de 8 mm2. Este é o mais recente de uma nova classe de dispositivos BMI de baixa potência desenvolvidos no Laboratório de Neurotecnologias Integradas de Mahsa Shoaran nos institutos IEM e Neuro X da EPFL.
“O MiBMI nos permite converter atividade neural complexa em texto legível com alta precisão e baixo consumo de energia. Esse avanço nos aproxima de soluções práticas e implantáveis que podem melhorar significativamente as habilidades de comunicação de indivíduos com deficiências motoras graves”, diz Shoaran.
A conversão de cérebro para texto envolve a decodificação de sinais neurais gerados quando uma pessoa imagina escrever letras ou palavras. Nesse processo, eletrodos implantados no cérebro registram a atividade neural associada às ações motoras da escrita à mão. O chipset MiBMI então processa esses sinais em tempo real, traduzindo os movimentos das mãos pretendidos pelo cérebro em texto digital correspondente. Essa tecnologia permite que indivíduos, especialmente aqueles com síndrome do encarceramento e outras deficiências motoras graves, se comuniquem simplesmente pensando em escrever, com a interface convertendo seus pensamentos em texto legível em uma tela.
O chip converte a atividade de escrita à mão em texto com uma precisão impressionante de 91%.
Mohammad Ali Shayari
“Embora o chip ainda não tenha sido integrado a um BMI funcional, ele processou dados de gravações ao vivo anteriores, como as do laboratório Shenoy em Stanford, convertendo atividade de escrita à mão em texto com uma precisão impressionante de 91%”, diz o autor principal Mohammed Ali Shaeri. O chip pode atualmente decodificar até 31 caracteres diferentes, uma conquista inigualável por qualquer outro sistema integrado. “Estamos confiantes de que podemos decodificar até 100 caracteres, mas um conjunto de dados de escrita à mão com mais caracteres ainda não está disponível”, acrescenta Shaeri.
Os BMIs atuais registram os dados de eletrodos implantados no cérebro e então enviam esses sinais para um computador separado para fazer a decodificação. Os chips MiBMI registram os dados, mas também processam as informações em tempo real, integrando um sistema de gravação neural de 192 canais com um decodificador neural de 512 canais. Esse avanço neurotecnológico é um feito de miniaturização extrema que combina expertise em circuitos integrados, engenharia neural e inteligência artificial. Essa inovação é particularmente empolgante na era emergente de startups de neurotecnologia no domínio do BMI, onde integração e miniaturização são focos principais. O MiBMI da EPFL oferece insights promissores e potencial para o futuro do campo.
Nosso objetivo é desenvolver um IMC versátil que possa ser adaptado a vários distúrbios neurológicos, fornecendo uma gama mais ampla de soluções para os pacientes.
Mahsa Shoaran
Para conseguir processar a enorme quantidade de informações captadas pelos eletrodos no BMI miniaturizado, os pesquisadores tiveram que adotar uma abordagem completamente diferente para a análise de dados. Eles descobriram que a atividade cerebral para cada letra, quando o paciente imagina escrevê-la à mão, contém marcadores muito específicos, que os pesquisadores chamaram de códigos neurais distintos (DNCs). Em vez de processar milhares de bytes de dados para cada letra, o microchip só precisa processar os DNCs, que são cerca de cem bytes. Isso torna o sistema rápido, preciso e com baixo consumo de energia. Esse avanço também permite tempos de treinamento mais rápidos, tornando o aprendizado de como usar o BMI mais fácil e acessível.
Colaborações com outras equipes nos Institutos Neuro-X e IEM da EPFL, como com os laboratórios de Grégoire Courtine, Silvestro Micera, Stéphanie Lacour e David Atienza prometem criar a próxima geração de sistemas BMI integrados. Shoaran, Shaeri e sua equipe estão explorando várias aplicações para o sistema MiBMI além do reconhecimento de caligrafia. “Estamos colaborando com outros grupos de pesquisa para testar o sistema em diferentes contextos, como decodificação de fala e controle de movimento. Nosso objetivo é desenvolver um BMI versátil que possa ser adaptado a vários distúrbios neurológicos, fornecendo uma gama mais ampla de soluções para os pacientes”, diz Shoaran.
Referências
MA Shaeri, U. Shin, A. Yadav, R. Caramellino, G. Rainer e M. Shoaran, “MiBMI: Um chipset de interface cérebro-máquina miniaturizado de 192/512 canais e 2,46 mm² que permite conversão de cérebro para texto de 31 classes por meio de códigos neurais distintos”, 2024 IEEE International Solid-State Circuits Conference (ISSCC), São Francisco, CA, EUA, 2024, pp. 546'548, doi: 10.1109/ISSCC49657.2024.10454533.
MA Shaeri, U. Shin, A. Yadav, R. Caramellino, G. Rainer, M. Shoaran, “A 2,46 mm2 Interface cérebro-máquina miniaturizada (MiBMI) permitindo decodificação de cérebro para texto de 31 classes”, em IEEE Journal of Solid-State Circuits (JSSC), 2024, doi: 10.1109/JSSC.2024.3443254
