מה השיגו החוקרים?

ההישג המרכזי היה מערכת בלולאה סגולה (closed-loop) שלא רק גירתה את המוח בדפוס קבוע, אלא למדה מתגובות המוח עצמו והתאימה את הגירוי בזמן אמת. המחקר כלל גבר בן 27 שאיבד את ראייתו עקב פגיעת ראש טראומטית. לשתל הושתלה זמנית מערך של 96 אלקטרודות בקליפת הראייה שלו למשך שישה חודשים בבית החולים IMED באלצ'ה, ספרד, מה שאיפשר לצוות גם לגרות את המוח וגם לתעד את תגובותיו בו-זמנית .

באמצעות מערך זה, הדפוסים שעוצבו על ידי הבינה המלאכותית שחזרו במדויק את פעילות המוח המבוקשת תוך שימוש בפחות זרם חשמלי לעומת שיטות ההשוואה – ממצא שיכול להפחית תופעות לוואי ולצרוך פחות חשמל במכשירים עתידיים .

כיצד עבד מודל הלמידה העמוקה?

הרשת העצבית אומנה לחזות כיצד קליפת הראייה של המשתתף תגיב לשילובים שונים של פרמטרי גירוי. קריטי לציין שהמודל לקח בחשבון לא רק אילו אלקטרודות הופעלו ובאיזה עוצמת זרם, אלא גם את פעילות המוח במנוחה מיד לפני כל אירוע גירוי .

לאחר האימון, המודל שימש בכיוון הפוך: במקום רק לחזות תוצאות, הוא חיפש את הגדרות הגירוי שסביר להניח שיפיקו דפוס רצוי של פעילות עצבית. זוהי גישת בקרה מבוססת-מודל בלולאה סגולה . במקום ליישם מתכון גירוי אחיד לכולם, המערכת התאימה את הפלט שלה באופן מתמיד בהתאם למצב המוח הנוכחי.

תגובת המוח לעומת אות הגירוי בלבד

הממצא החשוב ביותר של המחקר הוא שפעילות עצבית מתועדת הייתה מנבא מדויק יותר של מה שהמשתתף תפס בפועל (פוספינים – הבזקים, צורות וצבעים) מאשר הגדרות הגירוי בלבד . משמעות הדבר היא שידיעה אילו אלקטרודות הופעלו וכמה זרם הועבר לא הספיקה כדי לקבוע לחלוטין את החוויה החזותית. היה צורך למדוד ולפרש את תגובת המוח עצמו כדי לחזות את התפיסה באופן אמין.

תוצאה זו מדגישה אתגר מרכזי בתחום הפרוטזות העצביות: האות הנשלח למוח אינו קובע לחלוטין את התפיסה שעולה ממנו . המוח אינו מקלט פסיבי; מצבו הרגעי מעצב באופן פעיל את מה שאנו רואים.

הדרך לפרוטזות ראייה מותאמות אישית

המתודולוגיה מצביעה על דור חדש של פרוטזות ראייה אדפטיביות ומותאמות אישית, שילמדו באופן מתמיד את הדינמיקה העצבית של כל משתמש ויתאימו את הגירוי בזמן אמת . ההשלכות העיקריות:

• כיול דינמי: המערכת יכולה להסתגל כאשר מצב הבסיס של המוח משתנה, דבר שנותן מענה לאתגר אמינות מרכזי שהטריד שתלים קודמים שפעלו לפי פרוטוקול קבוע .
• הספק נמוך יותר ופחות תופעות לוואי: מאחר שהדפוסים שעוצבו על ידי הבינה המלאכותית השיגו את מטרותיהם בפחות זרם חשמלי, מכשירים עתידיים עשויים להיות בטוחים יותר ולפעול זמן רב יותר בטעינה אחת .
• התאמה אישית: החוקר הראשי, מייקל ביילר, אמר: "פרוטזת ראייה שימושית אינה יכולה להסתמך על מתכון קבוע. בסופו של דבר, ההתקן צריך להסתגל לאדם, ולא להיפך."
• מסלול קליני: השלבים הבאים של הניסוי בספרד שואפים להפוך את הפרוטזות הללו מאבות טיפוס ניסיוניים לטיפולים קליניים ברי-קיימא לעיוורון שנגרם משבץ מוחי, מחלות ניווניות או טראומה .

למרות שהמחקר כלל משתתף יחיד, הוא מדגים עקרון יסודי שיכול לשנות את האופן שבו מערכות ראייה ביונית מתוכננות – מגירויים סטטיים לממשקים אינטליגנטיים ולומדים שעובדים עם הדינמיקה הטבעית של המוח.

מה השיגו החוקרים?

ההישג המרכזי היה מערכת בלולאה סגולה (closed-loop) שלא רק גירתה את המוח בדפוס קבוע, אלא למדה מתגובות המוח עצמו והתאימה את הגירוי בזמן אמת. המחקר כלל גבר בן 27 שאיבד את ראייתו עקב פגיעת ראש טראומטית. לשתל הושתלה זמנית מערך של 96 אלקטרודות בקליפת הראייה שלו למשך שישה חודשים בבית החולים IMED באלצ'ה, ספרד, מה שאיפשר לצוות גם לגרות את המוח וגם לתעד את תגובותיו בו-זמנית .

באמצעות מערך זה, הדפוסים שעוצבו על ידי הבינה המלאכותית שחזרו במדויק את פעילות המוח המבוקשת תוך שימוש בפחות זרם חשמלי לעומת שיטות ההשוואה – ממצא שיכול להפחית תופעות לוואי ולצרוך פחות חשמל במכשירים עתידיים .

כיצד עבד מודל הלמידה העמוקה?

הרשת העצבית אומנה לחזות כיצד קליפת הראייה של המשתתף תגיב לשילובים שונים של פרמטרי גירוי. קריטי לציין שהמודל לקח בחשבון לא רק אילו אלקטרודות הופעלו ובאיזה עוצמת זרם, אלא גם את פעילות המוח במנוחה מיד לפני כל אירוע גירוי .

לאחר האימון, המודל שימש בכיוון הפוך: במקום רק לחזות תוצאות, הוא חיפש את הגדרות הגירוי שסביר להניח שיפיקו דפוס רצוי של פעילות עצבית. זוהי גישת בקרה מבוססת-מודל בלולאה סגולה . במקום ליישם מתכון גירוי אחיד לכולם, המערכת התאימה את הפלט שלה באופן מתמיד בהתאם למצב המוח הנוכחי.

תגובת המוח לעומת אות הגירוי בלבד

הממצא החשוב ביותר של המחקר הוא שפעילות עצבית מתועדת הייתה מנבא מדויק יותר של מה שהמשתתף תפס בפועל (פוספינים – הבזקים, צורות וצבעים) מאשר הגדרות הגירוי בלבד . משמעות הדבר היא שידיעה אילו אלקטרודות הופעלו וכמה זרם הועבר לא הספיקה כדי לקבוע לחלוטין את החוויה החזותית. היה צורך למדוד ולפרש את תגובת המוח עצמו כדי לחזות את התפיסה באופן אמין.

תוצאה זו מדגישה אתגר מרכזי בתחום הפרוטזות העצביות: האות הנשלח למוח אינו קובע לחלוטין את התפיסה שעולה ממנו . המוח אינו מקלט פסיבי; מצבו הרגעי מעצב באופן פעיל את מה שאנו רואים.

הדרך לפרוטזות ראייה מותאמות אישית

המתודולוגיה מצביעה על דור חדש של פרוטזות ראייה אדפטיביות ומותאמות אישית, שילמדו באופן מתמיד את הדינמיקה העצבית של כל משתמש ויתאימו את הגירוי בזמן אמת . ההשלכות העיקריות:

• כיול דינמי: המערכת יכולה להסתגל כאשר מצב הבסיס של המוח משתנה, דבר שנותן מענה לאתגר אמינות מרכזי שהטריד שתלים קודמים שפעלו לפי פרוטוקול קבוע .
• הספק נמוך יותר ופחות תופעות לוואי: מאחר שהדפוסים שעוצבו על ידי הבינה המלאכותית השיגו את מטרותיהם בפחות זרם חשמלי, מכשירים עתידיים עשויים להיות בטוחים יותר ולפעול זמן רב יותר בטעינה אחת .
• התאמה אישית: החוקר הראשי, מייקל ביילר, אמר: "פרוטזת ראייה שימושית אינה יכולה להסתמך על מתכון קבוע. בסופו של דבר, ההתקן צריך להסתגל לאדם, ולא להיפך."
• מסלול קליני: השלבים הבאים של הניסוי בספרד שואפים להפוך את הפרוטזות הללו מאבות טיפוס ניסיוניים לטיפולים קליניים ברי-קיימא לעיוורון שנגרם משבץ מוחי, מחלות ניווניות או טראומה .

למרות שהמחקר כלל משתתף יחיד, הוא מדגים עקרון יסודי שיכול לשנות את האופן שבו מערכות ראייה ביונית מתוכננות – מגירויים סטטיים לממשקים אינטליגנטיים ולומדים שעובדים עם הדינמיקה הטבעית של המוח.