«Відкрити череп, вставити електроди»

Нещодавно група нейрофізіологів з лабораторії професора Медичної школи Університету Дьюка Мігеля Ніколесіса (Miguel Nicolelis) продемонструвала управління колісною платформою за допомогою сигналів, отриманих від електродів, імплантованих в моторну кору мозку мавпи. Такі роботи відкривають перспективи створення протезів та інвалідних крісел для паралізованих хворих, які зможуть керувати їх рухом просто «силою думки». З іншого боку, хірургічна імплантація електродів у мозок залишається лякаючою і небезпечною процедурою, здатною обмежити застосування цих технологій. Про те, як проходили експерименти з мавпами і яке майбутнє чекає інвазивні методи реєстрації активності нейронів, ми поговорили з одним з авторів роботи, дослідником з Університету Дьюка Михайлом Лебедєвим.

«N+1»: За останні роки ваша група провела абсолютно приголомшливі роботи з використанням мікроелектродів: розширення видимого спектру щурів підключенням ВК-датчиків; управління відразу парою роборук за рахунок сигналів, отриманих з моторної кори мавпи; з'єднання мізків двох мавп в єдиний керуючий пристрій... На такому яскравому тлі нова робота з «мисленим» контролем над колісною платформою чимось виділяється?

М.Л.: Виділяється, причому досить помітно. Справа в тому, що раніше зчитування сигналів з моторної кори розглядалося тільки з точки зору управління кінцівкою - рукою, ногою... При цьому нейронні механізми, пов'язані з переміщенням всього тіла, залишаються нерозкритими навіть на фундаментальному рівні. Тому до самого початку експериментів залишалося неясним, чи зможемо ми в принципі, вважаючи сигнали управління руками і ногами, інтерпретувати їх з точки зору руху всього тіла. У мавпи не було ніякого важеля та інших способів направляти колісну платформу - вона просто представляла відповідні рухи рук і ніг у просторі.

Можна згадати, як зазвичай малюють мозок з моторним гомункулусом: одній області відповідають нейрони, що керують рухом руки, іншій - ноги або шиї... Зверніть увагу: на цій схемі ніде немає групи нейронів, яка б відповідала тілу в цілому, його переміщенню в просторі. Так як області мозку, що представляють все тіло, поки не описані, ми спробували отримати потрібний сигнал з активностей нейронів, які керують кінцівками, і на тому ж гомункулусі яскраво виділяються.

Більш того, зараз ми готуємо статтю, пов'язану з продовженням цієї історії. У новому варіанті експерименту ми скомбінували його з підходом, який використовували раніше, в роботі з «об'єднанням» двох мізків: одна мавпа їздила у своєму візку, а інша сиділа в кутку, спостерігаючи за нею. Рухи візка відбивалися в мозку і водія, і спостерігача. У цьому великої новини немає: відомо, що руху істот, за якими людина спостерігає, дзеркалюється в активності та її власних нейронів. Однак нам вдалося об'єднати сигнали і «водія», і «спостерігача», а потім передати управління колесами підсумковому, підсумовуючому сигналу.

Leo Reynolds / Flickr

«N+1»:Тут виникає питання про те, як саме виділяється потрібний сигнал. Для інтерпретації даних про збудження сотень нейронів знадобилася нейронна мережа?

М.Л.:У цій частині ми вирішили вчинити максимально просто і використовували порівняно нескладний метод виділення сигналу, фільтр Вінера. Спрощено кажучи, наша модель отримувала дані по частоті розрядів нейронів, множила активність кожного на певний ваговий коефіцієнт, підсумовувала і на виході давала потрібний параметр - в нашому випадку, це або швидкість руху вперед-назад, або кутова швидкість, що відповідає обертанню візка навколо вертикальної осі. Такий фільтр, звичайно, потребує попереднього навчання, щоб вибрати правильні коефіцієнти.

На етапі навчання фільтра мавпа не керувала візком, а просто каталася на ньому, руху коліс випадковим чином задавав комп'ютер. За допомогою наших електродів ми реєстрували активність, яка виникала в моторній корі мавпи у відповідь на різні види рухів. Фільтр Вінера оцінював цю активність і залежно від її величини в кожному випадку присвоював два коефіцієнти: «внесок» нейрона в рух вперед-назад і в поворот навколо своєї осі. Тобто, якщо нейрон активно збуджувався при такому русі, він отримував великий коефіцієнт, якщо ні, то маленький.

З досвіду ми знаємо, що це не дуже складне завдання, і для навчання фільтру при тій кількості вхідних даних, що ми маємо, - а це порядку 300 нейронів з двох півкуль - достатньо сеансу максимум в 10 хвилин. Потім ми вже можемо передати управління мавпі.

При спробі рушити в певний бік її нейрони розряджаються, ці дані знімаються і надходять в навчений фільтр, де перемножуються на потрібні коефіцієнти, підсумовуються - і ми отримуємо на виході дві швидкісні компоненти. При цьому, у міру того як мавпа освоює таке управління, її мозок пластично адаптується, видаючи все більш чіткий сигнал, і мавпа швидше добирається до нагороди.

Leo Reynolds / Flickr