.
Maryam Shanechi, titular da Cátedra Sawchuk em Engenharia Elétrica e de Computação e diretora fundadora do Centro de Neurotecnologia da USC, e sua equipe desenvolveram um novo algoritmo de IA que pode separar padrões cerebrais relacionados a um comportamento específico. Este trabalho, que pode melhorar as interfaces cérebro-computador e descobrir novos padrões cerebrais, foi publicado no periódico Neurociência da Natureza.
Enquanto você lê esta história, seu cérebro está envolvido em múltiplos comportamentos.
Talvez você esteja movendo seu braço para pegar uma xícara de café, enquanto lê o artigo em voz alta para seu colega, e sentindo um pouco de fome. Todos esses comportamentos diferentes, como movimentos de braço, fala e diferentes estados internos, como fome, são codificados simultaneamente em seu cérebro. Essa codificação simultânea dá origem a padrões muito complexos e misturados na atividade elétrica do cérebro. Assim, um grande desafio é dissociar esses padrões cerebrais que codificam um comportamento específico, como movimento de braço, de todos os outros padrões cerebrais.
Por exemplo, essa dissociação é essencial para o desenvolvimento de interfaces cérebro-computador que visam restaurar o movimento em pacientes paralisados. Ao pensar em fazer um movimento, esses pacientes não conseguem comunicar seus pensamentos aos músculos. Para restaurar a função nesses pacientes, as interfaces cérebro-computador decodificam o movimento planejado diretamente de sua atividade cerebral e traduzem isso para mover um dispositivo externo, como um braço robótico ou cursor de computador.
Shanechi e seu antigo aluno de Ph.D., Omid Sani, que agora é um pesquisador associado em seu laboratório, desenvolveram um novo algoritmo de IA que aborda esse desafio. O algoritmo é chamado DPAD, de “Dissociative Prioritized Analysis of Dynamics”.
“Nosso algoritmo de IA, chamado DPAD, dissocia esses padrões cerebrais que codificam um comportamento de interesse específico, como o movimento do braço, de todos os outros padrões cerebrais que estão acontecendo ao mesmo tempo”, disse Shanechi. “Isso nos permite decodificar movimentos da atividade cerebral com mais precisão do que métodos anteriores, o que pode aprimorar as interfaces cérebro-computador. Além disso, nosso método também pode descobrir novos padrões no cérebro que, de outra forma, poderiam ser perdidos.”
“Um elemento-chave no algoritmo de IA é primeiro procurar padrões cerebrais que estejam relacionados ao comportamento de interesse e aprender esses padrões com prioridade durante o treinamento de uma rede neural profunda”, acrescentou Sani. “Depois de fazer isso, o algoritmo pode aprender todos os padrões restantes para que eles não mascarem ou confundam os padrões relacionados ao comportamento. Além disso, o uso de redes neurais dá ampla flexibilidade em termos dos tipos de padrões cerebrais que o algoritmo pode descrever.”
Além do movimento, esse algoritmo tem a flexibilidade de ser potencialmente usado no futuro para decodificar estados mentais como dor ou humor depressivo. Fazer isso pode ajudar a tratar melhor as condições de saúde mental rastreando os estados de sintomas de um paciente como feedback para adaptar precisamente suas terapias às suas necessidades.
“Estamos muito animados para desenvolver e demonstrar extensões do nosso método que podem rastrear estados de sintomas em condições de saúde mental”, disse Shanechi. “Fazer isso pode levar a interfaces cérebro-computador não apenas para distúrbios de movimento e paralisia, mas também para condições de saúde mental.”
.
