واجهة دماغ وحاسوب ثنائية اليد بالتخيّل الحركي ترفع نجاح إعادة التأهيل الروبوتي إلى 90٪
التفاصيل
الخلاصة
طوّر فريق بحثي نظام واجهة الدماغ والحاسوب (BCI) يعتمد على التخيّل الحركي (motor imagery — MI) لكلتا اليدين في آنٍ واحد، بهدف تدريب المستخدمين على مهام وصول ثنائية اليد بمساعدة روبوت. يجمع النظام بين مُصنِّفات تعلُّم الآلة لفكّ الترميز العصبي لاتجاه الحركة المقصود، واستراتيجية 'تحكّم مشترك' تُصحّح أخطاء فكّ الترميز وتدير سرعة الحركة عبر استقلالية الروبوت. في تجربة مع ثمانية مشاركين، ارتفع معدل نجاح المهمة من 48.33٪ دون مساعدة إلى 90٪ مع أعلى مستوى مساعدة روبوتية.
ماذا حدث؟
وفقاً لدراسة نُشرت في IEEE TNSRE، طوّر الباحثون نظاماً جديداً لواجهة الدماغ والحاسوب (BCI) يعمل في الزمن الفعلي (online) ويستهدف التدريب الروبوتي المساعد ثنائي اليد. يقوم النظام على نموذج تخيّل حركي (MI) يتضمّن تخيّل ثلاثة اتجاهات حركة منسّقة لكلتا اليدين معاً: يسار، ووسط، ويمين. كما يتضمّن النظام استراتيجية تحكّم مشترك تستند إلى معرفة مسبقة لتصحيح أخطاء فكّ ترميز الاتجاه، بينما تتولّى استقلالية الروبوت إدارة سرعة الحركة. اختبر الفريق النظام عبر مهمتين: مهمة تخيّل حركي ثنائي اليد بخطوة واحدة، ومهمة وصول متعددة الخطوات بمساعدة الروبوت.
لماذا هذا مهم؟
أشارت الدراسة إلى أن معظم أنظمة واجهة الدماغ والحاسوب (BCI) السابقة المُوجَّهة لإعادة التأهيل الروبوتي ركّزت على التخيّل الحركي لطرف واحد فقط، في حين تظل صعوبة فكّ الترميز العصبي لإشارات تخطيط كهربية الدماغ (electroencephalography — EEG) بدقة وموثوقية تحدّياً مستمراً. المهام اليومية الحقيقية غالباً ما تتطلّب تنسيقاً بين اليدين معاً، ما يجعل تطوير نماذج ثنائية اليد خطوة ضرورية نحو أنظمة تدريب أقرب لاحتياجات الحياة الواقعية، بدلاً من الاقتصار على نماذج أحادية الطرف.
كيف تعمل التقنية؟
يعتمد النظام على مصفوفة إشارات EEG تُحلَّل بواسطة نماذج فكّ ترميز مختلفة لتحديد اتجاه التخيّل الحركي المقصود من بين ثلاثة اتجاهات ثنائية اليد. بعد فكّ الترميز، تتدخّل طبقة 'التحكّم المشترك' التي تجمع بين نية المستخدم المُستنتَجة من الدماغ ومعرفة مسبقة حول المهمة لتصحيح الأخطاء المحتملة في تحديد الاتجاه، بينما يتولّى الروبوت بشكل مستقل تعديل سرعة الحركة أثناء التنفيذ. هذا التصميم يوزّع المسؤولية بين المستخدم والروبوت بدلاً من الاعتماد الكامل على دقة فكّ الترميز العصبي وحدها.
ماذا نعرف حتى الآن؟
وفقاً لنتائج الدراسة، جُرِّبت ستة نماذج شائعة لتقييم جدوى نموذج التخيّل الحركي ثنائي اليد في تجارب فكّ ترميز غير متصلة (offline) شارك فيها ثمانية أشخاص، وحقّقت جميع النماذج الستة دقة متوسطة أعلى بشكل ملحوظ من مستوى الصدفة البالغ 33.33٪. وحقّق نموذج EEGNet أعلى دقة فكّ ترميز غير متصلة بنسبة 52.93٪، مقابل دقة فكّ ترميز في الزمن الفعلي بلغت 49.67٪ لنفس النموذج. أما في مهمة الوصول متعددة الخطوات في الزمن الفعلي، فقد بلغ معدل النجاح 48.33٪ دون أي مساعدة روبوتية، وارتفع إلى 71.67٪ مع مساعدة منخفضة المستوى، ثم إلى 80.00٪ مع مساعدة متوسطة المستوى، ووصل إلى 90.00٪ مع مساعدة عالية المستوى.
ما الذي لا نعرفه بعد؟
اقتصرت التجربة على ثمانية مشاركين، وهي عيّنة صغيرة لا تسمح بتعميم النتائج على نطاق واسع. لا تتوفر في الحقائق المُتحقَّق منها معلومات عن مشاركة مرضى فعليين (مثل الناجين من السكتة الدماغية) الذين يمثّلون الفئة المستهدفة الفعلية لإعادة التأهيل، ولا عن مدى استمرارية تحسّن الأداء على المدى الطويل أو أثره الوظيفي الفعلي. كما لا تتوفر معلومات حول أي مقارنة مباشرة مع أنظمة BCI أحادية اليد من حيث الكفاءة الزمنية أو راحة المستخدم، ولا حول أي مسار تنظيمي أو تجاري لهذا النظام، إذ لا يزال العمل في مرحلة بحثية.
وجهة نظر Arab Neurotech
يمثّل الانتقال من نماذج التخيّل الحركي أحادية الطرف إلى نماذج ثنائية اليد خطوة منطقية نحو محاكاة الحركة البشرية الطبيعية بشكل أدق. الأهم في هذه الدراسة، من وجهة نظرنا، ليس فقط تحسّن دقة فكّ الترميز العصبي، بل فكرة 'التحكّم المشترك' التي تعوّض ضعف الدقة الخام بمساعدة روبوتية ذكية، وهو نهج عملي أثبت جدواه بارتفاع معدلات النجاح بشكل واضح مع زيادة مستوى المساعدة. مع ذلك، يبقى السؤال الأهم مفتوحاً: كيف سيتصرّف هذا النظام مع مرضى فعليين تعاني دماغهم من تغيّرات ناتجة عن إصابة أو سكتة، وهو ما تحتاجه دراسات لاحقة أوسع نطاقاً قبل أي حديث عن تطبيق سريري.
المصادر
IEEE Transactions on Neural Systems and Rehabilitation Engineering (IEEE TNSRE): https://ieeexplore.ieee.org/document/11614585
المصادر
- IEEE TNSRE مصدر أساسي