KI-gesteuertes bionisches Auge übertrifft Standardmethoden bei blindem Patienten

Forschende haben gezeigt, dass künstliche Intelligenz künftige Sehprothesen für die Hirnrinde: Geräte, die manchmal als «bionische Augen» bezeichnet werden: präziser und anpassungsfähiger machen kann. Dies geht aus einer Machbarkeitsstudie hervor, die am 7. August in der Fachzeitschrift Neuron veröffentlicht wurde.eurekalert+1

KI-entworfenes Stimulation übertrifft konventionelle Methoden

Ein Team der UC Santa Barbara, der ETH Zürich und der Miguel Hernández University trainierte ein tiefes neuronales Netz darauf, vorherzusagen, wie das Gehirn eines blinden Teilnehmers auf verschiedene elektrische Stimulationsmuster reagieren würde, die über ein im visuellen Kortex implantiertes Array mit 96 Elektroden abgegeben wurden. Das Modell arbeitete anschließend in umgekehrter Richtung, um die Stimulationsparameter zu ermitteln, die mit größter Wahrscheinlichkeit ein gewünschtes Muster neuronaler Aktivität erzeugen.bioengineer+1

Beim Test mit dem Teilnehmer: einem 27-jährigen Mann, der sein Sehvermögen nach einem Schädel-Hirn-Trauma verloren hatte: bildeten die von der KI entworfenen Muster die angestrebte Gehirnaktivität präziser ab und benötigten dabei weniger elektrischen Strom als konventionelle Verfahren. Die Forschenden stellten zudem fest, dass die aufgezeichnete neuronale Aktivität aufschlussreicher darüber war, was der Teilnehmer wahrnahm, als die Stimulationsparameter allein. Dies unterstreicht, dass die Reaktion des Gehirns auf ein Signal ebenso wichtig ist wie das Signal selbst.eurekalert+1

«Ingenieure neigen naturally dazu, Phosphene wie Pixel zu behandeln: Stimuliert man mehr Elektroden, sollte man ein vollständigeres Bild erhalten», sagte Michael Beyeler, außerordentlicher Professor für Informatik an der UC Santa Barbara und Mitautor der Studie. «Aber das Gehirn funktioniert so nicht.»eurekalert

Von starren Rezepten zu adaptiven Geräten

Das Implantat, das im Rahmen einer umfassenderen Machbarkeitsstudie am Hospital IMED Elche in Spanien eingesetzt wurde, konnte sowohl elektrischen Strom abgeben als auch die Reaktion des Gehirns aufzeichnen. Diese Fähigkeit ermöglichte es dem Deep-Learning-Modell, mit echten neuronalen Daten zu trainieren, anstatt sich ausschließlich auf vorgegebene Stimulationsregeln zu stützen. Das Modell bezog zudem Messungen der Ruheaktivität des Gehirns vor jedem Stimulationsereignis ein, sodass es Schwankungen der neuronalen Erregbarkeit von Moment zu Moment ausgleichen konnte.bioengineer+1

Die Wahrnehmung des Teilnehmers blieb weiterhin auf Phosphene beschränkt: Lichtpunkte, Blitze oder Formen: anstatt detaillierte Bilder zu liefern. Das System weist jedoch den Weg in eine Zukunft, in der Prothesen fortlaufend lernen, wie ein individuelles Gehirn reagiert, und die Stimulation in Echtzeit anpassen.news.ucsb+1

Weg zu personalisierten Prothesen

Die Studie baut auf Berechnungsarbeiten auf, die durch den National Institutes of Health Director's New Innovator Award 2022 für Beyeler gefördert wurden. Das Projekt wurde von den Erstautoren Pehuén Moure von der ETH Zürich, Jacob Granley von der UC Santa Barbara und Fabrizio Grani von der Miguel Hernández University geleitet.eurekalert

Kortikale Prothesen umgehen die Augen und Sehnerven vollständig. Das könnte Menschen zugutekommen, deren Erblindung durch Schlaganfälle, neurodegenerative Erkrankungen oder Hirnverletzungen verursacht wurde. «Eine nützliche Sehprothese kann sich nicht auf ein starres Rezept stützen», sagte Beyeler. «Sie muss lernen, wie ein individuelles Gehirn reagiert, und die Stimulation entsprechend anpassen. Letztlich sollte sich das Gerät an den Menschen anpassen, nicht umgekehrt.»eurekalert