ზურგის ტვინის C5 დონის დაზიანება აწყვეტს კავშირს თავის ტვინსა და ხელის მტევნებს შორის. მოტორული ქერქი აგრძელებს მოძრაობის ბრძანებების გენერირებას, თუმცა ელექტრული სიგნალი დაზიანების ზონას ვერ გადის. ნეირონული ბაიპასის მთავარი ამოცანაა ამ დაკარგული სიგნალის დაჭერა და მისი გარდაქმნა ციფრულ ბრძანებად. კვლევის ფარგლებში მეცნიერებმა პაციენტის ტვინში მოათავსეს მიკროელექტროდების მასივი, რომელიც აფიქსირებს ნეირონების აქტივობას ხელის განძრევის მცდელობისას. ეს მონაცემები რეალურ დროში გადაეცემა დამუშავების ბლოკს, სადაც ალგორითმი შიფრავს პაციენტის განზრახვას. პროცესი მოითხოვს მაღალი სიზუსტის სენსორებს, რადგან ათასობით ნეირონის ერთდროული აქტივობიდან კონკრეტული მოძრაობის შაბლონის გამოყოფა რთულ გამოთვლებს უკავშირდება.
კვლევა გაგრძელდა სამ წელზე მეტხანს და მასში მონაწილეობდა სრული ტეტრაპლეგიის მქონე 42 წლის ერთი პაციენტი.
ნეირონული ბაიპასის არქიტექტურა და სიგნალის მარშრუტიზაცია
სისტემის მუშაობა ეფუძნება სამ ძირითად კომპონენტს, ესენია ტვინის სიგნალების ჩამწერი, დამუშავების ალგორითმი და შემსრულებელი მექანიზმი. როდესაც პაციენტი ცდილობს თითების შეკუმშვას, Brain-Computer Interface ტექნოლოგია იწერს მოტორული ქერქის ელექტრულ პოტენციალს. ალგორითმი წამიერად ადგენს მოძრაობის ტიპსა და საჭირო ძალას. ამის შემდეგ სისტემა აგზავნის იმპულსებს წინამხრის კუნთებზე განთავსებულ ელექტროდებზე და პარალელურად მართავს ხელზე მორგებულ აქტიურ ორთეზს. კუნთების ფუნქციური ელექტროსტიმულაცია იწვევს ბუნებრივ შეკუმშვას, ხოლო ორთეზი უზრუნველყოფს დამატებით მექანიკურ სტაბილურობასა და ძალას. ორივე სისტემის სინქრონული მუშაობა საშუალებას აძლევს პაციენტს შეასრულოს ისეთი მოძრაობები, რომლებიც ცალკეული კომპონენტით შეუძლებელი იქნებოდა.
ბიოლოგიური სიგნალების დეკოდირება რთული ამოცანაა, რადგან ნეირონული აქტივობა დროთა განმავლობაში იცვლება. უბრალო ხაზოვანი ალგორითმები ვერ უზრუნველყოფენ თითების ზუსტ და ნაზ მოძრაობას. ამ პრობლემის გადასაჭრელად მკვლევრებმა გამოიყენეს მანქანური სწავლების მოდელები, რომლებიც უწყვეტად ეგუებიან პაციენტის ტვინის სიგნალების ცვლილებას. ალგორითმი სწავლობს პაციენტის ინდივიდუალურ ნეირონულ შაბლონებს და ამცირებს ცდომილებას სიგნალის დეკოდირებისას. შედეგად, სისტემა ითვალისწინებს კუნთების დაღლილობას და არეგულირებს ელექტრული სტიმულაციის ინტენსივობას რეალურ დროში.
მყიფე ცარიელი კვერცხის ნაჭუჭის ჭერის ტესტში წარმატებული ჩაჭიდების მაჩვენებელი 27 პროცენტიდან 87 პროცენტამდე გაიზარდა ღრმა განმტკიცებითი სწავლების გამოყენების შემდეგ.
ძალის კონტროლი წარმოადგენს ნეიროპროთეზირების ყველაზე კრიტიკულ ასპექტს. კვერცხის ნაჭუჭის ტესტში პაციენტს უნდა მოეხდინა ობიექტის ჭერა ისე, რომ იგი არ გაეტეხა და არც ხელიდან გაემშვა. Deep Reinforcement Learning ალგორითმის გარეშე პაციენტი აღწევდა მხოლოდ 27 პროცენტიან სიზუსტეს, რადგან კუნთების ელექტროსტიმულაცია ხშირად იწვევდა გადაჭარბებულ შეკუმშვას. ღრმა განმტკიცებითი სწავლების ინტეგრაციის შემდეგ სისტემამ ისწავლა სტიმულაციის ინტენსივობის მილიწამებში კორექტირება, რამაც წარმატების მაჩვენებელი 87 პროცენტამდე გაზარდა. ეს შედეგი ადასტურებს, რომ ხელოვნური ინტელექტის მიერ განხორციელებული უკუკავშირი აუცილებელია ნაზი მოტორული ფუნქციების აღსადგენად.
ყოველდღიური ფუნქციების აღდგენა და ლაბორატორიული ტესტები
ექსპერიმენტული სისტემის მთავარი მიღწევა ყოველდღიური მოქმედებების დამოუკიდებლად შესრულებაა. პაციენტმა შეძლო მაგიდიდან ჭიქის აღება, პირთან მიტანა და სითხის დალევა, ასევე საკვების ჩანგლით აღება და მიღება. როგორც The Guardian იტყობინება, ეს ქმედებები განხორციელდა გარეშე პირების ფიზიკური დახმარების გარეშე. ტვინის იმპლანტისა და ორთეზის კომბინაციამ შესაძლებელი გახადა ისეთი რთული მრავალეტაპიანი მოძრაობების კოორდინაცია, რომლებიც მოითხოვს მხრის, იდაყვისა და მტევნის ერთდროულ მუშაობას. ლაბორატორიული დაკვირვებისას პაციენტმა რამდენჯერმე წარმატებით გაიმეორა აღნიშნული ციკლი სხვადასხვა წონისა და ფორმის ჭურჭლის გამოყენებით.
ეს კვლევა აჩვენებს მნიშვნელოვან პროგრესს პარალიჩის დაძლევის ტექნოლოგიურ მიდგომაში. ბიოლოგიური ქსოვილების სრული აღდგენის მოლოდინის სანაცვლოდ, ინჟინერიისა და ნეირომეცნიერების სინთეზმა შექმნა ფუნქციური ალტერნატივა. ციფრული ბაიპასი არ კურნავს ზურგის ტვინის დაზიანებას, თუმცა უბრუნებს ადამიანს ელემენტარულ ავტონომიას, რაც ყოველდღიურ ცხოვრებაში გადამწყვეტი ფაქტორია.
კვლევის შედეგების შეფასებისას აუცილებელია შეზღუდვების გათვალისწინება. ექსპერიმენტი ჩატარდა მხოლოდ ერთ 42 წლის პაციენტზე კონტროლირებად ლაბორატორიულ გარემოში. სისტემა მოითხოვს ხანგრძლივ კალიბრაციას, ქირურგიულ ჩარევას და რთულ ტექნიკურ ინფრასტრუქტურას. ეს არ არის საყოველთაოდ ხელმისაწვდომი პროდუქტი ან მზა კლინიკური გადაწყვეტა.
ტრადიციული პასიური ეგზოჩონჩხები და პროთეზები ეფუძნება წინასწარ დაპროგრამებულ მოძრაობებს ან გარეგან ღილაკებს. ნეირონული ბაიპასი განსხვავდება უკუკავშირის დახურული ციკლით. პაციენტი არ აჭერს ღილაკს, არამედ ფიქრობს მოძრაობაზე, ხოლო სისტემა კითხულობს ამ იმპულსს და იყენებს სენსორულ უკუკავშირს ძალის დასარეგულირებლად. ეს ქმნის ბუნებრივი მოძრაობის იმიტაციას და ამცირებს პაციენტის გონებრივ დატვირთვას ამოცანების შესრულებისას.
სამწლიანი დაკვირვების განმავლობაში სისტემამ შეინარჩუნა სტაბილურობა და ტვინის სიგნალების დეკოდირების მაღალი სიზუსტე.
ტექნოლოგიის განვითარების პერსპექტივები და შემდგომი ნაბიჯები
ნეიროპროთეზირების ფართო პრაქტიკაში დანერგვისთვის საჭიროა რამდენიმე ბარიერის გადალახვა. პირველ რიგში ეს არის აპარატურის უსადენო ფორმატზე გადაყვანა და კომპონენტების მინიატურიზაცია. ამჟამინდელი ლაბორატორიული კონფიგურაცია მოითხოვს კაბელებსა და გარეგან გამომთვლელ სიმძლავრეებს. შემდგომი კვლევები მიზნად ისახავს მრავალცენტრიანი კლინიკური გამოცდების ჩატარებას სხვადასხვა ტიპის დაზიანების მქონე პაციენტებზე, რათა შემოწმდეს სისტემის ეფექტურობა ფართო პოპულაციაში.
2026 წლის Nature Medicine-ის კვლევამ დაადასტურა, რომ ტვინის იმპლანტისა და ხელოვნური ინტელექტის ინტეგრაციას შეუძლია მძიმე პარალიჩის მქონე ადამიანებს დაუბრუნოს ელემენტარული თვითმომსახურების უნარი. თუმცა ტექნოლოგია რჩება ექსპერიმენტულ ეტაპზე და მოითხოვს შემდგომ ოპტიმიზაციას მასობრივ პრაქტიკაში შესვლამდე.
