Fonte: Le Scienze29 dicembre 2017
Alcuni neuroscienziati stanno sfruttandotecniche usate nella crittografia perdecodificare i segnali che permettonoal cervello di muovere gli arti.Il loro obiettivo è arrivare a protesi neuralisempre più efficientidi Helen Shen/Scientific American
neuroscienzecomputer scienceI dispositivi protesici controllati dal cervellopotrebbero potenzialmente migliorare lavita delle persone con mobilità limitata acausa di lesioni o malattie.Per guidare queste interfacce cervello-computer, i neuroscienziati hanno sviluppatouna varietà di algoritmi che decodificanoi pensieri relativi al movimento in modosempre più accurato e preciso.Ora i ricercatori stanno ampliando laloro cassetta degli attrezzi prendendoin prestito tecniche dal mondo dellacrittografia per decodificare i segnalineurali e tradurli in movimenti.Durante la seconda guerra mondiale,gli addetti alla decodifica dei codici hannodecifrato il codice tedesco Enigma sfruttandola conoscenza di schemi presenti neimessaggi crittografati.Questi schemi includevano le tipichefrequenze e distribuzioni di certe letteree parole nel testo.Sapendo qualcosa su quello che ci siaspettava di leggere, l'informatico britannicoAlan Turing e i suoi colleghi erano riusciti atrovare la chiave per tradurre il codice inun linguaggio comprensibile.Anche molti movimenti umani, come camminareo stendere un braccio per afferrare qualcosa,seguono schemi prevedibili.La posizione dell'arto, la velocità e moltealtre caratteristiche del movimento tendonoa combinarsi in modo ordinato.Pensando a questa regolarità, Eva Dyer,neuroscienziata del Georgia Institute of Technology,ha deciso di testare nell'ambito delladecodifica neurale una strategia ispirataalla crittografia. Con i suoi colleghi, hapubblicato i risultati di un recente
studio su "Nature Biomedical Engineering"."Avevo già sentito parlare di questoapproccio, ma questo è uno dei primi studia essere pubblicato", dice Nicholas Hatsopoulos,neuroscienziato dell'Università di Chicago,che non è stato coinvolto nel lavoro."È piuttosto insolito".Le attuali interfacce cervello-computerusano i cosiddetti "decodificatori supervisionati"(supervised decoders).Questi algoritmi si basano su un'informazionedettagliata che è ottenuta momento permomento e che riguarda il movimento, peresempio posizione e velocità degli arti;questa informazione è registrata mentresi registra l'attività neurale.Raccogliere questi dati può essere un processolaborioso e dispendioso in termini di tempo.In seguito, l'informazione è usata per addestrareil decodificatore a tradurre gli schemi neurali neimovimenti corrispondenti.In termini di crittografia, sarebbe come confrontareun certo numero di messaggi già decrittati con leloro versioni criptate per decodificare la chiave.
Blend Images / AGAl contrario, il gruppo di Dyer hacercato di prevedere i movimenti usando solo imessaggi criptati (l'attività neurale) e unacomprensione generale dei modelli che emergonoin determinati movimenti.Il gruppo ha addestrato tre macachi a stendereil braccio o piegare il polso per guidare un cursoresu bersagli disposti attorno a un punto centrale.Allo stesso tempo, i ricercatori hanno usatoschiere di elettrodi per registrare l'attività dicirca 100 neuroni nella corteccia motoria, unaregione del cervello cruciale per il controllodel movimento, di ogni scimmia.Nel corso di molte prove sperimentali, iricercatori hanno ottenuto statistiche suimovimenti di ciascun animale, come la velocitàorizzontale e verticale. Un buon decodificatore,dice Dyer, dovrebbe trovare schemi sepoltinell'attività neurale che, come in una mappa,corrispondono a schemi visti nei movimenti.Per trovare il loro algoritmo di decodifica,i ricercatori hanno effettuato un'analisisull'attività neurale per estrarre e snellirela sua struttura matematica principale.Poi hanno testato un gran numero di modellicomputazionali per trovare quello cheallineava maggiormente gli schemi neuraliagli schemi di movimento.Quando i ricercatori hanno usato il loromodello migliore per decodificare l'attivitàneurale da prove individuali, sono stati ingrado di prevedere i movimenti reali deglianimali come nel caso di alcuni decodificatorisupervisionati di base."È un risultato molto interessante",afferma Jonathan Kao, neuroscienziatocomputazionale dell'Università della Californiaa Los Angeles, che non è stato coinvolto nellostudio. "In passato avrei pensato che averel'informazione momento per momento dellaprecisa estensione del braccio, conoscendola velocità in ogni momento, avrebbepermesso di costruire un decodificatore miglioredi quello ricavato dalle statistiche complessivedel movimento".Poiché il decodificatore di Dyer richiedevasolo statistiche generali sui movimenti, chetendono a essere simili tra gli animali o tra le persone, i ricercatori hanno anche potutousare schemi di movimento di una scimmiaper decifrare i dati neurali di un'altra scimmia,cosa che non è possibile fare con decodificatorisupervisionati tradizionali. In linea di principio,vuol dire che gli scienziati potrebbero ridurretempo e sforzi necessari per raccogliere datidi movimento dettagliati. Invece, potrebberoacquisire le informazioni una sola volta eusarle di nuovo oppure distribuirle peraddestrare le interfacce cervello-computerin molti animali o persone."Potrebbe essere molto utile sia per la comunitàscientifica che per quella medica", dice Hatsopoulos.Dyer definisce il suo lavoro una dimostrazionedi fattibilità per l'impiego di strategie crittografichenella decodifica dell'attività neurale, inoltre laneuroscienziata osserva che c'è ancora moltolavoro da fare prima di poter usare questometodo in modo esteso."Rispetto ai decodificatori di ultima generazione,questo non è ancora un metodo competitivo",afferma. L'algoritmo potrebbe essere miglioratoinviando segnali da un numero ancora piùgrande di neuroni, oppure fornendo ulterioricaratteristiche note dei movimenti, come latendenza degli animali a fare movimenti fluidi.Per essere utile a guidare i dispositivi protesici,l'approccio dovrebbe anche essere adattatoa decodificare i movimenti più complessi enaturali, un compito non banale. "Abbiamosolo scalfito la superficie", dice Dyer.(L'originale di questo articolo è stato
pubblicato su Scientific American il 27 dicembre 2017. Traduzione ed editing a cura di Le Scienze. Riproduzione autorizzata, tutti i diritti riservati.)