Kan AI omsætte motorintentioner til bevægelse ved Parkinson?

De menneske, der lever med Parkinsons, kan opleve, at intentionen om bevægelse fortsat dannes i hjernen, mens sygdommen påvirker de neurale processer, der er nødvendige for at omsætte intentionen til faktisk bevægelse. Det kan føre til stivhed, langsomme bevægelser og vanskeligheder med at igangsætte selv simple handlinger.

Det rejser et interessant spørgsmål: Kan kunstig intelligens bidrage til at skabe en funktionel kobling mellem hjernens signaler og kroppens evne til at bevæge sig?

Et aktuelt udviklingsprojekt undersøger netop denne mulighed ved at kombinere elektroencefalografi (EEG), machine learning og elektrisk muskelstimulering. Målet er at identificere neurofysiologiske signaler forbundet med motorintentioner og omsætte dem til aktivering af relevante muskelgrupper.

Projektet befinder sig fortsat på forskningsstadiet, men illustrerer et voksende interesseområde inden for sundhedsteknologi.

Hvorfor påvirker Parkinsons sygdom evnen til at bevæge sig?

Parkinsons sygdom er en neurodegenerativ lidelse, hvor dopaminproducerende nerveceller gradvist går tabt. Det påvirker hjernens evne til at koordinere og igangsætte bevægelser.

Konsekvenserne kan være rystelser, muskelstivhed, langsomme bevægelser og vanskeligheder med at påbegynde en bevægelse. Eksisterende behandlinger som medicin, fysioterapi og Deep Brain Stimulation kan reducere symptomerne, men der er fortsat behov for nye behandlings- og støtteteknologier.

Hvordan kan AI identificere motorintentioner i EEG-signaler?

Når et menneske planlægger en frivillig bevægelse, opstår der målbare ændringer i hjernens elektriske aktivitet, før bevægelsen udføres. Disse signaler kan registreres med EEG og analyseres for mønstre, der er associeret med motorintentioner.

I projektet kombineres EEG-data med bevægelsesdata for at træne machine learningsmodeller til at genkende signalmønstre, der er forbundet med specifikke bevægelser. Der undersøges blandt andet transformerbaserede modeller, som skal kunne klassificere forskellige bevægelser ud fra hjernens aktivitet.

Hvis signalerne kan identificeres med tilstrækkelig præcision, kan de danne grundlag for nye neuroteknologiske hjælpesystemer, der reagerer på brugerens motorintentioner.

Fra hjerneaktivitet til muskelaktivering

Projektets ambition er at etablere en funktionel kobling mellem registrerede motorintentioner og efterfølgende muskelaktivering.

Når systemet registrerer en motorintention, undersøges elektrisk muskelstimulering som metode til at aktivere de relevante muskler. Der arbejdes også med fokuseret ultralyd som en mulig metode til at påvirke musklernes excitabilitet og understøtte den efterfølgende aktivering.

Teknologien er endnu ikke testet i kliniske forsøg, og arbejdet fokuserer derfor på at dokumentere, om motorintentioner kan identificeres med tilstrækkelig præcision til at danne grundlag for fremtidige neuroteknologiske løsninger.

Hvad kan teknologien betyde for fremtidens neurorehabilitering?

Projektet er et eksempel på, hvordan neurovidenskab, signalbehandling, machine learning og sundhedsteknologi i stigende grad integreres i udviklingen af nye behandlings- og rehabiliteringsløsninger.

Selvom teknologien fortsat er under udvikling, undersøger forskere verden over, hvordan AI kan anvendes til analyse af neurofysiologiske signaler og understøttelse af motorisk funktion hos mennesker med neurologiske lidelser.

På længere sigt kan teknologier, der kobler registrering af motorintentioner med målrettet muskelaktivering, bidrage til nye muligheder for mennesker med Parkinsons sygdom og andre lidelser, hvor forbindelsen mellem hjernens intention og kroppens bevægelse er påvirket.