Para peneliti dari University of California San Diego telah menemukan cara untuk membedakan gerakan tangan yang dilakukan orang dengan hanya memeriksa data dari pencitraan otak non-invasif, tanpa informasi dari tangan itu sendiri. Hasilnya adalah langkah awal dalam mengembangkan antarmuka otak-komputer non-invasif yang suatu hari nanti memungkinkan pasien dengan kelumpuhan, anggota tubuh yang diamputasi, atau tantangan fisik lainnya menggunakan pikiran mereka untuk mengontrol perangkat yang membantu tugas sehari-hari.

Penelitian, yang baru-baru ini dipublikasikan secara online sebelum dicetak di jurnal Cerebral Cortex, mewakili hasil terbaik sejauh ini dalam membedakan gerakan satu tangan menggunakan teknik yang sepenuhnya non-invasif, dalam hal ini, magnetoencephalography (MEG).

“Tujuan kami adalah untuk mem-bypass komponen invasif,” kata penulis senior makalah itu Mingxiong Huang, PhD, salah satu direktur MEG Center di Institut Qualcomm di UC San Diego. Huang juga berafiliasi dengan Departemen Teknik Elektro dan Komputer di Fakultas Teknik UC San Diego Jacobs dan Departemen Radiologi di Fakultas Kedokteran UC San Diego, serta Sistem Kesehatan Veterans Affairs (VA) San Diego. “MEG memberikan opsi yang aman dan akurat untuk mengembangkan antarmuka otak-komputer yang pada akhirnya dapat membantu pasien.”

Para peneliti menggarisbawahi keunggulan MEG, yang menggunakan helm dengan susunan 306 sensor tertanam untuk mendeteksi medan magnet yang dihasilkan oleh arus listrik saraf yang bergerak di antara neuron di otak. Teknik antarmuka otak-komputer alternatif termasuk elektrokortikografi (ECoG), yang membutuhkan implantasi elektroda pada permukaan otak, dan elektroensefalografi kulit kepala (EEG), yang menempatkan aktivitas otak dengan kurang tepat.

Dengan MEG, saya bisa melihat otak berpikir tanpa melepas tengkorak dan memasang elektroda di otak itu sendiri. Saya hanya perlu memasang helm MEG di kepala mereka. Tidak ada elektroda yang bisa pecah saat ditanamkan di dalam kepala; tidak ada operasi otak yang rumit dan mahal; tidak ada kemungkinan infeksi otak.”


Roland Lee, MD, rekan penulis studi, direktur MEG Center di UC San Diego Qualcomm Institute, profesor emeritus radiologi di UC San Diego School of Medicine, dan dokter di VA San Diego Healthcare System

Lee menyamakan keamanan MEG dengan mengukur suhu pasien. “MEG mengukur energi magnetik yang dikeluarkan otak Anda, seperti termometer yang mengukur panas yang dikeluarkan tubuh Anda. Itu membuatnya benar-benar tidak invasif dan aman.”

Batu gunting kertas

Studi saat ini mengevaluasi kemampuan menggunakan MEG untuk membedakan antara gerakan tangan yang dilakukan oleh 12 subjek sukarelawan. Para relawan dilengkapi dengan helm MEG dan secara acak diinstruksikan untuk membuat salah satu gestur yang digunakan dalam game Rock Paper Scissors (seperti pada penelitian sejenis sebelumnya). Informasi fungsional MEG ditumpangkan pada gambar MRI, yang memberikan informasi struktural pada otak.

Untuk menafsirkan data yang dihasilkan, Yifeng (“Troy”) Bu, seorang mahasiswa PhD teknik elektro dan komputer di Sekolah Teknik UC San Diego Jacobs dan penulis pertama makalah ini, menulis model pembelajaran mendalam berkinerja tinggi yang disebut MEG-RPSnet.

“Keistimewaan jaringan ini adalah menggabungkan fitur spasial dan temporal secara bersamaan,” kata Bu. “Itulah alasan utamanya bekerja lebih baik daripada model sebelumnya.”

Ketika hasil penelitian masuk, para peneliti menemukan bahwa teknik mereka dapat digunakan untuk membedakan gerakan tangan dengan akurasi lebih dari 85%. Hasil ini sebanding dengan penelitian sebelumnya dengan ukuran sampel yang jauh lebih kecil menggunakan antarmuka otak-komputer ECoG invasif.

Tim juga menemukan bahwa pengukuran MEG dari hanya separuh wilayah otak yang diambil sampelnya dapat menghasilkan hasil dengan hanya sedikit (2 – 3%) kehilangan akurasi, yang menunjukkan bahwa helm MEG di masa mendatang mungkin memerlukan lebih sedikit sensor.

Ke depan, Bu mencatat, “Pekerjaan ini membangun fondasi untuk pengembangan antarmuka otak-komputer berbasis MEG di masa depan.”

Sumber:

Universitas California – San Diego

Referensi jurnal:

Bu, Y., dkk. (2023) Antarmuka otak-komputer berbasis magnetoencephalogram untuk decoding gerakan tangan menggunakan pembelajaran mendalam. Korteks serebral. doi.org/10.1093/cercor/bhad173.