«راه رفتن دوباره بدون جراحی مغز؟ هدست ساده مغزی امید تازه‌ای برای بیماران فلج شد!»

محققان در حال آزمایش این موضوع هستند که آیا هدست‌های ساده EEG می‌توانند سیگنال‌های «حرکت» مغز را بخوانند و آنها را از آسیب‌های نخاعی عبور دهند تا حرکت را بازیابی کنند. این فناوری هنوز کامل نیست، اما ممکن است مسیری ایمن‌تر و غیرتهاجمی برای راه رفتن مجدد ارائه دهد.

به گزارش گروه ترجمه رکنا، به نقل از سای تک دیلی، افراد مبتلا به آسیب نخاعی اغلب با از دست دادن جزئی یا کامل حرکت در دست‌ها یا پاهای خود مواجه می‌شوند. در بسیاری از موارد، عصب‌های اندام‌ها هنوز عملکرد دارند و مغز به تولید سیگنال‌های طبیعی ادامه می‌دهد. مشکل اصلی، آسیب به نخاع است که ارتباط بین مغز و بقیه بدن را مسدود می‌کند.

پژوهشگران اکنون در حال بررسی روش‌هایی برای بازسازی این سیگنال‌ها بدون تعمیر مستقیم نخاع هستند.

استفاده از اسکن مغزی برای ثبت قصد حرکت

در مطالعه‌ای که امروز (۲۰ ژانویه) در مجله APL Bioengineering منتشر شد، دانشمندانی از دانشگاه‌های ایتالیا و سوئیس بررسی کردند که آیا الکتروانسفالوگرافی (EEG) می‌تواند فعالیت مغز را به حرکت اندام مرتبط کند یا خیر. تمرکز آن‌ها بر این بود که ببینند آیا این فناوری غیرتهاجمی می‌تواند سیگنال‌های حرکتی مغز را خوانده و مجدداً کاربردی کند.

زمانی که فردی سعی می‌کند اندام فلج خود را حرکت دهد، مغز او هنوز الگوهای الکتریکی مرتبط با آن حرکت را تولید می‌کند. اگر این سیگنال‌ها شناسایی و تفسیر شوند، می‌توانند به یک محرک نخاعی ارسال شوند تا عصب‌های مسئول حرکت در آن اندام فعال شوند.

چرا از ایمپلنت مغزی اجتناب شود

بخش عمده‌ای از تحقیقات قبلی در این زمینه به استفاده از الکترودهای کاشته‌شده جراحی شده برای خواندن مستقیم سیگنال‌های حرکتی از مغز متکی بوده است. اگرچه این سیستم‌ها امیدبخش بوده‌اند، پژوهشگران خواستند ببینند آیا EEG می‌تواند جایگزین ایمن‌تری ارائه دهد یا خیر.

سیستم‌های EEG به صورت کلاه‌هایی مجهز به چندین الکترود هستند که فعالیت مغز را از روی پوست سر ثبت می‌کنند. اگرچه ممکن است پیچیده یا ترسناک به نظر برسند، پژوهشگران معتقدند که نسبت به کاشت سخت‌افزار در مغز یا نخاع خطر کمتری دارند.

«این کار می‌تواند باعث عفونت شود و جراحی دیگری محسوب می‌شود»، لورا تونی، نویسنده مطالعه، گفت. «ما می‌خواستیم ببینیم آیا می‌توان از این خطر اجتناب کرد.»

محدودیت‌های فناوری EEG

خواندن سیگنال‌های حرکتی از طریق EEG با چالش‌های فنی قابل توجهی همراه است. از آنجایی که الکترودها روی سطح سر قرار دارند، در شناسایی فعالیت‌های عمیق‌تر مغز مشکل دارند. این محدودیت بر برخی حرکات بیش از دیگران تأثیر می‌گذارد.

سیگنال‌های مرتبط با حرکت دست و بازو آسان‌تر شناسایی می‌شوند زیرا نزدیک به مناطق بیرونی مغز هستند. حرکات پا و پاچه‌ها دشوارتر هستند زیرا سیگنال‌های آن‌ها از مناطق عمیق‌تر و نزدیک به مرکز مغز سرچشمه می‌گیرند.

تونی توضیح می‌دهد: «کنترل حرکات اندام‌های تحتانی عمدتاً در ناحیه مرکزی مغز انجام می‌شود، در حالی که حرکات اندام‌های فوقانی بیشتر در نواحی بیرونی قرار دارند. بنابراین برای حرکات دست و بازو نقشه‌برداری فضایی آسان‌تر است تا حرکات پا.»

یادگیری ماشینی به تفسیر سیگنال‌های مغزی کمک می‌کند

برای فهم داده‌های محدود EEG، پژوهشگران از الگوریتم یادگیری ماشینی استفاده کردند که برای تحلیل داده‌های کوچک و پیچیده طراحی شده است. در طول آزمایش، بیماران کلاه EEG را هنگام تلاش برای حرکات ساده پوشیدند. تیم پژوهشی فعالیت مغزی تولیدشده در این تلاش‌ها را ثبت و الگوریتم را آموزش داد تا سیگنال‌ها را دسته‌بندی و طبقه‌بندی کند.

سیگنال‌های دستگاه نظارت بر EEG می‌توانند برای ارسال سیگنال‌های مغزی به یک محرک نخاع استفاده شوند و به بیماران فلج کمک کنند تا اندام‌های خود را به طور مؤثرتری کنترل کنند.

سیستم قادر بود به‌طور قابل اعتماد تشخیص دهد که آیا فرد در حال تلاش برای حرکت است یا نه، اما در تشخیص انواع مختلف تلاش‌های حرکتی مشکل داشت.

گام بعدی

پژوهشگران معتقدند روش آن‌ها با توسعه بیشتر می‌تواند بهبود یابد. کار آینده بر بهینه‌سازی الگوریتم متمرکز خواهد بود تا اقدامات مشخصی مانند ایستادن، راه رفتن یا بالا رفتن را شناسایی کند. آن‌ها همچنین امیدوارند بررسی کنند که چگونه این سیگنال‌های تفسیرشده می‌توانند برای فعال‌سازی محرک‌های کاشته‌شده در بیماران در حال بهبود استفاده شوند.

در صورت موفقیت، این روش می‌تواند اسکن غیرتهاجمی مغز را به بازگرداندن حرکت معنادار به افراد دارای آسیب نخاعی نزدیک‌تر کند.

منبع پژوهش:
«Decoding lower-limb movement attempts from electro-encephalographic signals in spinal cord injury patients» توسط لورا تونی، والریا د سِتا، لوییجی آلبانو، دانیله امِدولی، آیدن ژو، وینسنت مندز، فیلیپو اگنزی، ساندرو یاناکونه، پیئترو مورتینی، سیلویسترو میسرا و سیمونه رومنی، ۲۰ ژانویه ۲۰۲۶، APL Bioengineering.
DOI: 10.1063/5.0297307