Interface cérebro máquina

em

A comprovação e evolução da Interface Cérebro-Máquina (ICM / BCI) foram construídas ao longo de décadas através de experimentos fundamentais em modelos animais e aplicações clínicas em humanos:

1. Prova de Conceito Inicial e Modelos Animais

  • Chapin, Nicolelis et al. (1999, Nature Neuroscience): Primeiro estudo a demonstrar que conjuntos de neurônios motores em ratos podiam controlar um braço robótico em tempo real para obter água, provando a viabilidade de decodificar comandos motores de redes neurais distribuídas.
  • Carmena, Nicolelis et al. (2003, PLoS Biology): Primatas aprenderam a mover um cursor e um braço robótico 2D/3D no espaço apenas com o pensamento, demonstrando que o cérebro incorpora o atuador artificial como uma extensão funcional do próprio corpo.
  • Velliste et al. / Schwartz Lab (2008, Nature): Macacos rhesus com braços contidos controlaram um braço robótico com múltiplos graus de liberdade para se alimentar (pegar e levar comida à boca).

2. Ensaios Clínicos Seminais em Humanos (Invasivos)

  • Hochberg et al. / Consórcio BrainGate (2006, Nature): Primeira demonstração intracortical de longo prazo (matriz Utah) em um paciente tetraplégico (Matt Nagle), que conseguiu mover um cursor, abrir e-mails e controlar uma prótese mecânica básica.
  • Hochberg et al. / Collinger et al. (2012, Nature / The Lancet): Pacientes com tetraplegia e esclerose lateral amiotrófica (ELA) utilizaram braços robóticos antropomórficos tridimensionais com múltiplos graus de liberdade para alcançar e beber de uma garrafa.
  • Ajiboye et al. (2017, The Lancet): Conexão de ICM cortical com estimulação elétrica funcional (FES) nos músculos do paciente, restabelecendo movimentos voluntários do próprio braço paralisado.
  • Willett, Henderson, Shenoy et al. (2021, Nature): Decodificação de "escrita mental" em texto a velocidades recordes (~90 caracteres por minuto) a partir da atividade neural do córtex motor.

3. Abordagens Não Invasivas e Neuro-Reabilitação

  • Wolpaw et al. (1991 / 2004): Estudos clássicos baseados em ritmos sensório-motores (ondas Mu/Beta via EEG) e potenciais evocados P300 para controle de cursores e soletradores digitais (P300 Spellers) sem necessidade de cirurgia.
  • Nicolelis et al. / Walk Again Project (2016, Scientific Reports): Demonstração de que o treinamento contínuo com ICM não invasiva (EEG) combinada a realidade virtual e feedback tátil induziu recuperação neurológica parcial (sensibilidade e controle muscular voluntário) em pacientes com paraplegia crônica.

4. Interfaces Bidirecionais e Decodificação de Fala

  • Flesher, Gaunt et al. (2016, Science Translational Medicine / 2021, Science): Restabelecimento do sentido do tato em um paciente tetraplégico através de microestimulação no córtex somatossensorial, fechando o circuito sensório-motor.
  • Moses, Chang et al. (2021, New England Journal of Medicine): Decodificação direta de sinais corticais (ECoG) para síntese de palavras e frases em tempo real em um paciente com anartria severa.




Abaixo estão as fotos e esquemas dos principais marcos experimentais das Interfaces Cérebro-Máquina:

1. Eletrodos Intracorticais (Utah Array)

A matriz de microeletrodos de silício (geralmente com cerca de 100 agulhas condutoras) é a tecnologia implantável mais utilizada em estudos invasivos como os do consórcio BrainGate, registrando centenas de neurônios simultaneamente.

2. Controle de Braço Robótico por Paciente Humana (BrainGate, 2012)

Experimento clássico publicado na revista Nature, em que a paciente Cathy Hutchinson, paralisada há quase 15 anos após um AVC, utilizou um implante intracortical no córtex motor para controlar um braço robótico com múltiplos graus de liberdade e beber café de forma autônoma.

3. Experimentos com Primatas e Dispositivos Robóticos

Configuração experimental típica em neurociência motora: matrizes de múltiplos microeletrodos implantadas no córtex motor registram a atividade neural enquanto o animal aprende a guiar atuadores externos (como joysticks ou plataformas robóticas motorizadas).

4. Treinamento com Exoesqueleto (Projeto Andar de Novo)

Miguel Nicolelis e equipe ajustando o sistema de interface cérebro-máquina não invasiva (EEG) integrado a um exoesqueleto robótico de membros inferiores com esteira de suporte de peso corporal para reabilitação de paraplégicos.




Abaixo estão as referências formais (artigos científicos e obras fundamentais) dos estudos citados e discutidos ao longo da conversa:

1. Neuroplasticidade e Organização Cortical Dinâmica

  • Merzenich, M. M., Kaas, J. H., Wall, J. T., Nelson, R. J., Sur, M., & Felleman, D. J. (1983). Topographic reorganization of somatosensory cortical areas 3b and 1 in adult monkeys following restricted deafferentation. Neuroscience, 8(1), 33-55.
  • Nicolelis, M. A., Baccala, L. A., Lin, R. C., & Chapin, J. K. (1995). Sensorimotor encoding by synchronous neural ensemble activity at multiple levels of the ventrobasal thalamocortical loop. Science, 268(5215), 1353-1358.
  • Frostig, R. D., Xiong, Y., Poytress, B. S., & Stehberg, J. (2008). Large-scale organization of rat sensorimotor cortex based on single-whisker stimulation. Proceedings of the National Academy of Sciences (PNAS), 105(20), 7327-7332.

2. Interfaces Cérebro-Máquina: Modelos Animais e Brainets

  • Chapin, J. K., Moxon, K. A., Markowitz, R. S., & Nicolelis, M. A. (1999). Real-time control of a robot arm using simultaneously recorded neurons in the motor cortex. Nature Neuroscience, 2(7), 664-670.
  • Carmena, J. M., Lebedev, M. A., Crist, R. E., O'Doherty, J. E., Santucci, D. M., Dimitrov, D. F., ... & Nicolelis, M. A. (2003). Learning to control a brain–machine interface for reaching and grasping by primates. PLoS Biology, 1(2), e42.
  • Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., & Schwartz, A. B. (2008). Cortical control of a prosthetic arm for self-feeding. Nature, 453(7198), 1098-1101.
  • Thomson, E. E., Lou, J., & Nicolelis, M. A. (2013). Expanding the active sensory space of the rat cortex with an artificial infrared neuroprosthesis. Nature Communications, 4(1), 1482.
  • Pais-Vieira, M., Lebedev, M., Kunicki, C., Wang, J., & Nicolelis, M. A. (2013). A brain-to-brain interface for real-time sharing of sensorimotor information. Scientific Reports, 3(1), 1319.
  • Ramakrishnan, A., Pais-Vieira, M., An, J., Perrotta, M. V., Lebedev, M. A., & Nicolelis, M. A. (2015). Computing arm movements with a monkey brainet. Scientific Reports, 5(1), 10767.

3. Aplicações Clínicas em Humanos (Invasivas e Não Invasivas)

  • Patil, P. G., Carmena, J. M., Nicolelis, M. A., & Turner, D. A. (2004). Ensemble recordings of human subcortical neurons as a basis for brain-machine interfaces. Neurosurgery, 55(1), 27-38.
  • Hochberg, L. R., Serruya, M. D., Friehs, G. M., Mukand, J. A., Saleh, M., Caplan, A. H., ... & Donoghue, J. P. (2006). Neuronal ensemble control of prosthetic devices by a human with tetraplegia. Nature, 442(7099), 164-171.
  • Hochberg, L. R., Bacher, D., Jarosiewicz, B., Masse, N. Y., Simeral, J. D., Vogel, J., ... & Donoghue, J. P. (2012). Reach and grasp by people with tetraplegia using a neurally controlled robotic arm. Nature, 485(7398), 372-375.
  • Collinger, J. L., Wodlinger, B., Downey, J. E., Wang, W., Tyler-Kabara, E. C., Weber, D. J., ... & Boninger, M. L. (2013). High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet, 381(9866), 557-564.
  • Nicolelis, M. A., et al. / Walk Again Project (2016). Long-term training with a brain-machine interface-based gait protocol induces partial neurological recovery in paraplegic patients. Scientific Reports, 6(1), 30383.
  • Ajiboye, A. B., Willett, F. R., Young, D. R., Memberg, W. D., Murphy, B. A., Miller, J. P., ... & Kirsch, R. F. (2017). Restoration of reaching and grasping movements through brain-controlled muscle stimulation in a person with tetraplegia: a proof-of-concept study. The Lancet, 389(10081), 1821-1830.
  • Flesher, S. N., Downey, J. E., Weiss, J. M., Hughes, C. L., Herrera, A. J., Tyler-Kabara, E. C., ... & Gaunt, R. A. (2021). A brain-computer interface that combines touch and vision for naturalistic prosthetic control. Science, 372(6544), 831-836.
  • Willett, F. R., Kunz, E. M., Fan, C., Avansino, D. T., Wilson, G. H., Choi, E. Y., ... & Henderson, J. M. (2021). High-performance brain-to-text communication via handwriting. Nature, 593(7858), 249-254.
  • Moses, D. A., Metzger, S. L., Liu, J. R., Anumanchipalli, G. K., Makin, J. G., Sun, P. F., ... & Chang, E. F. (2021). Neuroprosthesis for decoding speech in a paralyzed person with anarthria. New England Journal of Medicine, 385(3), 217-227.

4. Saúde Global e Epidemiologia Neurológica

  • GBD 2021 Nervous System Disorders Collaborators (2024). Global, regional, and national burden of disorders affecting the nervous system, 1990–2021: a systematic analysis for the Global Burden of Disease Study 2021. The Lancet Neurology, 23(4), 344-381.

5. Obras e Ensaios Teóricos / Filosofia da Mente

  • Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417-424. (Ensaio clássico do experimento do Quarto Chinês).
  • Weizenbaum, J. (1976). Computer Power and Human Reason: From Judgment to Calculation. W. H. Freeman & Co.
  • Turkle, S. (2011). Alone Together: Why We Expect More from Technology and Less from Each Other. Basic Books.
  • Nicolelis, M. A., & Cicurel, R. (2015). The Relativistic Brain: How it Works and Why it Cannot be Simulated by a Turing Machine. KFinish Publishing.

Comentários

Postar um comentário

Partipe positivamente, ajude de alguma forma, comente, elogie, amplie o conhecimento e defenda seu ponto de vista.