استفاده از سایبرنتیک cybernetics برای انجام اقدامات توانبخشی در بیماران سکته ی مغزی یک زمینه ی تحقیقاتی در حال توسعه است. در این میان، رابط مغز و کامپیوتر BCI، حیطه ای است که قویا تاکنون مورد مطالعه قرار گرفته است. محققان IIT Palakkad راهی برای بهبود عملکرد رابط مغز و کامپیوتر هنگامی که توسط بیماران سکته مغزی مورد استفاده قرار می گیرد، پیدا کرده اند.
بیماران سکته مغزی که از فلج اندام ها رنج می برند، اکنون مسیری متفاوت پیش رو دارند که می توانند در مورد توانبخشی و بهبودی نهایی، از آن استفاده کنند. این روش با استفاده از رابط مغز و کامپیوتر است. رابط، یک ارتباط دو طرفه بین مغز یک شخص و یک دستگاه خارجی مانند الکترو آنسفالوگرافی فراهم می کند.
برای اطلاعات بیشتر در مورد سکته مغزی و روش های نوین بهبود و توانبخشی، به موسسه سلامت مغز دانا مراجعه کنید.
مشکل بهینه سازی
این کار توسط الکترودهایی که روی سر شخص نزدیک به نواحی خاص مغز قرار گرفته اند، انجام می شود. قطعاً با افزایش تعداد کانالها – الکترودهای متصل به نواحی مختلف مغز- ارتباطات مغز بهبود می یابد. اما نکته منفی این است که افزایش کانالها محاسبه را پیچیده تر می کند، زمان آماده سازی را افزایش می دهد و برای فرد ناخوشایند است. بنابراین، اگر راهی برای فیلتر کردن و نگهداری از کانالهای مفید و با اطلاعات بیشتر وجود داشته باشد، ترجیح داده می شود. پس، یک مشکل بهینه سازی موجود است.
روش جدید
محققان IIT Palakkad از یک شبکه ی عصبی آموزش دیده و دارای ورودی های عصبی، برای تهیه ی روش انتخاب کانال جدید استفاده کرده اند که این روند کارآمدتر و مؤثرتر است. این تحقیق قرار است در کنفرانس بین المللی IEEE 2019 درباره ی سیستم های انسان و سایبرنتیک، که در اکتبر در ایتالیا برگزار می شود، ارائه شود.
در آزمایش، سوژه روی یک صندلی می نشیند و تصور می کند که دست راست یا چپ خود را مطابق با نشانه ای که بر روی صفحه نمایش است، چنگ می زند. سپس به وی نشانه ای داده می شود که بتواند دست خود را ریلکس کند. الکترودهای گذاشته شده روی سر فرد در نزدیکی ناحیه مناسب مغز، این موضوع را به الکترو آنسفالوگراف (EEG) منتقل می کنند، که از این طریق فکر آنها رمزگشایی می شود. از 10 نفر خواسته شد که به 100 نشانه تصادفی پاسخ دهند تا سیگنال ها مشاهده شوند.
این گروه با انتخاب مفیدترین کانال ها و حذف موارد غیر ضروری، شبکه ی عصبی مصنوعی را ایجاد کردند. دو چالش مهم در زمینه طبقه بندی تصاویر حرکتی وجود دارد. اولین چالش، تغییر ویژگی های سیگنال مغزی بین افراد مختلف است. دوم: تغییر ویژگی های سیگنال یک فرد در طی یک دوره زمانی است. الگوریتم های پردازش سیگنال قوی و تکنیک های یادگیری ماشین برای رفع این دو چالش مورد نیاز هستند.
توانبخشی بیماران سکته مغزی از طریق BCI
در حال حاضر، بیماران سکته مغزی تحت درمان با توانبخشی غیرفعال قرار می گیرند. بدین معنی که فیزیوتراپیست به طور فعال به حرکت اندام فلج بیمار کمک می کند. توسعه ی رابط مغز و کامپیوتر از تصاویر حرکتی می تواند به توسعه یک درمان توانبخشی فعال کمک کند که در آن بیمار بتواند اندام خود را مطابق اراده ی خود حرکت دهد. پروفسور Vinod Prasad می گوید: “بهبود سکته مغزی با چنین توانبخشی فعال و مبتنی بر تصاویر حرکتی تقویت می شود. زیرا به ساختن اتصالات عصبی جدید در نواحی که عملکرد مناطق آسیب دیده مغز را بر عهده دارند [انعطاف پذیری مغز]، کمک می کند.”
![](https://danabrain.ir/wp-content/uploads/2023/03/Ali-Mohammad-Kamali-CEO.jpg)
درباره نویسنده
دکتر علی محمد کمالی فارغ التحصیل دکترای تخصصی علوم اعصاب از دانشگاه علوم پزشکی شیراز، بیش از 15 سال است که در زمینه پژوهش، تدریس و فعالیت های اجرایی در حوزه علوم اعصاب فعالیت و تجربه دارد. وی همچنین در ارتقا عملکرد های شناختی با استفاده از نوروتکنولوژی و مطالعات خواب تخصص ویژه ای دارد. او یکی از بنیانگذاران انستیتو سلامت مغز دانا است، (گروهی که سلامت مغز را اولویت جامعه می داند).
دکتر کمالی بیش از 50 مقاله پژوهشی (h-index 13) در مجلات معتبر علمی به چاپ رسانده و در حال حاضر مدیر عامل انستیتو سلامت مغز دانا است. بعلاوه به عنوان پژوهشگر ارشد واحد مغز، شناخت و رفتار دپارتمان علوم اعصاب دانشگاه علوم پزشکی شیراز مشغول فعالیت می باشد. می توانید پژوهش او را در Google Scholar دنبال کنید.
دکتر کمالی علاوه بر تخصص در زمینه علوم اعصاب، سال ها است که به عنوان مدیر اجرایی مجله علوم پزشکی پیشرفته و فناوری های کاربردی (JAMSAT) مشغول به فعالیت است. همچنین به عنوان دبیر اجرایی انجمن علوم اعصاب ایران شاخه فارس فعالیت می کند.