Roteiro Vdeo Aula Substituio e Restaurao das Funes Sensoriais e MotorasAna Carolina Cardoso de Sousa [hh:mm:ss] [Slide 01] Substituio e Restaurao das funes sensoriais e motoras [00:00:03].Ol,meunomeBl,ensvamoscontinuarocursodeNeuro Engenharia,conversandosobreSubstituioeRestauraodasfunes Sensoriais e Motoras.[Slide 02] Introduo [00:00:16].A perda deum membro ou uma paralisia causada por uma leso medular causam gravesconsequnciasnaqualidadedevida.Eumaatualpropostapararestaurarhabilidades sensoriaisemotorasperdidasnessespacientesso:implantesquefornecemumainterface diretacomosistemanervosocentral.EssasInterfacesCrebro-Mquinapermitemqueo pacienteexeracontrolevoluntrio sobreumaprteseousobrecontraesvoluntariamente induzidasnosmsculosparalisados.Masessasinterfacespossuemvriaslimitaes, geralmente,elasenvolvemapenasinterfacesneuraiseferentes,ouseja,apenasdecodificam informaesmotorasdasatividadesmedidaspelocrebroeofeedbackguiadoapenas visualmente, sem um feedback somatossensorial. [00:01:07].Interfacesaferentesseriamcapazesdefornecerparalelamenteinformaesaos pacientes sobre as consequncias desses movimentos. Por exemplo, algumas interfaces esto emdesenvolvimentopararestaurarosentidodotoque,decodificandoasintenesmotoras das atividades neurais e fornecendo o feedback sensitivo de volta para o paciente. [Slide 03] Interface Homem-Mquina [00:01:32].Parainteragircomocrebro,certamenteapenasaanatomianosuficiente,a anatomia esttica. Ela at pode alterar sua estrutura com o aprendizado, devido a plasticidade, masissonosuficiente,emtermosdeinformaosendoprocessada.Parainteragircomo crebro,necessriolerseusossinaiseltricos.Ento,umaInterfaceHomem-Mquina online requer uma leitura das atividades eltricas em regies funcionais bem definidas. [00:02:06]. Ento, do crebro para a mquina, a ideia a seguinte: a partir de umaregio do crebro, que ns sabemos (por estudos anteriores) ser responsvel por um movimento, se ns nos aproximarmos dessa regio, veremos redes neurais anatmicas com muitos neurnios. Voc pode implantar um eletrodo muito fino para gravar uma clula especfica, e com essa gravao, nslemosaatividadeneuraldessaclula.Quandoopacienterealizaummovimento especfico,essaclulaativamenosoumais.ComvrioseletrodosformandoumaMatrizde Eletrodos,possveldesenvolverumdecodificadorquelocdigodosneurniosparaum cdigo de movimento. [00:02:47].UmadiferenciaofeitaentreBrainComputerInterfaces(BCIs)eBrain Machine Interfaces(BMIs).ChamamosdeBrainComputerInterfaces,umacomunicaodiretaentreo crebro e um dispositivo externo de forma no invasiva, como eletrodos superficiais. O exemplo maiscomumutilizandoaEletroencefalografia(EEG).NormalmenteosBCIssomais complicados de se obter nveis mais finos de observao, pois no tem a capacidade de distinguir individualmente as atividades dos neurnios. [00:03:23].JosBMIsnoenvolvemeletrodosapenassuperficiais,so medidas mais invasivas, capazes de encontrar os spikes de cada neurnio individualmente. [Slide 04] Decodificador Neural [00:03:35].Neurniosemitempotenciaisdeao,ouspikes,quesoeventosdiscretoscujas taxasetemposcarregaminformaes.Comoditoanteriormente,umdecodificadorum conjuntodefunesusadoparatransformarumgrandenmerodespikesemumpequeno nmero de sinais de controle. comum que o formato de onda de neurnios sejam diferentes, logo os decodificadores, podem tambm classificar esses sinais em clusters, separando-os para melhorar o controle. [00:04:06]. Existem diversos mtodos de aprendizagem de mquina que podem ser utilizados (anlise discriminatria linear, mquina de vetores de suporte, classificadores bayesianos, etc.). Por exemplo, um decodificador linear apenas uma mdia ponderada dos histricos de taxas dedisparosdosneurniosgravados,comdiferentesvariveisdecontroledeterminadaspor diferentes combinaes lineares de entradas. Ou seja, uma simples abordagem para construir umdecodificadorcolocaropacientepararealizarumadeterminadatarefaporumtempo, gravar essas informaes (spikes) da regio do crebro responsvel pela tarefa e ento aplicar umaregressodemnimosquadradosentreossinaisneuraiseacinticadomembro, encontrando os coeficientes dos pesos. [00:04:56]. Um processo similar pode ser utilizado no caso de um paciente com paralisiasea atividadeneuralmedidaenquanto opacienteapenasimagina o movimento. Esse processo denominado Imagtica. [Slide 05] Tipos de comandos [00:05:11]. Existem diversos tipos de comandos que podem ser fornecidos pelos decodificadores, desde uma comunicao simples (ligar ou desligar um boto), ou um controle intermedirio de dispositivos externos (movimento de um cursor na tela)ouaindaumcontrolemaiscomplexo(rastreamentocontnuodeuma varivel em um brao robtico). [Slide 06] Elementos [00:05:33]. Em um sistema de controle em malha fechada comum, a entrada do sistema passa porumcontroladorqueforneceumsinaldecontroleaoprocesso.Emseguida,sensores informamaevoluodasada,demodoqueocontroladorpossaemseguidareagira perturbaes externas, fechando a malha. Um sistema de controle utilizando atividades neurais possui um diagrama bsico semelhante: os spikes so medidos e ento classificados atravs de um spike sorting. Esse resultado passa por um decodificador, que fornece um sinal de controle aoprocesso.Sensoresrealimentamosistemaparaqueodecodificadorpossareagira perturbaes externas. Mas deve-se levar em conta um fator diferencial em um sistema neural: o planejamento voluntrio. Pois existe um usurio (um ser humano, macaco ou rato) que faz o controle do sistema, fechando o lao e mudando o dispositivo de entrada. [Slide 07] Local de implantao [00:06:31]. O local em que os eletrodos so geralmente implantados depende da funo que a interfacehomemmquinadeverealizar.Nocaso,porexemplo,deumafunomotora, geralmente os eletrodos so implantadosno crtex motor primrio (M1), pois essa a regio docrebrorelacionadaaintegraodoplanejamentodemovimentoeainiciaodo movimento. [Slide 08] Da mquina ao crebro [00:06:56]. Alm do potencial de substituir e restaurar funes motoras,asinterfaceshomemmquinatambmpossuemo potencialderestaurarfunessensoriais,atravsdamesma ideia,masnadireooposta:umamquinaativandouma regio especficadocrebro.Aideiavemdo mesmo conceito dosmarca-passos,ondeumabateriainjetapulsoseltricos no corao. Apesar de no ter a finalidade de restaurar funes sensoriais, um exemplo comum desse tipo de mquina o Deep BrainStimulation(DBS).EmpacientescomParkinson,os neurnios dos gnglios basais disparam de uma forma diferente dos outros indivduos. Para contornar esse problema, possvel implantarnopacienteumabateriaquegerapulsoseltricos comfrequnciaseamplitudesespecficas,e,atravsdeeletrodos,injetaessacorrentenos gnglios basais, acabando quase que completamente com os tremores sintomaticamente. [Slide 09] Futuros desafios [00:07:57].Umdesafiofuturodasubstituioerestauraodas funes,interagircomocrebrodemodotelemtrico.Seria colocadaumasondaparagravarasatividadeseltricasdocrebro, masnocomfiosesimcomalgumaformadenanotecnologiaque enviasse informaes sem fio para fora do crebro. A partir disso, um sistemadeveriasercapazdenosreceberessasinformaes, decodificareinteragircomumaprtese,mastambmdeveriaser capaz de enviar algum tipo de estimulao para regies especficas do crebro. Algumas partes desse sistema at existem, mas o sistema completo ainda no. [00:08:38]. Um outro desafio a anlise do sinal eltrico em tempo real, se uma pessoadesejamoverobrao,precisaserrealizadoagoraenodaquiaalguns minutos ou horas. E quando ns temos milhes ou bilhes de sinais, esses sinais devem ser lidos e interpretados em tempo real, o que um grande desafio para a comunidade de processamento de sinais. [00:09:03]. Tambm um desafio desenvolver uma prtese sofisticada com graus de liberdade suficientes para imitar os vrios movimentos dos braos nativos. [00:09:15].Quando algum toca uma garrafa, ela no apenas faz o movimento, mas tambm recebe informaes de feedback de toque, presso, dor, temperatura, textura, de sensores na mo.Ento,deve-secolocarnessasprtesessensoresquepodemmediressasinformaes, fechando a malha. Por fim, so os principais desafios da substituio e restaurao de funes motoras. [00:09:43]. Referncias BENSMAIA, S. J.; MILLER, L. E., Restoring sensorimotor function through intracortical interfaces: progress and looming challenges. Nature Reviews Neuroscience, Publicao Online, 15, 5, 313-25, 2014. BO,A.P.L.,Sensorimotorfunctionrestoration&substitution,20demaiode2015.Notasde Aula. Neuro Engenharia.SEGEV, I.; EYAL, G., Coursera course: Synapses, Neurons and Brains, Brain Excitements for the 21stCentury,Lesson1-BrainMachineInterfaceBMI.Disponvelem: .