KI-gesteuertes Hirnimplantat verbessert bionisches Sehen für blinde Patienten
Deep Learning hilft einem Implantat im visuellen Kortex dabei, die Lichtblitze, die ein blinder Mann wahrnimmt, vorherzusagen und gezielt zu formen – ein Fortschritt für die Aussichten, das Sehvermögen wiederherzustellen.
Zusammenfassung
Forschende haben mithilfe künstlicher Intelligenz ein experimentelles visuelles Hirnimplantat, oft als bionisches Auge bezeichnet, präziser gemacht. Das Gerät sendet elektrische Signale direkt an den visuellen Kortex, die Hirnregion, die Seheindrücke verarbeitet, und umgeht dabei geschädigte Augen oder Sehnerven. Ein Deep-Learning-System analysierte, wie das Gehirn eines blinden Mannes auf die Stimulation über vorübergehend implantierte Elektroden reagierte. Anschließend entwarf es Stimulationsmuster, die dem Team eine bessere Kontrolle über die neuronale Aktivität ermöglichten und halfen, die Lichtblitze und Formen vorherzusagen, die er wahrnahm. Diese in Neuron veröffentlichte Proof-of-Concept-Arbeit weist den Weg zu Prothesen, die sich an das Gehirn der einzelnen Person anpassen, statt auf voreingestellte Parameter zu setzen. Zu den möglichen künftigen Kandidaten zählen Menschen, die ihr Sehvermögen durch einen Schlaganfall, eine neurodegenerative Erkrankung, ein Trauma oder eine erbliche Augenerkrankung verloren haben. Die Technologie befindet sich noch in einem frühen Stadium und ist weit von der klinischen Anwendung entfernt, zeigt aber, wie personalisierte Modellierung künstliches Sehen zuverlässiger und nützlicher machen könnte.
Detaillierte Zusammenfassung
Sehverlust gehört zu den am stärksten beeinträchtigenden Folgen von Alterung und Verletzungen und wirkt sich erheblich auf Selbstständigkeit, Mobilität und Lebensqualität aus. Selbst eine eingeschränkte Wiederherstellung des Sehvermögens könnte die gesunden, funktionsfähigen Lebensjahre von Betroffenen spürbar verlängern. Deshalb sind Fortschritte bei visuellen Prothesen für die gesunde Lebensspanne und die Funktionsfähigkeit von Bedeutung.
Forschende von drei Institutionen, darunter die UC Santa Barbara, haben getestet, ob KI eine visuelle kortikale Prothese verbessern kann. Diese Systeme umgehen Augen und Sehnerven und leiten elektrische Signale direkt an den visuellen Kortex weiter. Das Team nutzte ein Deep-Learning-System, um Stimulationsmuster für Elektroden zu entwerfen, die einem blinden Mann vorübergehend in den visuellen Kortex implantiert wurden. Die Ergebnisse wurden in Neuron veröffentlicht.
Durch die Analyse der Hirnreaktionen verschaffte das System den Forschenden mehr Kontrolle über die neuronale Aktivität und verbesserte ihre Fähigkeit, die vom Implantat erzeugten visuellen Wahrnehmungen vorherzusagen, etwa Lichtblitze und Lichtformen. Statt vorab festgelegter Einstellungen zu verwenden, lernt der Ansatz, wie das Gehirn eines einzelnen Menschen auf Stimulation reagiert. Diese Reaktion unterscheidet sich von Person zu Person und war bislang ein großes Hindernis auf diesem Gebiet.
Die Folgen sind langfristig angelegt. Kortikale Prothesen könnten eines Tages Menschen helfen, deren Sehbahnen geschädigt sind, deren visueller Kortex aber noch reagiert, darunter Menschen, die durch Schlaganfall, neurodegenerative Erkrankungen, Schädel-Hirn-Trauma oder erbliche Augenerkrankungen erblindet sind. Wer früher einmal sehen konnte, ist möglicherweise besonders motiviert. Die Arbeit baut auf früherer Computermodellierung auf, die durch einen NIH Director's New Innovator Award gefördert wurde.
Die Einschränkungen sind erheblich. Es handelte sich um eine Proof-of-Concept-Studie mit einem einzigen Teilnehmer und vorübergehend implantierten Elektroden. Die Wahrnehmung wurde vorhergesagt, aber es wurde nicht gezeigt, dass sie nutzbares, funktionales Sehen ermöglicht. Langzeitsicherheit, Haltbarkeit und Nutzen im Alltag sind weiterhin unbewiesen, und die Ergebnisse eines einzelnen Gehirns lassen sich möglicherweise nicht verallgemeinern. Leserinnen und Leser sollten dies als vielversprechenden Schritt in der Neurotechnologie verstehen und nicht als derzeit verfügbare Behandlung.
Wichtigste Erkenntnisse
- Deep learning designed stimulation patterns for electrodes temporarily implanted in a blind man's visual cortex.
- The AI improved prediction of the flashes and shapes of light the participant perceived.
- Cortical prostheses bypass damaged eyes and optic nerves by stimulating the brain directly.
- The approach personalizes stimulation to each brain instead of using predetermined settings.
- This is a proof-of-concept study published in Neuron, not a clinical therapy.
Methodik
Dies ist eine Pressemitteilung einer Universität über eine Proof-of-Concept-Studie, die in Neuron veröffentlicht wurde. Die Quelle ist eine angesehene, von Fachleuten begutachtete Fachzeitschrift sowie eine Forschungseinrichtung. Die Belege stammen von einem einzelnen blinden Teilnehmer mit vorübergehend implantierten Elektroden.
Studienlimitierungen
Die Studie umfasste nur eine Teilnehmerin bzw. einen Teilnehmer und temporäre Implantate, daher sind Übertragbarkeit, Langzeitsicherheit und funktioneller Nutzen unbekannt. Die Nachrichtenzusammenfassung nennt keine quantitativen Angaben zur Genauigkeit; Methodik und Ergebnisse finden sich im Neuron-Paper.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben:
