Interfaces Cerveau-Machine
Le développement d’applications pour les interfaces machine-cerveau (Brain Machine Interface) a augmenté de façon significative ces dernières années. Le travail novateur de Chapin et de son équipe en 1999, avait démontré de façon expérimentale qu’une suite de potentiels d’action enregistrant le cortex cérébral pouvait être utilisé pour contrôler directement un manipulateur robotique à un degré de liberté. Depuis, des BMIs qui permettent plusieurs degrés de liberté sur des appareils robotiques et prothèses contrôlés directement par les signaux neuronaux, ont été appliqués avec succès sur les singes, et très récemment sur les humains. Elles montrent un très grand potentiel pour améliorer l’autonomie et l’indépendance des gens sévèrement paralysés. Elles pourront aussi procurer des systèmes pour aider à récupérer les capacités motrices des personnes ayant été victimes d’AVC.
L’idée est de recruter les zones importantes du cerveau et de faciliter la plasticité neuronale à travers l’utilisation des équipements MII. Les BMIs fournissent aussi des nouveaux outils innovants pour la recherche fondamentale, notamment pour étudier l’incidence de l’activité du cerveau sur les réponses motrices. Les BMI sont de plus en plus visibles dans d’autres domaines scientifiques et pour le grand public, grâce à leur potentielle utilisation pour contrôler machines, robots et ordinateurs. Cela amène d’ailleurs des discussions philosophiques et éthiques par rapport à la possibilité de les utiliser pour ‘améliorer’ l’humain.(https://dl.dropboxusercontent.com/u/42678313/Emission_du_10_01_15_FUTURE_ARTE_360p.mp4).
Comme le concept l’indique par son acronyme, les systèmes ‘BMI’ comportent trois parties fondamentales: le cerveau , qui se réfère à l’entrée des informations dans le système – les signaux neuronaux peuvent être enregistrés par méthodes invasives ou non invasives (électroencéphalogramme). Le rôle de l’interface peut être résumé au décodage, ou extraction, des paramètres moteurs nécessaires (vitesse, la direction, le type de saisie, le niveau de force- des signaux neuronaux), et de les traduire en variables de contrôle pour les machines (robots) afin de réaliser les mouvements prévus.
Figure 1. Implémentation du coté (A) et précision (B) tâche d’attraper avec des forces différentes en utilisant des suites de potentiels d’action enregistrés sur les singes reproduisant le même type de mouvements (C) sur les plateformes BMI (D) développées pendant le projet ANR GRASP (2012-2015)
L’équipe de recherche ‘Manual Dexterity in Health and Disease’, http://www.biomedicale.parisdescartes.fr/Manual-dexterity-in-health-and.html, qui fait partie de l’Institut Neurosciences Cognition (LINK) et Saints-Pères Research Federation in Neuroscience, a récemment développé avec les membres de l’équipe ‘Cognitive Motor Control’ de l’institut de neuroscience de Timone (Marseille), une plateforme BMI pour réaliser différents types de tâches motrices, notamment attraper, saisir, atteindre. (Fig1). Les signaux neuronaux ont été enregistrés sur deux singes en bonne santé, à raison d’électrodes 100 matrices multi électrodes (à confirmer) implantées chirurgicalement dans la région du cortex moteur qui est responsable pour le codage des types d’attrape et du niveau de force exercé. Ces signaux neuronaux ont été soumis à un processus de décodage hors-ligne pour extraire instantanément les paramètres de contrôle moteur (façon d’attraper, niveau de force). Ces paramètres sont ensuite traduits en commandes de contrôle pour le dispositif robotique, qui imite les mouvements réalisés par les singes.
Le travail actuel de l’équipe a pour but de réaliser 1) des applications BMI en ligne pour singes et pour humains, et 2) de développer une interface de plateforme pour traiter les enregistrements neuronaux obtenus par méthodes invasives et non invasives.