Peneliti dari EPFL telah mengembangkan antarmuka otak-mesin miniatur generasi berikutnya – 2024 EPFL / Lundi13 – CC-BY-SA 4.0
LAUSANNE, Swiss — Para peneliti telah menciptakan antarmuka otak-komputer mini yang dapat mengubah pikiran menjadi teks dengan akurasi yang mengagumkan. Keajaiban kecil ini, yang tidak lebih besar dari perangko, dapat merevolusi komunikasi bagi orang-orang dengan kelumpuhan parah, menawarkan mereka cara untuk mengekspresikan diri mereka dengan kecepatan yang mendekati percakapan normal.
Perangkat yang dijuluki MiBMI (Miniaturized Brain-Machine Interface) ini dikembangkan oleh tim ilmuwan internasional yang dipimpin oleh para peneliti di École Polytechnique Fédérale de Lausanne (EPFL) di Swiss. Karya mereka, yang baru-baru ini dipresentasikan pada Konferensi Sirkuit Solid-State Internasional IEEE 2024, merupakan lompatan maju yang signifikan dalam bidang antarmuka otak-komputer. Makalah ini juga diterbitkan dalam Jurnal IEEE tentang Sirkuit Solid-State.
Pada intinya, MiBMI adalah chip elektronik canggih yang dapat menginterpretasikan sinyal otak yang terkait dengan tulisan tangan yang dibayangkan. Ketika seseorang berpikir tentang menulis surat, otaknya menghasilkan pola aktivitas saraf tertentu. MiBMI menangkap sinyal-sinyal ini, memprosesnya, dan menerjemahkannya menjadi teks di layar – semuanya secara real-time.
Yang membedakan perangkat ini dari antarmuka otak-komputer sebelumnya adalah kombinasi luar biasa antara ukuran, efisiensi daya, dan akurasi. Meskipun cukup kecil untuk muat di ujung jari Anda, MiBMI dapat memproses sinyal dari hingga 512 saluran data saraf secara bersamaan. Jumlah saluran yang tinggi ini memungkinkannya untuk menangkap gambaran aktivitas otak yang kaya dan terperinci, yang menghasilkan penguraian kode gerakan yang diinginkan dengan lebih akurat.
“MiBMI memungkinkan kita mengubah aktivitas saraf yang rumit menjadi teks yang dapat dibaca dengan akurasi tinggi dan konsumsi daya yang rendah. Kemajuan ini membawa kita lebih dekat ke solusi praktis yang dapat ditanamkan yang dapat secara signifikan meningkatkan kemampuan komunikasi bagi individu dengan gangguan motorik yang parah,” kata Mahsa Shoaran, yang memimpin Laboratorium Neuroteknologi Terpadu di EPFL, dalam sebuah pernyataan.
Kehebatan chip ini ditunjukkan dalam serangkaian uji coba menggunakan data dari seseorang yang menderita tetraplegia – kelumpuhan total pada keempat anggota badan. Peserta membayangkan sedang menulis huruf alfabet, dan MiBMI menginterpretasikan pikiran tersebut dengan akurasi rata-rata 90,8%. Itu berarti untuk setiap 10 huruf yang dipikirkan orang tersebut untuk ditulis, perangkat tersebut mengidentifikasi sembilan huruf dengan benar.
Kemampuan MiBMI tidak terbatas pada alfabet. Chip tersebut dapat membedakan 31 kelas simbol yang berbeda, termasuk 26 huruf, tanda baca, dan perintah seperti “spasi” dan “backspace”. Berbagai pilihan ini memungkinkan komunikasi yang lebih alami dan lancar.
“Kami yakin dapat menguraikan hingga 100 karakter, tetapi kumpulan data tulisan tangan dengan lebih banyak karakter belum tersedia,” kata penulis utama Mohammed Ali Shaeri.
Salah satu aspek MiBMI yang paling mengesankan adalah efisiensinya. Antarmuka otak-komputer tradisional sering kali mengandalkan algoritma kompleks yang membutuhkan daya komputasi yang signifikan, sehingga menjadi besar dan boros energi. Sebaliknya, MiBMI menggunakan pendekatan baru yang disebut “kode saraf khusus” (DNC) untuk menginterpretasikan sinyal otak. Metode ini memungkinkan chip mencapai akurasi tinggi dengan konsumsi daya minimal – sekitar 223 mikrowatt rata-rata, lebih sedikit dari LED biasa.
Rahasia di balik efisiensi MiBMI adalah kemampuannya untuk fokus pada sinyal saraf yang paling relevan. Alih-alih memproses semua data yang masuk secara konstan, chip ini memiliki desain yang “didorong oleh aktivitas”. Chip ini akan aktif saat mendeteksi lonjakan aktivitas saraf yang terkait dengan upaya gerakan dan masuk ke mode daya rendah selama periode tidak aktif. Pendekatan adaptif ini tidak hanya menghemat energi tetapi juga membantu menyaring kebisingan latar belakang dalam sinyal otak, yang menghasilkan decoding yang lebih bersih dan lebih akurat.
Untuk melihat kemampuan MiBMI dalam perspektif, pertimbangkan hal ini: dengan kinerjanya saat ini, seseorang yang menggunakan perangkat ini berpotensi dapat “mengetik” pikirannya dengan kecepatan sekitar 90 karakter per menit. Meskipun ini tidak secepat komunikasi lisan pada umumnya, ini merupakan peningkatan dramatis dibandingkan perangkat komunikasi bantuan yang ada untuk orang dengan kelumpuhan parah, yang sering kali hanya memungkinkan beberapa kata per menit.
Implikasi dari teknologi ini sangat mendalam. Bagi individu yang kehilangan kemampuan berbicara atau bergerak karena kondisi seperti amiotrofik lateral sklerosis (ALS), stroke, atau cedera tulang belakang, MiBMI dapat menawarkan kesempatan baru untuk kehidupan yang ekspresif. Bayangkan jika Anda dapat menulis email, berpartisipasi dalam percakapan teks, atau bahkan menulis buku, semuanya hanya melalui kekuatan pikiran.
Selain itu, ukuran yang ringkas dan konsumsi daya yang rendah dari MiBMI membawa kita lebih dekat ke tujuan antarmuka otak-komputer yang dapat ditanamkan sepenuhnya. Sistem saat ini sering kali memerlukan peralatan eksternal yang besar, sehingga membatasi kepraktisannya untuk penggunaan sehari-hari. Perangkat seperti MiBMI berpotensi dapat ditanamkan seluruhnya di dalam tengkorak, ditenagai oleh baterai kecil, dan mengirimkan outputnya secara nirkabel ke perangkat eksternal.
Sementara versi MiBMI saat ini difokuskan pada penguraian tulisan tangan imajiner, para peneliti percaya pendekatan mereka dapat disesuaikan dengan jenis gerakan yang dimaksudkan atau bahkan ucapan. Fleksibilitas ini menunjukkan masa depan di mana antarmuka otak-komputer dapat memulihkan berbagai bentuk komunikasi dan kontrol motorik bagi mereka yang telah kehilangannya.
Tentu saja, seperti halnya teknologi baru lainnya, masih ada rintangan yang harus diatasi sebelum MiBMI dapat beralih dari laboratorium ke penggunaan klinis. Chip tersebut perlu diuji dalam skenario implantasi langsung dan jangka panjang untuk memastikan stabilitas dan keamanannya. Para peneliti juga perlu menyempurnakan sistem untuk menangani variabilitas sinyal otak yang terjadi dari waktu ke waktu dan pada berbagai individu.
Meskipun menghadapi tantangan ini, MiBMI merupakan langkah maju yang signifikan dalam bidang antarmuka neural. Hal ini menunjukkan bahwa adalah mungkin untuk menciptakan antarmuka otak-komputer yang sangat mumpuni dan berukuran praktis untuk penggunaan di dunia nyata.
“Kami bekerja sama dengan kelompok penelitian lain untuk menguji sistem dalam konteks yang berbeda, seperti penguraian kode ucapan dan kontrol gerakan. Sasaran kami adalah mengembangkan BMI serbaguna yang dapat disesuaikan dengan berbagai gangguan neurologis, sehingga menyediakan solusi yang lebih luas bagi pasien,” kata Shoaran.
Ringkasan Makalah
Metodologi
Para peneliti mengembangkan sistem dua chip: satu untuk merekam aktivitas otak (analogamic front-end atau AFE) dan satu lagi untuk mendekode aktivitas ini menjadi teks (dekoder neural). Chip AFE dapat merekam hingga 192 elektroda yang ditanamkan di otak, menangkap “lonjakan” frekuensi tinggi dari neuron individual dan “potensial medan lokal” frekuensi rendah yang mewakili aktivitas kelompok neuron yang lebih besar. Chip dekoder menerima data ini dan memprosesnya menggunakan algoritma baru berdasarkan “kode neural khas” (DNC).
DNC ini merupakan pola aktivitas saraf tertentu yang sangat informatif untuk membedakan antara berbagai gerakan yang dimaksudkan. Chip tersebut mengidentifikasi pola-pola ini dan menggunakannya untuk mengklasifikasikan huruf atau simbol yang dimaksudkan menggunakan metode yang disebut analisis diskriminan linier (LDA). Sistem ini diuji menggunakan kumpulan data dari studi sebelumnya, yang mencakup rekaman saraf selama 10,7 jam dari seseorang dengan tetraplegia yang mencoba menulis huruf dengan membayangkan gerakan tangan.
Hasil Utama
MiBMI mencapai akurasi decoding rata-rata sebesar 90,8% saat diuji pada data berdurasi 620 detik (310 kali percobaan) dari tugas tulisan tangan. Selama keseluruhan set data berdurasi 10,7 jam, akurasi rata-ratanya adalah 91,3%, yang sebanding dengan akurasi 94,1% yang dicapai oleh metode berbasis perangkat lunak yang lebih kompleks. Chip tersebut hanya mengonsumsi daya rata-rata 223 mikrowatt, sehingga sangat hemat energi.
Para peneliti juga menguji sistem tersebut pada data dari percobaan tikus yang melibatkan rangsangan akustik, yang menghasilkan akurasi 87% dalam mengidentifikasi 6 pita frekuensi yang berbeda. Chip front-end analog menunjukkan tingkat kebisingan yang rendah, sehingga cocok untuk perekaman saraf berkualitas tinggi.
Keterbatasan Studi
Chip tersebut diuji pada data yang telah direkam sebelumnya, bukan pada skenario implan langsung. Stabilitas jangka panjang dan biokompatibilitas implan tersebut masih perlu dievaluasi. Sistem saat ini dioptimalkan untuk mendekode tulisan tangan yang dibayangkan, dan kinerjanya pada jenis gerakan yang dimaksudkan lainnya atau pada individu yang berbeda tidak diketahui.
Akurasinya, meskipun tinggi, tidaklah sempurna, yang dapat menyebabkan frustrasi atau kesalahan dalam penggunaan di dunia nyata. Terakhir, implikasi etis dari antarmuka langsung otak-komputer perlu dipertimbangkan secara saksama seiring kemajuan teknologi ini.
Diskusi & Kesimpulan
MiBMI merupakan kemajuan signifikan dalam teknologi antarmuka otak-komputer, yang menunjukkan bahwa decoding saraf berkinerja tinggi dapat dicapai dengan chip kecil berdaya rendah. Hal ini membawa kita lebih dekat ke tujuan antarmuka otak-komputer yang layak secara klinis dan dapat ditanamkan sepenuhnya untuk memulihkan komunikasi pada individu yang lumpuh.
Penggunaan DNC dan pemrosesan berbasis aktivitas menawarkan pendekatan baru untuk decoding saraf yang efisien, yang dapat diterapkan pada jenis antarmuka otak-komputer lainnya. Jumlah saluran yang tinggi dan kemampuan perekaman pita lebar dari chip AFE juga menjadikannya alat yang berharga untuk penelitian ilmu saraf. Seiring berkembangnya teknologi ini, teknologi ini berpotensi berkembang melampaui komunikasi untuk memulihkan fungsi lain yang hilang karena kelumpuhan atau gangguan neurologis.
Pendanaan & Pengungkapan
Makalah ini tidak secara eksplisit menyebutkan sumber pendanaan untuk proyek khusus ini. Akan tetapi, disebutkan bahwa penelitian tersebut dilakukan di EPFL, Neuro-X Institute di Jenewa, Cornell University, dan University of Fribourg. Tidak ada konflik kepentingan yang diungkapkan dalam makalah ini.
