Comprendre les interfaces cerveau-ordinateur

Les interfaces cerveau-ordinateur (BCI) représentent une classe de technologie transformatrice qui établit un lien direct de communication entre le cerveau humain et les appareils externes. En contournant les voies neuromusculaires normales, les BCI permettent aux utilisateurs de contrôler les ordinateurs, les membres prothétiques, les fauteuils roulants ou d'autres technologies d'assistance utilisant uniquement leur activité neuronale.Les applications potentielles couvrent la médecine, la réadaptation, l'augmentation humaine, et même le divertissement.

Malgré leur promesse, le développement d'ICB fiables et performants demeure un défi redoutable. L'un des goulots d'étranglement critiques est la nécessité de décoder avec précision les modèles complexes et dynamiques de l'activité neuronale qui sous-tendent l'intention et l'action. C'est là que l'imagerie par résonance magnétique (IRM) est apparue comme un outil indispensable. L'IRM fournit aux chercheurs une fenêtre dans la structure et le fonctionnement du cerveau, leur permettant d'identifier les signatures neurales que les IBC peuvent interpréter.

Types principaux d'interfaces cerveau-ordinateur

Les IBC peuvent être classés en trois catégories selon la méthode d'acquisition de signaux :

  • Invasifs BCI[ — Ils nécessitent l'implantation chirurgicale d'électrodes directement dans le tissu cérébral (p. ex., réseaux d'Utah, grilles d'électrocorticographie). Ils offrent la plus haute résolution de signal et fidélité, mais ils comportent des risques chirurgicaux et des problèmes de biocompatibilité à long terme.
  • BCI partiellement invasif — Les électrodes sont placés à la surface du cerveau (épidural ou subdural), permettant d'atteindre un équilibre entre la qualité du signal et le risque chirurgical.
  • BCIs non invasifs — Ces spectroscopies à infrarouges (fNIRS) permettent d'enregistrer l'activité cérébrale du cuir chevelu en utilisant des techniques telles que l'électroencéphalographie (EEG), la magnétoencéphalographie (MEG) ou la spectroscopie fonctionnelle à infrarouge proche.

L'IRM est au cœur de la recherche non invasive sur les ICB, particulièrement fonctionnelle (IRMf), qui mesure les changements dans l'oxygénation sanguine pour l'activité neuronale. Bien que le signal de l'IRMf ne soit pas en temps réel sous sa forme actuelle, il fournit une vue globale haute résolution qui est essentielle pour concevoir et affiner les algorithmes des ICB.

Comment la technologie d'IRM permet le développement de l'ICB

IRM fonctionnelle et cartographie neuronale

L'IRM fonctionnelle (IRMf) détecte indirectement l'activité cérébrale en suivant les réponses hémodynamiques — les changements dans le flux sanguin et l'oxygénation qui surviennent lorsqu'une région du cerveau devient métaboliquement active. Ce signal de l'oxygène sanguin dépendant du niveau d'oxygène (BOLD) est le cheval de travail des neurosciences cognitives. Pour le développement de l'IRMf, l'IRMf est utilisé pour créer des cartes détaillées des régions du cerveau qui codent des états moteurs, sensoriels ou cognitifs spécifiques. Par exemple, les chercheurs peuvent demander à un participant d'imaginer bouger sa main droite pendant qu'il subit une analyse par IRMf. Les patrons d'activation résultants dans le cortex moteur peuvent alors être utilisés pour former un décodeur qui traduit des mouvements imaginaires similaires en commandes pour un curseur ou un bras robotisé.

IRM structurelle pour l'anatomie cérébrale

Au-delà de la fonction, l'IRM structurelle fournit des images anatomiques du cerveau à haute résolution. Ces images servent à identifier les repères anatomiques pertinents – comme le sulcus central, le moteur homunclus ou le gyri spécifique – qui servent de sites cibles pour l'ICB. L'IRM structurelle est également utilisée pour co-enregistrement[ : aligner l'anatomie cérébrale d'un participant avec des cartes fonctionnelles ou avec des emplacements d'électrodes pour les IBC invasives. Cela garantit que les électrodes de l'ICB sont positionnées au-dessus des bonnes régions corticales pendant la chirurgie ou que les électrodes de l'EEG sont placées de façon constante entre les séances.

Étalonnage personnalisé de l'ICB

L'IRM permet aux chercheurs de de déterminer les paramètres du BCI à chaque utilisateur. En acquérant un balayage de base, le système BCI peut être calibré pour les réponses neurales spécifiques de l'utilisateur. Par exemple, si fMRI révèle qu'un utilisateur active une région distincte dans le cortex pariétal tout en imaginant une certaine action, le décodeur peut être réglé pour se concentrer sur cette région. Cette personnalisation améliore considérablement la précision du BCI et réduit le temps de formation, rendant la technologie plus pratique pour une utilisation dans le monde réel.

Progrès récents dans l'IRM qui propulsent la recherche sur l'ICB

IRM ultra-haute champ (7 Tesla et au-delà)

La poussée vers des forces de champ magnétique plus élevées, soit 7 Tesla (7T) et même 10,5T, a permis d'améliorer considérablement la résolution spatiale et le rapport signal-bruit. L'IRMf ultra-haute champ peut résoudre des structures aussi petites que des colonnes corticales et des laminées, offrant une vue beaucoup plus détaillée de l'activité cérébrale. Pour le développement de l'ICB, cela signifie que les chercheurs peuvent décoder les signaux neuraux à une granularité plus fine, captant des variations subtiles dans les représentations motrices ou sensorielles.

IRM fonctionnelle en temps réel (IRM-t-f)

Cependant, les progrès récents dans l'IRMf en temps réel (rt-fMRI) ont comblé cette lacune. rt-fMRI traite le signal BOLD avec un minimum de retard (généralement moins d'une seconde), permettant aux participants de voir leur propre activité cérébrale tout en effectuant des tâches mentales.Cela permet de faire un retour neurologique : les participants apprennent à moduler volontairement l'activité dans certaines régions du cerveau, qui peut alors être utilisé comme signal de contrôle de l'ICB. Par exemple, les personnes souffrant de douleur chronique peuvent apprendre à dérégler l'activité dans des zones corticales liées à la douleur.

Combiner l'IRM et l'apprentissage automatique

L'intégration de l'IRM à des algorithmes avancés d'apprentissage machine a changé le jeu. Les modèles d'apprentissage profond peuvent extraire des modèles complexes à partir de données d'IRM haute dimension, identifiant des représentations neurales qui ne sont pas évidentes pour les observateurs humains. Des techniques telles que les réseaux neuronaux convolutionnels (RCN) et les réseaux neuronaux récurrents (RNM) sont utilisées pour décoder la parole imaginaire, l'intention motrice, ou même la perception visuelle à partir des données de l'IRMf. Par exemple, les chercheurs ont démontré la capacité de décoder des phrases entières des modèles d'activité cérébrale capturés avec l'IRMf, obtenant une précision impressionnante.

Séquences ultra-rapides de l'IRM

Les nouvelles séquences ultra-rapides , telles que l'imagerie multi-slices simultanées (SMS) et l'imagerie échoplanaire (EPI) avec accélération avancée, peuvent atteindre une couverture sous-seconde totale du cerveau. Cette amélioration permet aux chercheurs de suivre les états cérébraux transitoires critiques pour le décodage de l'ICB. Par exemple, un IBC qui doit répondre à l'intention rapide d'un utilisateur peut bénéficier d'une ICR sous-seconde, même si la réponse hémodynamique elle-même est lente. Combinée à un meilleur filtrage temporel, ces séquences repoussent les limites de ce que l'IRM peut offrir pour l'ICB.

Défis et limites du partenariat IRM-BCI

Malgré ses contributions énormes, l'IRM n'est pas une panacée pour le développement de l'ICB. La limite la plus importante est la résolution temporelle . Le signal BOLD est une mesure indirecte de l'activité neuronale, atteignant plusieurs secondes après le tir neuronal réel. Ce retard est acceptable pour les neurofeedback et pour l'étalonnage des décodeurs, mais il empêche l'utilisation de l'IRMf comme signal de contrôle en temps réel pour les applications de l'ICB à grande vitesse (p. ex., typage à vitesse conversationnelle). Dans de tels cas, les enregistrements EEG ou intracorticaux restent supérieurs.

Une autre limite est le manque actuel de normalisation [ dans l'acquisition et l'analyse de données. Différents laboratoires utilisent différentes séquences, des pipelines de prétraitement et des modèles statistiques, ce qui entraîne des résultats variables et rend difficile la comparaison des études. La crise de reproductibilité en neurosciences met en évidence la nécessité de protocoles rigoureux et de partage ouvert des données et des codes. Enfin, des préoccupations éthiques se posent à mesure que les IBC basés sur l'IRM deviennent plus puissants.

Orientations futures : Où l'IRM et l'ICB sont dirigés

Systèmes de retour neuroen boucle fermée

La combinaison de l'IRMf en temps réel et des décodeurs avancés permet de neurofeedback en boucle fermée de permettre aux utilisateurs d'apprendre à contrôler l'activité cérébrale en temps réel. Les systèmes futurs s'intégreront à d'autres modalités de l'ICB, telles que l'EGE ou le MEG, pour fournir une rétroaction multimodale qui combine la résolution spatiale de l'IRMf avec la résolution temporelle de l'EGE. Cette approche hybride pourrait produire des IBC à la fois précis et réactifs, adaptés à des tâches telles que le contrôle prothèse des membres ou la communication.

IRM portable et IBC portable

Bien que les scanners d'IRM actuels soient immobiles, les chercheurs développent des systèmes d'IRM à faible champ portatifs [ qui pourraient être déployés dans des cliniques, des centres de réadaptation, voire des foyers. Ces appareils, fonctionnant à 0,05T–0,1T, sacrifient une certaine résolution pour la portabilité, mais pourraient encore fournir des données fonctionnelles utiles pour l'étalonnage de l'ICB. En parallèle, les technologies d'ICB portables (capsules d'EEG, bandeaux de FNIRS) deviennent plus confortables et fiables.

Intégration avec la prothèse neuronale et la stimulation

L'IRM sert également à orienter le placement de prothèses neuronales et à surveiller la réponse du cerveau à la stimulation électrique.Par exemple, dans les études de stimulation cérébrale profonde (DBS) pour la maladie de Parkinson, l'IRMf peut visualiser les effets de la stimulation sur les réseaux corticaux et subcorticaux. Cette information aide les cliniciens à définir des paramètres de stimulation par des fins et la même approche pourrait être appliquée aux IBC [ à boucle fermée qui rétablissent la fonction après accident vasculaire cérébral ou lésion de la moelle épinière.

Décoder les États cognitifs de l'ordre supérieur

À mesure que les techniques d'IRM s'améliorent, les IBC peuvent aller au-delà des simples commandes motrices pour décoder des états cognitifs complexes[, tels que la parole prévue, la musique imaginée, l'imagerie visuelle ou même des pensées abstraites. Les premiers travaux ont montré que l'IRMf peut distinguer les différents mots ou lettres imaginaires.

Conclusion

La technologie de l'IRM est devenue une pierre angulaire de la recherche sur l'interface cerveau-ordinateur, fournissant l'imagerie haute résolution non invasive qui est essentielle pour comprendre l'architecture fonctionnelle du cerveau et pour concevoir des systèmes personnalisés de BCI.De la cartographie fonctionnelle et des conseils structurels à l'intégration en temps réel des neurofeedback et de l'apprentissage automatique, l'IRM permet des percées qui rapprochent les BCI pratiques de la réalité.

Pour plus de détails, voir les dernières recherches de l'Institut national de la santé mentale, études publiées dans Nature sur les avances de BCI, et IEEE Transactions sur les systèmes neuraux et le génie de la réadaptation pour les développements techniques