L'evoluzione del monitoraggio del cervello: dal laboratorio all'usura

Per decenni, studiare il cervello umano vivente al lavoro significava limitare la ricerca a stanze sterili, schermate elettricamente. I partecipanti erano legati ad amplificatori la dimensione dei frigoriferi, coperti di gel conduttivo, e chiesto di sedersi perfettamente ancora durante l'esecuzione di semplici compiti.

Questo divario è ora in rapida crescita. Grazie a una convergenza di progressi nella microelettronica, scienza dei materiali, comunicazioni wireless e machine learning, è emersa una nuova generazione di strumenti per il monitoraggio del cervello non invasivi. Questi dispositivi riducono l'EEG multicanale, la spettroscopia funzionale vicino all'infrarosso (fNIRS), e anche la magnetoencefalografica portatile (MEG) in fattori di configurazione comodi e discreti indossati sulla testa, nel flusso cognitivo degli orecchio, nell'orecchio, nell'analisi cognitivo, dietro l'orecchio,

Da EEG Caps a Sensori di Discreet

I capsoni EEG tradizionali consistevano in un tappo di tessuto elastico con elettrodi incorporati che richiedevano un posizionamento attento, un gel conduttivo e spesso l'abrasione della pelle per ottenere un'impedenza accettabile. I cappucci erano scomodi per un'usura prolungata, e il gel si è asciugato nel tempo, degradando la qualità del segnale.

Oltre ai gruppi di testa e ai cappucci, i ricercatori stanno esplorando fattori di forma ancora meno otrusivi. I sensori EEG dell'orecchio, ad esempio, catturano l'attività della corteccia uditiva da elettrodi posti nel canale dell'orecchio, permettendo il monitoraggio 24 ore su 24, 7 giorni su 7, senza interferire con la vita quotidiana.

Il ruolo di fNIRS e altre modalità

La spettroscopia funzionale quasi infrarossa (fNIRS) misura i cambiamenti dei livelli di ossigeno nel sangue, simile al segnale BOLD in fMRI, illuminando la luce quasi infrarossa attraverso il cuoio capelluto e rilevando la luce riflessa.

Una frontiera emergente è magnetoencefalografica indossabile (MEG). MEG tradizionale richiede una stanza schermata e sensori superconduttori raffreddati a elio liquido. Tuttavia, magnetometri a pompa ottica (OPMs) basati sulle celle di vapore atomico possono operare a temperatura ambiente.

Interruttori in Tecnologia e Materiali Sensori

Le recenti innovazioni hanno migliorato notevolmente la sensibilità, il comfort e la durata di questi sensori, consentendo la cattura di dati di alta qualità in condizioni reali. Tre sviluppi chiave stanno guidando questo progresso: elettrodi a secco, elettronica flessibile e materiali nuovi che riducono il rumore e migliorano il comfort dell'utente.

Elettrodi asciutti e soluzioni Gel-Free

Per EEG, il passaggio da elettrodi umidi è stato il cambiamento più visibile. Gli elettrodi a secco precoce hanno subito un'elevata impedenza di contatto e sensibilità del movimento, ma i progetti moderni usano l'accoppiamento capacitivo o lo scudo attivo per superare queste debolezze. Ad esempio, NeuroSky] e InteraXon (Muse) impiegano i contatti a molla proprietaria

Elettronica flessibile e elastica

I circuiti rigidi stanno dando il via a substrati flessibili che si conformano alla superficie curva della testa. I ricercatori di istituzioni come l'Università della California San Diego e l'Università del Texas ad Austin hanno sviluppato ultrathin, le patch dei sensori elastici che incorporano non solo elettrodi EEG ma anche fonti di luce e rivelatori di fNIRS, accelerometers e sensori di temperatura.

Trasmissione e elaborazione dati

I sensori indossabili generano gigabyte di dati per sessione, specialmente quando si campionano a 500 Hz o più in alto attraverso più canali. Ottenere questi dati dal dispositivo a un computer o server cloud per analisi richiede una trasmissione wireless efficiente e a bassa latenza. Bluetooth Low Energy (BLE) è ora lo standard, ma nuovi protocolli come Wi-Fi HaLow e le radio a banda ultra-perimetrale (UB) vengono esplorate per i tassi di dati più elevati senza drendere la batteria.

Edge Computing per l'analisi in tempo reale

Questo approccio di calcolo dei bordi estrae le metriche di potenza della banda (ad esempio, alfa, beta, theta), rileva i manufatti come i blink o la tensione muscolare, e gestisce anche semplici algoritmi di classificazione in tempo reale.

Apprendimento della macchina e rimozione dell'artefatto

Una delle maggiori sfide dello stato in EEG indossabile è la contaminazione dei segnali neurali da fonti non neuronali: l'attivazione muscolare (EMG), i movimenti oculari (EOG), l'impulso (ECG), e il sudore. I metodi di rimozione dei manufatti tradizionali richiedono l'identificazione manuale o l'elaborazione offline con l'analisi dei componenti indipendenti (ICA).

Espansione delle applicazioni di ricerca

La disponibilità di monitor per il cervello indossabili, facili da usare, ha aperto nuove categorie di ricerca cognitiva, mentre i ricercatori possono ora studiare processi cognitivi in ore, giorni o addirittura settimane nell'ambiente naturale del partecipante.

Ottimizzazione del carico e delle prestazioni cognitive

Il carico cognitivo si riferisce alla quantità di sforzo mentale utilizzato dalla memoria di lavoro. Wearable EEG e fNIRS sono in corso di traccia del carico cognitivo in ambienti reali come il controllo del traffico aereo, la chirurgia, il pilotaggio e l'apprendimento in classe. Ad esempio, i ricercatori del MIT Lincoln Laboratory hanno messo una fascia di fNIRS indossabile su piloti di novizio durante gli approcci di strumento simulato e hanno scoperto che l'ossigenazione di corteccia prefrontale prevede errori di prestazioni prima che si verificano.

Interfacce neurofeedback e cervello-computer

I dispositivi indossabili hanno reso il neurofeedback accessibile al di fuori delle impostazioni cliniche. I consumatori possono utilizzare le applicazioni Muse o NeuroSky per formare le loro onde alfa per il relax, mentre i ricercatori utilizzano più avanzati wearables per aiutare i pazienti a modulare l'attività della corteccia del motore per la riabilitazione.

Disturbi del sonno e del neurologico

I pazienti affetti da disturbi del sonno tradizionali richiedono una polisomnografia (PSG) in una clinica dedicata, con decine di elettrodi incollati al cuoio capelluto e al viso.

Superare le sfide e le direzioni future

Nonostante i notevoli progressi, i monitor non invasivi del cervello indossabili non sono senza limitazioni. La qualità del segnale rimane altamente variabile tra gli utenti a causa delle differenze nel tipo di capelli, la conducibilità del cuoio capelluto e lo spessore del cranio. I manufatti di movimento, soprattutto dal nodding della testa o dalla passeggiata, possono ancora contaminare i dati.

Qualità e standardizzazione dei segnali

Per affrontare la qualità del segnale, i ricercatori stanno sviluppando algoritmi adattativi che sintonizzano i contatti dell'elettrodo e regolano il guadagno in tempo reale.

Considerazioni etiche e privacy

I monitor del cervello indossabili raccolgono dati altamente sensibili, segnali elettrici ed emodinamici che possono potenzialmente rivelare stati cognitivi ed emotivi. Poiché questi dispositivi diventano più comuni nei programmi di salute dei consumatori, istruzione e salute sul posto di lavoro, le preoccupazioni etiche si presentano sulla proprietà dei dati, il consenso e il potenziale uso improprio. Come possiamo garantire che i dati di carico cognitivo del dipendente non vengano utilizzati per penalizzarli? Quali protezioni esistono contro l'inferenza delle condizioni di salute mentale da parte dei dati costituzionalisti?

Integrazione con sensori multimodali

L'integrazione di EEG o fNIRS con elettrocardiografia (ECG), la conduttività della pelle (EDA), il monitoraggio degli occhi e le unità di misura inerziali (IMU) possono fornire un quadro olistico dell'interazione del cervello-corpo durante il comportamento naturale.

Conclusioni

I partecipanti non invasivi al monitoraggio del cervello si sono evoluti dalle curiosità di laboratorio agli strumenti di ricerca robusti che stanno rimodellando la scienza cognitiva. Levando i sensori miniaturizzati, la trasmissione dei dati wireless, il calcolo dei bordi e l'apprendimento automatico, questi dispositivi ora permettono ai ricercatori di catturare l'attività neurale dove conta più - nel mondo reale, durante le esperienze quotidiane.