Roteiro Vdeo Aula

Substituio e Restaurao das Funes Sensoriais e Motoras

Ana Carolina Cardoso de Sousa
[hh:mm:ss]

[Slide 01] Substituio e Restaurao das funes sensoriais e motoras

[00:00:03]. Ol, meu nome Bl, e ns vamos continuar o curso de Neuro
Engenharia, conversando sobre Substituio e Restaurao das funes
Sensoriais e Motoras.
[Slide 02] Introduo
[00:00:16]. A perda de um membro ou uma paralisia causada por uma leso medular causam
graves consequncias na qualidade de vida. E uma atual proposta para restaurar habilidades
sensoriais e motoras perdidas nesses pacientes so: implantes que fornecem uma interface
direta com o sistema nervoso central. Essas Interfaces Crebro-Mquina permitem que o
paciente exera controle voluntrio sobre uma prtese ou sobre contraes voluntariamente
induzidas nos msculos paralisados. Mas essas interfaces possuem vrias limitaes,
geralmente, elas envolvem apenas interfaces neurais eferentes, ou seja, apenas decodificam
informaes motoras das atividades medidas pelo crebro e o feedback guiado apenas
visualmente, sem um feedback somatossensorial.

[00:01:07]. Interfaces aferentes seriam capazes de fornecer paralelamente informaes aos

pacientes sobre as consequncias desses movimentos. Por exemplo, algumas interfaces esto
em desenvolvimento para restaurar o sentido do toque, decodificando as intenes motoras
das atividades neurais e fornecendo o feedback sensitivo de volta para o paciente.

[Slide 03] Interface Homem-Mquina

[00:01:32]. Para interagir com o crebro, certamente apenas a anatomia no suficiente, a
anatomia esttica. Ela at pode alterar sua estrutura com o aprendizado, devido a plasticidade,
mas isso no suficiente, em termos de informao sendo processada. Para interagir com o
crebro, necessrio ler seus os sinais eltricos. Ento, uma Interface Homem- Mquina
online requer uma leitura das atividades eltricas em regies funcionais bem definidas.

[00:02:06]. Ento, do crebro para a mquina, a ideia a seguinte: a partir de uma regio do
crebro, que ns sabemos (por estudos anteriores) ser responsvel por um movimento, se ns
nos aproximarmos dessa regio, veremos redes neurais anatmicas com muitos neurnios. Voc
pode implantar um eletrodo muito fino para gravar uma clula especfica, e com essa gravao,
ns lemos a atividade neural dessa clula. Quando o paciente realiza um movimento
especfico, essa clula ativa menos ou mais. Com vrios eletrodos formando uma Matriz de
Eletrodos, possvel desenvolver um decodificador que l o cdigo dos neurnios para um
cdigo de movimento.

[00:02:47]. Uma diferenciao feita entre Brain Computer Interfaces (BCIs) e Brain Machine
Interfaces (BMIs). Chamamos de Brain Computer Interfaces, uma comunicao direta entre o
crebro e um dispositivo externo de forma no invasiva, como eletrodos superficiais. O exemplo
mais comum utilizando a Eletroencefalografia (EEG). Normalmente os BCIs so mais
complicados de se obter nveis mais finos de observao, pois no tem a capacidade de distinguir
individualmente as atividades dos neurnios.

[00:03:23]. J os BMIs no envolvem eletrodos apenas superficiais, so

medidas mais invasivas, capazes de encontrar os spikes de cada neurnio
individualmente.

[Slide 04] Decodificador Neural

[00:03:35]. Neurnios emitem potenciais de ao, ou spikes, que so eventos discretos cujas
taxas e tempos carregam informaes. Como dito anteriormente, um decodificador um
conjunto de funes usado para transformar um grande nmero de spikes em um pequeno
nmero de sinais de controle. comum que o formato de onda de neurnios sejam diferentes,

logo os decodificadores, podem tambm classificar esses sinais em clusters, separando-os para
melhorar o controle.

[00:04:06]. Existem diversos mtodos de aprendizagem de mquina que podem ser utilizados
(anlise discriminatria linear, mquina de vetores de suporte, classificadores bayesianos, etc.).
Por exemplo, um decodificador linear apenas uma mdia ponderada dos histricos de taxas
de disparos dos neurnios gravados, com diferentes variveis de controle determinadas por
diferentes combinaes lineares de entradas. Ou seja, uma simples abordagem para construir
um decodificador colocar o paciente para realizar uma determinada tarefa por um tempo,
gravar essas informaes (spikes) da regio do crebro responsvel pela tarefa e ento aplicar
uma regresso de mnimos quadrados entre os sinais neurais e a cintica do membro,
encontrando os coeficientes dos pesos.

[00:04:56]. Um processo similar pode ser utilizado no caso de um paciente com

paralisia se a atividade neural medida enquanto o paciente apenas imagina o
movimento. Esse processo denominado Imagtica.

[Slide 05] Tipos de comandos

[00:05:11]. Existem diversos tipos de comandos que podem ser fornecidos pelos
decodificadores, desde uma comunicao simples (ligar ou desligar um boto), ou
um controle intermedirio de dispositivos externos (movimento de um cursor na
tela) ou ainda um controle mais complexo (rastreamento contnuo de uma
varivel em um brao robtico).
[Slide 06] Elementos
[00:05:33]. Em um sistema de controle em malha fechada comum, a entrada do sistema passa
por um controlador que fornece um sinal de controle ao processo. Em seguida, sensores
informam a evoluo da sada, de modo que o controlador possa em seguida reagir a
perturbaes externas, fechando a malha. Um sistema de controle utilizando atividades neurais
possui um diagrama bsico semelhante: os spikes so medidos e ento classificados atravs de
um spike sorting. Esse resultado passa por um decodificador, que fornece um sinal de controle
ao processo. Sensores realimentam o sistema para que o decodificador possa reagir a
perturbaes externas. Mas deve-se levar em conta um fator diferencial em um sistema neural:
o planejamento voluntrio. Pois existe um usurio (um ser humano, macaco ou rato) que faz o
controle do sistema, fechando o lao e mudando o dispositivo de entrada.

[Slide 07] Local de implantao

[00:06:31]. O local em que os eletrodos so geralmente implantados depende da funo que a
interface homem mquina deve realizar. No caso, por exemplo, de uma funo motora,
geralmente os eletrodos so implantados no crtex motor primrio (M1), pois essa a regio
do crebro relacionada a integrao do planejamento de movimento e a iniciao do
movimento.

[Slide 08] Da mquina ao crebro

[00:06:56]. Alm do potencial de substituir e restaurar funes
motoras, as interfaces homem mquina tambm possuem o
potencial de restaurar funes sensoriais, atravs da mesma
ideia, mas na direo oposta: uma mquina ativando uma
regio especfica do crebro. A ideia vem do mesmo conceito
dos marca-passos, onde uma bateria injeta pulsos eltricos
no corao. Apesar de no ter a finalidade de restaurar funes
sensoriais, um exemplo comum desse tipo de mquina o Deep
Brain Stimulation (DBS). Em pacientes com Parkinson, os
neurnios dos gnglios basais disparam de uma forma diferente
dos outros indivduos. Para contornar esse problema, possvel
implantar no paciente uma bateria que gera pulsos eltricos
com frequncias e amplitudes especficas, e, atravs de eletrodos, injeta essa corrente nos
gnglios basais, acabando quase que completamente com os tremores sintomaticamente.
[Slide 09] Futuros desafios
[00:07:57]. Um desafio futuro da substituio e restaurao das
funes, interagir com o crebro de modo telemtrico. Seria
colocada uma sonda para gravar as atividades eltricas do crebro,
mas no com fios e sim com alguma forma de nanotecnologia que
enviasse informaes sem fio para fora do crebro. A partir disso, um
sistema deveria ser capaz de no s receber essas informaes,
decodificar e interagir com uma prtese, mas tambm deveria ser
capaz de enviar algum tipo de estimulao para regies especficas do
crebro. Algumas partes desse sistema at existem, mas o sistema completo ainda no.
[00:08:38]. Um outro desafio a anlise do sinal eltrico em tempo real, se uma
pessoa deseja mover o brao, precisa ser realizado agora e no daqui a alguns
minutos ou horas. E quando ns temos milhes ou bilhes de sinais, esses sinais
devem ser lidos e interpretados em tempo real, o que um grande desafio para
a comunidade de processamento de sinais.
[00:09:03]. Tambm um desafio desenvolver uma prtese sofisticada com graus de liberdade
suficientes para imitar os vrios movimentos dos braos nativos.

[00:09:15]. Quando algum toca uma garrafa, ela no apenas faz o movimento, mas tambm
recebe informaes de feedback de toque, presso, dor, temperatura, textura, de sensores na
mo. Ento, deve-se colocar nessas prteses sensores que podem medir essas informaes,
fechando a malha. Por fim, so os principais desafios da substituio e restaurao de funes
motoras.

[00:09:43]. Referncias
BENSMAIA, S. J.; MILLER, L. E., Restoring sensorimotor function through intracortical interfaces:
progress and looming challenges. Nature Reviews Neuroscience, Publicao Online, 15, 5, 31325, 2014.
BO, A. P. L., Sensorimotor function restoration & substitution, 20 de maio de 2015. Notas de
Aula. Neuro Engenharia.
SEGEV, I.; EYAL, G., Coursera course: Synapses, Neurons and Brains, Brain Excitements for the
21st Century, Lesson 1 - Brain Machine Interface BMI. Disponvel em:
<https://www.coursera.org/learn/synapses/outline?module=uv6zY>.