به گزارش سلامت نیوز به نقل از جام جم، بسیاری از افرادی که دچار آسیب نخاعی می‌شوند، از این واقعیت تلخ رنج می‌برند که مغز هنوز «فرمان حرکت» می‌دهد، اما این پیام‌ها به‌دلیل قطع ارتباط در مسیر عصبی، هرگز به عضلات نمی‌رسند. اکنون پژوهشگران در مسیر تازه‌ای گام برداشته‌اند که ممکن است روزی به بازگرداندن حرکت به بیماران فلج منجر شود؛ راهکاری که براساس ثبت امواج مغزی با روشی غیرتهاجمی و انتقال آن به دستگاه‌های تحریک‌کننده عضلات است.

این تحقیق که به‌تازگی در گزارش‌های علمی منتشر شده، نشان می‌دهد می‌توان با استفاده از الکتروانسفالوگرافی (EEG)، فعالیت مغزی مرتبط با تلاش برای حرکت را ثبت و با کمک هوش‌مصنوعی آن را به فرمان‌هایی تبدیل کرد که دستگاه‌های تحریک‌کننده را فعال کنند. اگر این فناوری به بلوغ برسد، ممکن است بیماران آسیب نخاعی بدون نیاز به عمل جراحی و کاشت الکترود در مغز، دوباره توانایی حرکت را تجربه کنند.

 
مغز هنوز فرمان می‌دهد

آسیب نخاعی، به‌خصوص در بخش‌های پایین‌تر ستون فقرات، باعث می‌شود سیگنال‌های عصبی از مغز به عضلات قطع شود. مغز در چنین شرایطی هنوز می‌خواهد حرکت کند، اما پیام‌ها در نیمه راه گم می‌شوند. این «قطع ارتباط» یکی از بزرگ‌ترین چالش‌های بازتوانی است؛ زیراحتی اگر عضلات ومفاصل سالم باشند،بدون دریافت پیام عصبی، توانایی حرکت از بین می‌رود.در بسیاری از پژوهش‌های گذشته، برای خواندن سیگنال‌های مغزی و تبدیل آنها به فرمان‌های حرکتی، از الکترودهای کاشته‌شده در مغز استفاده می‌شد. این روش اگرچه دقیق است اما به‌دلیل نیاز به جراحی، خطر عفونت و عوارض جانبی، محدودیت‌های زیادی دارد. به همین دلیل، محققان به‌دنبال راهی غیرتهاجمی هستند که بتواند سیگنال‌های مغزی را با دقت کافی ثبت کند.

 
کلاهی که می‌تواند ذهن را بخواند؟

الکتروانسفالوگرافی یا EEG، روشی است که با قرار دادن الکترودهایی روی پوست سر، امواج الکتریکی مغز را ثبت می‌کند. مزیت اصلی آن، غیرتهاجمی بودن و عدم‌نیاز به جراحی است. اما این روش محدودیت‌هایی هم دارد؛ امواج ثبت‌شده از سطح سر، پیچیده و پراکنده است و تشخیص دقیق سیگنال‌های مربوط به تلاش برای حرکت، کار آسانی نیست.
با این‌حال، تیم تحقیقاتی در این مطالعه موفق شد با استفاده از الگوریتم‌های یادگیری ماشین، الگوهای مربوط به «تلاش برای حرکت» را از «سکون» تشخیص دهد. به‌عبارت دیگر، سیستم توانست بفهمد وقتی فرد قصد حرکت دارد، مغز چگونه فعالیت می‌کند و این اطلاعات را برای تحریک عضلات تبدیل کند.

 
هوش مصنوعی؛ پل بین ذهن و حرکت

یکی از کلیدی‌ترین بخش‌های این پژوهش، استفاده از هوش مصنوعی برای تحلیل داده‌های EEG است. امواج مغزی بسیار پرسروصدا و پیچیده‌اند؛ به‌ویژه این‌که سیگنال‌های مرتبط با حرکت معمولا ضعیف و در میان انبوهی از نویزها پنهان هستند. الگوریتم‌های یادگیری ماشین با شناسایی الگوهای دقیق، می‌توانند این سیگنال‌ها را از داده‌های خام استخراج کنند.
در این مطالعه، سیستم توانست با دقت قابل‌توجهی بین حالت «تلاش برای حرکت» و حالت «عدم‌تلاش» تفاوت قائل شود. این موفقیت اولیه نویدبخش است اما هنوز راه طولانی تا تحقق کامل فناوری وجود دارد.

 
هنوز چالش‌ها باقی است

اگرچه نتایج اولیه امیدوارکننده‌ است اما موانع فنی جدی وجود دارد. در حال حاضر، تشخیص سیگنال‌های مرتبط با حرکت‌های ساده مانند حرکت دست یا انگشتان نسبتا بهتر انجام می‌شود. اما وقتی صحبت از حرکت‌های پیچیده‌تر مانندراه رفتن، بالا رفتن از پله یا حرکات هماهنگ پاها باشد، کار دشوارتر می‌شود. دلیل این مسأله، عمق بیشتر نواحی مغزی مرتبط با حرکت پاها و همچنین پیچیدگی بیشتر این حرکات است.
در نتیجه،برای ثبت دقیق‌تر سیگنال‌های حرکتی پایین‌تنه، نیاز به پیشرفت‌های بیشتر درفناوری EEG و الگوریتم‌های تحلیل داده وجود دارد؛ به‌ویژه باید بتوان سیگنال‌های ضعیف‌تر را از میان نویزهای محیطی و فعالیت‌های دیگر مغز جدا کرد.

چشم‌انداز آینده حرکت واقعی بدون جراحی

اگر این فناوری به بلوغ برسد، می‌تواند انقلابی در توانبخشی بیماران آسیب نخاعی ایجاد کند. ایده اصلی این است که امواج مغزی ثبت‌شده از طریق‌ EEG، به یک دستگاه تحریک‌کننده عضلات یا اعصاب منتقل شوند تا آنها را فعال کنند. به این ترتیب، فرد می‌تواند نه فقط تصور حرکت، بلکه حرکت واقعی را تجربه کند.محققان امیدوارند با بهبود دقت ثبت سیگنال‌ها و ارتقای الگوریتم‌های هوش مصنوعی، این سیستم در آینده نزدیک قابلیت تشخیص حرکات پیچیده‌تر را نیز پیدا کند. در این صورت، امکان راه رفتن، ایستادن و انجام فعالیت‌های روزمره برای بیماران فلج دیگر یک رویا نخواهد بود.

   
امیدی که به‌تدریج واقعی می‌شود

پژوهش جدید نشان می‌دهد که حتی بدون ورود به مغز یا نخاع، می‌توان از طریق ثبت امواج مغزی و تحلیل دقیق آنها، مسیر جدیدی برای بازتوانی حرکتی بیماران آسیب نخاعی ایجاد کرد. اگرچه هنوز در مراحل اولیه است اما این رویکرد می‌تواند روزی به فناوری‌ای عملی تبدیل شود و به میلیون‌ها نفر در بازیابی توانایی حرکت  کمک کند.