Un copilote IA améliore l'interface cerveau-ordinateur non invasive en interprétant l'intention de l'utilisateur
infohightech ·
Les ingénieurs de l'UCLA ont développé un système d'interface cerveau-ordinateur portable et non invasif qui utilise l'intelligence artificielle comme copilote pour aider à déduire l'intention de l'utilisateur et à accomplir des tâches en déplaçant un bras robotique ou un curseur d'ordinateur.
Publiée dans Nature Machine Intelligence , l'étude montre que l'interface atteint un niveau de performance inédit dans les systèmes d'interface cerveau-ordinateur (BCI: Brain Control Interface) non invasive. Cela pourrait donner naissance à une gamme de technologies permettant aux personnes à capacités physiques limitées, telles que celles atteintes de paralysie ou de troubles neurologiques, de manipuler et de déplacer des objets plus facilement et avec plus de précision.
L'équipe a développé des algorithmes personnalisés pour décoder l'électroencéphalographie (EEG) – une méthode d'enregistrement de l'activité électrique cérébrale – et extraire les signaux reflétant les intentions de mouvement. Ils ont couplé les signaux décodés à une plateforme d'intelligence artificielle basée sur une caméra qui interprète les directions et les intentions de l'utilisateur en temps réel. Ce système permet aux individus d'accomplir des tâches beaucoup plus rapidement que sans l'aide de l'IA.
« En utilisant l'intelligence artificielle pour compléter les systèmes d'interface cerveau-ordinateur, nous visons des voies beaucoup moins risquées et invasives », a déclaré le responsable de l'étude Jonathan Kao, professeur associé de génie électrique et informatique à l'UCLA Samueli School of Engineering.
« À terme, nous souhaitons développer des systèmes IA-BCI qui offrent une autonomie partagée, permettant aux personnes souffrant de troubles du mouvement , tels que la paralysie ou la SLA, de retrouver une certaine indépendance pour les tâches quotidiennes. »
Les dispositifs BCI de pointe implantés chirurgicalement peuvent traduire les signaux cérébraux en commandes, mais leurs avantages actuels sont largement compensés par les risques et les coûts liés à la neurochirurgie nécessaire à leur implantation. Plus de deux décennies après leur première démonstration, ces dispositifs sont encore limités à de petits essais cliniques pilotes.
Parallèlement, les BCI portables et autres BCI externes ont démontré un niveau de performance inférieur dans la détection fiable des signaux cérébraux.
Pour remédier à ces limitations, les chercheurs ont testé leur nouvelle BCI non invasive assistée par IA avec quatre participants : trois sans déficience motrice et un quatrième paralysé de la taille aux pieds.
Les participants portaient un casque pour enregistrer l'EEG, et les chercheurs ont utilisé des algorithmes de décodage personnalisés pour traduire ces signaux cérébraux en mouvements d'un curseur informatique et d'un bras robotisé. Simultanément, un système d'IA doté d'une caméra intégrée observait les mouvements décodés et aidait les participants à réaliser deux tâches.
Un participant paralysé contrôle neuronalement un bras robotisé pour saisir et placer des blocs. Ce contrôle neuronal est non invasif (sans intervention chirurgicale) et assisté par l'IA. Crédits : Johannes Lee, Jonathan Kao, Laboratoire d'ingénierie neuronale et de calcul/UCLA
Lors de la première tâche, les participants devaient déplacer un curseur sur un écran d'ordinateur pour atteindre huit cibles, en le maintenant en place sur chacune pendant au moins une demi-seconde. Lors du deuxième défi, ils devaient activer un bras robotisé pour déplacer quatre blocs sur une table de leur emplacement initial à des positions prédéfinies.
Tous les participants ont réalisé les deux tâches significativement plus rapidement grâce à l'IA. Le participant paralysé a notamment réalisé la tâche avec le bras robotisé en environ six minutes et demie, grâce à l'IA, alors que sans elle, il était incapable de la terminer.
La BCI a déchiffré les signaux électriques cérébraux codant les actions intentionnelles des participants. Grâce à un système de vision par ordinateur, l'IA sur mesure a déduit l'intention des utilisateurs – et non leurs mouvements oculaires – pour guider le curseur et positionner les blocs.
« Les prochaines étapes pour les systèmes AI-BCI pourraient inclure le développement de copilotes plus avancés qui déplacent les bras robotiques avec plus de vitesse et de précision, et offrent un toucher habile qui s'adapte à l'objet que l'utilisateur souhaite saisir », a déclaré le co-auteur principal Johannes Lee, un doctorant en génie électrique et informatique de l'UCLA conseillé par Kao.
« L’ajout de données d’entraînement à plus grande échelle pourrait également aider l’IA à collaborer sur des tâches plus complexes, ainsi qu’à améliorer le décodage EEG lui-même. »
Les auteurs de l'article sont tous membres du laboratoire d'ingénierie neuronale et de calcul de Kao. Membre de l'Institut de recherche sur le cerveau de l'UCLA, Kao est également professeur au département d'informatique et au programme de doctorat interdépartemental en neurosciences.
https://medicalxpress.com/news/2025-09-ai-boosts-noninvasive-brain-interface.html