Antarmuka otak-komputer

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas
Loncat ke navigasi Loncat ke pencarian

Antarmuka otak-komputer (bahasa Inggris: brain-computer interface (BCI)), kadang-kadang disebut antarmuka kendali-saraf (NCI), antarmuka mesin-pikiran (MMI), antarmuka saraf langsung (DNI), atau antarmuka mesin-otak (BMI), adalah jalur komunikasi langsung antara otak yang disempurnakan atau kabel dan perangkat eksternal. BCI berbeda dari neuromodulasi karena memungkinkan aliran informasi dua arah. BCI sering diarahkan untuk meneliti, memetakan, membantu, menambah, atau memperbaiki fungsi kognitif atau sensorik manusia.[1]

Penelitian tentang BCI dimulai pada tahun 1970 di Universitas California, Los Angeles (UCLA) di bawah hibah dari National Science Foundation, diikuti oleh kontrak dari DARPA.[2] Makalah yang diterbitkan setelah penelitian ini juga menandai penampilan pertama dari antarmuka otak-komputer dalam literatur ilmiah.[3]

Bidang penelitian dan pengembangan BCI sejak itu berfokus terutama pada aplikasi neuroprostesis yang bertujuan memulihkan kerusakan pendengaran, penglihatan dan pergerakan. Berkat plastisitas kortikal otak yang luar biasa, sinyal dari prostesis implan dapat ditangani oleh otak seperti sensor alami atau saluran efektor.[4] Setelah bertahun-tahun bereksperimen dengan hewan, perangkat neuroprostesis pertama yang ditanamkan pada manusia muncul pada pertengahan 1990-an.[5]

Sejarah[sunting | sunting sumber]

Meskipun istilah itu belum diciptakan, salah satu contoh paling awal dari antarmuka mesin otak yang bekerja adalah karya Music for Solo Performer (1965) oleh komposer Amerika Alvin Lucier. Musik tersebut memanfaatkan EEG dan perangkat keras pemrosesan sinyal analog (filter, amplifier, dan papan pencampur) untuk merangsang instrumen perkusi akustik. Untuk melakukan bagian itu, seseorang harus menghasilkan gelombang alfa dan dengan demikian "memainkan" berbagai instrumen perkusi melalui pengeras suara yang ditempatkan dekat atau langsung pada instrumen itu sendiri.[6]

Profesor UCLA Jacques Vidal menciptakan istilah "BCI" dan menghasilkan publikasi penelaahan sejawat pertama tentang topik ini.[2][3] Vidal secara luas diakui sebagai penemu BCI di komunitas BCI, sebagaimana tercermin dalam banyak artikel penelaahan sejawat yang mengulas dan membahas lapangan (misalnya,[7][8][9]). Makalah 1973-nya menyatakan "tantangan BCI": Mengendalikan objek menggunakan sinyal EEG. Terutama dia menunjukkan potensi Contingent Negative Variation (CNV) sebagai tantangan untuk kendali BCI. Eksperimen 1977 yang dijelaskan Vidal adalah aplikasi pertama BCI setelah tantangan 1973 BCI-nya. Itu adalah kontrol EEG (sebenarnya Visual Evoked Potentials (VEP)) noninvasif dari objek grafis seperti kursor pada layar komputer. Demonstrasinya adalah gerakan dalam labirin.[10]

Pada tahun 1988, sebuah laporan dibuat mengenai kendali EEG noninvasif terhadap objek fisik, robot. Percobaan yang dijelaskan adalah kontrol EEG dari beberapa start-stop-restart dari gerakan robot, sepanjang lintasan arbitrer yang ditentukan oleh garis yang digambar di lantai. Perilaku mengikuti garis adalah perilaku robot default, memanfaatkan kecerdasan otonom dan sumber energi otonom.[11][12]

BCI versus neuroprostesis[sunting | sunting sumber]

Neuroprostesis adalah bidang ilmu saraf yang berkaitan dengan prostesis saraf, yaitu menggunakan perangkat buatan untuk menggantikan fungsi gangguan sistem saraf dan masalah yang berhubungan dengan otak, atau organ sensorik. Perangkat neuroprostesis yang paling banyak digunakan adalah implan koklea yang pada Desember 2010, telah dipasangkan pada sekitar 220.000 orang di seluruh dunia.[13] Ada juga beberapa perangkat neuroprostesis yang bertujuan mengembalikan penglihatan, termasuk implan retina.[14]

Penelitian BCI manusia[sunting | sunting sumber]

BCI invasif[sunting | sunting sumber]

BCI invasif memerlukan operasi untuk menanamkan elektrode di bawah kulit kepala untuk mengkomunikasikan sinyal otak. Keuntungan utama adalah menyediakan bacaan yang lebih akurat; Namun, kelemahannya termasuk efek samping dari operasi. Setelah operasi, jaringan parut dapat terbentuk yang dapat membuat sinyal otak lebih lemah. Selain itu, menurut penelitian Abdulkader et al., (2015), sekali ditanamkan elektrode, tubuh mungkin tidak menerima elektrode yang dapat menyebabkan komplikasi medis.[15]

Pengelihatan[sunting | sunting sumber]

Penelitian BCI invasif bertujuan untuk memperbaiki penglihatan yang rusak dan menyediakan fungsionalitas baru untuk orang lumpuh. BCI invasif ditanamkan langsung ke materi kelabu otak selama bedah saraf. Karena mereka berada di materi abu-abu, perangkat invasif menghasilkan sinyal BCI berkualitas tinggi tetapi rentan terhadap pembentukan jaringan parut, menyebabkan sinyal menjadi lebih lemah, atau bahkan tidak ada karena tubuh bereaksi terhadap benda asing di otak.[16]

Dalam ilmu penglihatan, implan otak langsung telah digunakan untuk mengobati kebutaan non-bawaan. Salah satu ilmuwan pertama yang menghasilkan antarmuka otak yang berfungsi untuk mengembalikan penglihatan adalah peneliti swasta William Dobelle. Purwarupa pertama Dobelle ditanamkan ke "Jerry", seorang lelaki yang menjadi buta saat dewasa, pada 1978. Jajaran BCI tunggal yang mengandung 68 elektrode yang ditanamkan pada korteks visual Jerry dan berhasil memproduksi fosfena, sensasi melihat cahaya. Sistem ini termasuk kamera yang dipasang pada kacamata untuk mengirim sinyal ke implan. Awalnya, implan memungkinkan Jerry untuk melihat nuansa abu-abu dalam bidang penglihatan terbatas dengan kecepatan bingkai yang rendah. Dia juga harus terhubung dengan komputer bingkai utama, tetapi menyusutnya elektronik dan komputer yang lebih cepat membuat mata buatannya lebih portabel dan sekarang memungkinkan dia untuk melakukan tugas-tugas sederhana tanpa bantuan.[17]

BCI invasif sebagian[sunting | sunting sumber]

Perangkat BCI invasif sebagian ditanamkan di dalam tengkorak tetapi berada di luar otak bukannya di dalam materi abu-abu. Alat ini menghasilkan resolusi sinyal yang lebih baik daripada BCI non-invasif karena jaringan tulang tengkorak membelokkan dan mengubah bentuk sinyal dan memiliki risiko lebih rendah untuk membentuk jaringan parut di otak daripada BCI yang sepenuhnya invasif. Telah ada demonstrasi praklinis BCI intrakortikal dari korteks stroke perilesi.[18]

Elektrokortikografi (ECoG) mengukur aktivitas listrik otak yang diambil dari bawah tengkorak dengan cara yang mirip dengan elektroensefalografi non-invasif, tetapi elektrode tertanam dalam pad plastik tipis yang ditempatkan di atas korteks, di bawah dura mater.[19] Teknologi ECoG pertama kali diujicobakan pada manusia pada tahun 2004 oleh Eric Leuthardt dan Daniel Moran dari Washington University di St Louis. Dalam uji coba berikutnya, para peneliti memungkinkan seorang bocah remaja untuk bermain Space Invaders menggunakan implan ECoG-nya. Penelitian ini menunjukkan bahwa kontrol cepat, memerlukan pelatihan minimal, dan mungkin merupakan pertukaran risiko-manfaat yang ideal berkaitan dengan kejelasan sinyal dan tingkat invasifitas.[20]

ECoG adalah modalitas BCI menengah yang sangat menjanjikan karena memiliki resolusi spasial yang lebih tinggi, rasio sinyal-ke-derau yang lebih baik, rentang frekuensi yang lebih luas, dan persyaratan pelatihan yang lebih rendah daripada EEG yang direkam melalui kulit kepala, dan pada saat yang sama memiliki kesulitan teknis yang lebih rendah, risiko klinis yang lebih rendah, dan mungkin stabilitas jangka panjang yang lebih baik daripada rekaman neuron tunggal intrakortikal. Profil fitur ini dan bukti terbaru dari tingkat kontrol yang tinggi dengan persyaratan pelatihan minimal menunjukkan potensi untuk aplikasi dunia nyata bagi orang-orang dengan keterbatasan motorik.[21][22]

Referensi[sunting | sunting sumber]

  1. ^ Krucoff, Max O.; Rahimpour, Shervin; Slutzky, Marc W.; Edgerton, V. Reggie; Turner, Dennis A. (2016-01-01). "Enhancing Nervous System Recovery through Neurobiologics, Neural Interface Training, and Neurorehabilitation". Neuroprosthetics. 10: 584. doi:10.3389/fnins.2016.00584. PMC 5186786alt=Dapat diakses gratis. PMID 28082858. 
  2. ^ a b Vidal, JJ (1973). "Toward direct brain-computer communication". Annual Review of Biophysics and Bioengineering. 2 (1): 157–80. doi:10.1146/annurev.bb.02.060173.001105. PMID 4583653. 
  3. ^ a b J. Vidal (1977). "Real-Time Detection of Brain Events in EEG" (PDF). IEEE Proceedings. 65 (5): 633–641. doi:10.1109/PROC.1977.10542. 
  4. ^ Levine, SP; Huggins, JE; Bement, SL; Kushwaha, RK; Schuh, LA; Rohde, MM; Passaro, EA; Ross, DA; Elisevich, KV (2000). "A direct brain interface based on event-related potentials". IEEE Transactions on Rehabilitation Engineering. 8 (2): 180–5. doi:10.1109/86.847809. PMID 10896180. 
  5. ^ Lebedev, Mikhail A.; Nicolelis, Miguel A.L. (2006-9). "Brain–machine interfaces: past, present and future". Trends in Neurosciences (dalam bahasa Inggris). 29 (9): 536–546. doi:10.1016/j.tins.2006.07.004. 
  6. ^ Volker Straebel; Wilm Thoben (2014). "Alvin Lucier's music for solo performer: experimental music beyond sonification". Organised Sound. 19 (1): 17–29. doi:10.1017/S135577181300037X. 
  7. ^ Wolpaw, J.R. and Wolpaw, E.W. (2012). "Brain-Computer Interfaces: Something New Under the Sun". In: Brain-Computer Interfaces: Principles and Practice, Wolpaw, J.R. and Wolpaw (eds.), E.W. Oxford University Press.
  8. ^ Wolpaw J.R.; Birbaumer N.; McFarland D.J.; Pfurtscheller G.; Vaughan T. M. (2002). "Brain–computer interfaces for communication and control". Clinical Neurophysiology. 113 (6): 767–791. doi:10.1016/s1388-2457(02)00057-3. PMC 3188401alt=Dapat diakses gratis. 
  9. ^ Allison B.Z.; Wolpaw E.W.; Wolpaw J.R. (2007). "Brain computer interface systems: Progress and prospects". British Review of Medical Devices. 4 (4): 463–474. doi:10.1586/17434440.4.4.463. PMID 17605682. 
  10. ^ http://web.cs.ucla.edu/~vidal/Real_Time_Detection.pdf
  11. ^ S. Bozinovski, M. Sestakov, L. Bozinovska: Using EEG alpha rhythm to control a mobile robot, In G. Harris, C. Walker (eds.) Proc. IEEE Annual Conference of Medical and Biological Society, p. 1515-1516, New Orleans, 1988
  12. ^ S. Bozinovski: Mobile robot trajectory control: From fixed rails to direct bioelectric control, In O. Kaynak (ed.) Proc. IEEE Workshop on Intelligent Motion Control, p. 63-67, Istanbul, 1990
  13. ^ NIH Publication No. 11-4798 (1 March 2011). "Cochlear Implants". National Institute on Deafness and Other Communication Disorders. 
  14. ^ Chuang, Alice T; Margo, Curtis E; Greenberg, Paul B (2014-7). "Retinal implants: a systematic review: Table 1". British Journal of Ophthalmology (dalam bahasa Inggris). 98 (7): 852–856. doi:10.1136/bjophthalmol-2013-303708. ISSN 0007-1161. 
  15. ^ Abdulkader, Sarah N.; Atia, Ayman; Mostafa, Mostafa-Sami M. (July 2015). "Brain computer interfacing: Applications and challenges". Egyptian Informatics Journal. 16 (2): 213–230. doi:10.1016/j.eij.2015.06.002. ISSN 1110-8665. 
  16. ^ Polikov, Vadim S., Patrick A. Tresco, and William M. Reichert (2005). "Response of brain tissue to chronically implanted neural electrodes". Journal of Neuroscience Methods. 148 (1): 1–18. doi:10.1016/j.jneumeth.2005.08.015. PMID 16198003. 
  17. ^ Vision quest, Wired Magazine, September 2002
  18. ^ Gulati, Tanuj; Won, Seok Joon; Ramanathan, Dhakshin S.; Wong, Chelsea C.; Bodepudi, Anitha; Swanson, Raymond A.; Ganguly, Karunesh (2015). "Robust Neuroprosthetic Control from the Stroke Perilesional Cortex". The Journal of Neuroscience. 35 (22): 8653–8661. doi:10.1523/JNEUROSCI.5007-14.2015. PMC 6605327alt=Dapat diakses gratis. PMID 26041930. 
  19. ^ Serruya MD, Donoghue JP. (2003) Chapter III: Design Principles of a Neuromotor Prosthetic Device in Neuroprosthetics: Theory and Practice, ed. Kenneth W. Horch, Gurpreet S. Dhillon. Imperial College Press.
  20. ^ Teenager moves video icons just by imagination, press release, Washington University in St Louis, 9 October 2006
  21. ^ Yanagisawa, Takafumi (2011). "Electrocorticographic Control of Prosthetic Arm in Paralyzed Patients". American Neurological Association. doi:10.1002/ana.22613. ECoG- Based BCI has advantage in signal and durability that are absolutely necessary for clinical application 
  22. ^ Pei, X. (2011). "Decoding Vowels and Consonants in Spoken and Imagined Words Using Electrocorticographic Signals in Humans". J Neural Eng 046028th ser. 8.4. PMID 21750369. Justin Williams, a biomedical engineer at the university, has already transformed the ECoG implant into a micro device that can be installed with a minimum of fuss. It has been tested in animals for a long period of time – the micro ECoG stays in place and doesn't seem to negatively affect the immune system.