Decoding Overlapping Lower-Limb Afferent Pathways from Human Epidural Spinal Recordings
यह अध्ययन प्रदर्शित करता है कि नैदानिक-ग्रेड लंबोसैक्रल एपिड्यूरल एरेज़ मनुष्यों में उच्च सटीकता के साथ विशिष्ट ओवरलैपिंग कॉमन फिबुलर और टिबियल तंत्रिका एफरेंट संकेतों को सफलतापूर्वक डिकोड कर सकते हैं, जो बिना किसी आक्रामक भेदनकारी या परिधीय इंटरफेस की आवश्यकता के तीव्र, क्लोज्ड-लूप न्यूरोमॉड्यूलेशन के लिए एक व्यवहार्य मार्ग स्थापित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका शरीर एक हलचल भरा शहर है, और आपकी रीढ़ की हड्डी (स्पाइनल कॉर्ड) केंद्र में चलने वाली एक मुख्य फाइबर-ऑप्टिक केबल है, जो हर सेकंड लाखों संदेश ले जाती है। कुछ संदेश आपकी मांसपेशियों को हिलने का निर्देश देते हैं, जबकि अन्य आपकी त्वचा और जोड़ों से मस्तिष्क तक खबरें पहुँचाते हैं। दशकों से, वैज्ञानिक "न्यूरोप्रोस्थेटिक्स" (neuroprosthetics) बनाने की कोशिश कर रहे हैं—एक उच्च-तकनीकी पुल जो चोट लगने के बाद इस शहर में टूटे हुए कनेक्शनों की मरम्मत कर सके। इन पुलों को वास्तव में स्मार्ट बनाने के लिए, उन्हें केवल आदेश चिल्लाने की नहीं, बल्कि यातायात को सुनने की भी आवश्यकता है। इसका अर्थ है कि उन्हें आने वाले संवेदी संदेशों को वास्तविक समय (real-time) में डिकोड करने की आवश्यकता है।
हालाँकि, एक पेचीदा समस्या है। आपकी कमर के निचले हिस्से में, आपके पैरों के केबल (विशेष रूप से आपके पैरों और पिंडलियों की नसें) एक विशाल स्पैगेटी के कटोरे की तरह आपस में उलझ जाते हैं। जब आपके बाएं पैर या दाहिने पिंडली से कोई संकेत ऊपर आता है, तो वह फैलता है और रीढ़ की हड्डी की सतह तक पहुँचने से पहले हर जगह के संकेतों के साथ मिल जाता है। यह एक पूर्ण ऑर्केस्ट्रा के बीच खड़े होकर एक अकेले वायलिन की आवाज़ सुनने जैसा है; ध्वनि मौजूद है, लेकिन वह एक धुंधला और मिला-जुला शोर है। लंबे समय तक, वैज्ञानिकों ने सोचा कि क्या केवल रीढ़ के बाहर रखे गैर-आक्रामक (non-invasive) सेंसरों का उपयोग करके इन मिले-जुले संकेतों को सुलझाना संभव भी है, या क्या "शोर" बहुत अधिक तेज़ था जिसे समझना नामुमकिन था।
यहीं पर ह्यूस्टन मेथोडिस्ट रिसर्च इंस्टीट्यूट के शोधकर्ताओं की एक टीम एक चतुर प्रयोग के साथ सामने आई। उन्होंने एक सरल लेकिन साहसी प्रश्न पूछा: यदि हम एक उच्च-तकनीकी सेंसर ग्रिड (एक एपिड्यूरल पैडल ऐरे) का उपयोग करें जिसका उपयोग डॉक्टर पहले से ही दर्द निवारण के लिए करते हैं, तो क्या हम कंप्यूटर को उस धुंधले मिश्रण को सुनने और यह समझने के लिए प्रशिक्षित कर सकते हैं कि वास्तव में किस नस ने संकेत भेजा था?
उनका उत्तर, उनके अध्ययन के अनुसार, एक जोरदार "हाँ" है।
शोधकर्ताओं ने तीन व्यक्तियों के साथ काम किया जिन्होंने गंभीर स्पाइनल कॉर्ड इंजरी (रीढ़ की हड्डी की चोट) झेली थी। इन प्रतिभागियों के निचले स्पाइनल कॉर्ड के ऊपर एक मानक 32-कॉन्टैक्ट इलेक्ट्रोड पैडल सर्जिकल रूप से लगाया गया था। टीम ने उनके पैरों की नसों को—विशेष रूप से घुटने के पास स्थित कॉमन फिबुलर नर्व (common fibular nerve) और टखने के पास स्थित टिबियल नर्व (tibial nerve) को—दोनों तरफ से धीरे से उत्तेजित (stimulate) किया। भले ही ये नसें रीढ़ की हड्डी में भारी ओवरलैप भेजती हैं, शोधकर्ताओं ने उन 32 सेंसरों के माध्यम से लहरों जैसी छोटी विद्युत तरंगों (जिन्हें कॉर्ड डोरसम पोटेंशियल कहा जाता है) को रिकॉर्ड किया।
यहाँ जादू वाला हिस्सा है: उन्होंने केवल सिग्नल की तीव्रता को नहीं देखा। इसके बजाय, उन्होंने डेटा को एक परिष्कृत कंप्यूटर मस्तिष्क (एक मशीन लर्निंग मॉडल जिसे सपोर्ट वेक्टर मशीन कहा जाता है) में फीड किया, जिसने तरंग के आकार, उसके समय और प्रत्येक सेंसर संपर्क में वोल्टेज के सूक्ष्म अंतरों को देखा। इसे केवल यह पहचानने के बजाय कि कोई व्यक्ति कितनी ज़ोर से चिल्लाता है, उसके कदमों के विशिष्ट पैटर्न और उसकी आवाज़ की विशिष्ट लय को पहचानने जैसा समझें।
परिणाम प्रभावशाली थे। कंप्यूटर मॉडल ने 90.9% ± 0.3% की औसत सटीकता के साथ सफलतापूर्वक पहचान लिया कि कौन सा विशिष्ट तंत्रिका पथ (nerve pathway) सक्रिय था। इसका अर्थ है कि यह बाएं पैर, दाहिने पैर, बाएं पिंडली और दाहिने पिंडली के बीच अंतर कर सका, भले ही उनके संकेत रीढ़ की हड्डी में पूरी तरह से आपस में मिले हुए थे।
टीम ने यह भी खोजा कि कंप्यूटर ने यह कैसे समझा। उन्होंने SH-AP नामक एक विशेष उपकरण का उपयोग किया (जो AI के निर्णयों के लिए एक आवर्धक लेंस की तरह कार्य करता है) ताकि यह देख सकें कि कंप्यूटर किन सुरागों का उपयोग कर रहा था। उन्होंने पाया कि मॉडल बड़े, स्पष्ट आकारों या सिग्नल के समग्र "केंद्र" पर निर्भर नहीं था। इसके बजाय, यह सूक्ष्म, बारीक विवरणों—व्यक्तिगत सेंसरों पर विशिष्ट वोल्टेज पैटर्न और तरंग की जटिलता—पर निर्भर था। यह ऐसा है जैसे कंप्यूटर ने केवल चेहरे की सामान्य रूपरेखा देखने के बजाय, चेहरे पर एक विशिष्ट तिल को पहचानने का हुनर सीख लिया हो।
शायद सबसे रोमांचक बात यह है कि शोधकर्ताओं ने यह परीक्षण किया कि क्या होता है जब वे उत्तेजना (stimulation) को उन स्तरों तक कम कर देते हैं जो मांसपेशियों में कंपन तक भी पैदा नहीं करते (सब-मोटर थ्रेशोल्ड)। इन बहुत कमजोर, शांत संकेतों के साथ भी, कंप्यूटर स्रोत को डिकोड करने में सक्षम था, हालांकि यह थोड़ा कठिन हो गया था। सबसे निचले स्तरों पर सटीकता गिरकर 46.0% हो गई, लेकिन यह अभी भी रैंडम गेसिंग (जो कि 25% होती) से कहीं बेहतर है। यह सुझाव देता है कि प्रत्येक तंत्रिका पथ का अनूठा "फिंगरप्रिंट" बहुत कम सिग्नल होने पर भी बरकरार रहता है; यह बस एक जटिल, गैर-रेखीय (non-linear) तरीके से अपनी स्थिति बदल लेता है जिसे ट्रैक करने के लिए एक स्मार्ट कंप्यूटर की आवश्यकता होती है।
अध्ययन स्पष्ट रूप से इस विचार को खारिज करता है कि आप केवल सरल, बड़े-स्तर की विशेषताओं जैसे कि सिग्नल के कुल आकार या उसके औसत स्थान को देखकर इस समस्या को हल कर सकते हैं। जब शोधकर्ताओं ने कंप्यूटर को सूक्ष्म विवरणों को अनदेखा करने और केवल इन बड़े, सरल फीचर्स को देखने के लिए मजबूर किया, तो इसकी सटीकता गिरकर 73.2% रह गई। यह सिद्ध करता है कि इन संकेतों को अनलॉक करने का रहस्य उन जटिल, बारीक विवरणों में छिपा है जिन्हें पहले बहुत अधिक शोर वाला माना जाता था।
संक्षेप में, यह पेपर दिखाता है कि हमें संवेदी फीडबैक प्राप्त करने के लिए अनिवार्य रूप से रीढ़ की हड्डी में ड्रिल करने या जटिल नए उपकरण लगाने की आवश्यकता नहीं है। मौजूदा, चिकित्सकीय रूप से उपलब्ध इलेक्ट्रोड ग्रिडों का उपयोग करके और उन्हें विद्युत शोर में छिपे सूक्ष्म पैटर्न को सुनने के लिए प्रशिक्षित करके, हम ऐसे स्पाइनल इंटरफेस बना सकते हैं जो वास्तव में दो-तरफा रास्ते हों—जो शरीर से बात करने के साथ-साथ उसे सुन भी सकें। यह भविष्य के उपकरणों के लिए द्वार खोलता है जो वास्तविक समय में किसी व्यक्ति की गतिविधियों के अनुकूल हो सकते हैं, जिससे नियंत्रण और संवेदना के एक ऐसे स्तर को बहाल किया जा सकता है जो पहले पहुंच से बाहर था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।