Overlap in neural representations of coordinated wrist and finger movements in human motor cortex

Dit onderzoek toont aan dat de menselijke motorische cortex een gedeelde, laagdimensionale flexie-extensiecode bevat voor vingers en pols die door biomechanische koppeling ontstaat, maar dat het decoderen van bewegingen loodrecht op deze gemeenschappelijke as de controle van een virtuele hand via een BCI aanzienlijk verbetert.

De kern

De dans van de vingers: Hoe ons brein vingers en pols laat samenspelen

Stel je voor dat je hand een complex orkest is. Je hebt tien vingers die elk hun eigen instrument kunnen bespelen, en een pols die fungeert als het podium dat het hele orkest in de juiste richting draait. Maar hier is het probleem: in het echte leven zijn deze instrumenten niet volledig losgekoppeld. Ze zitten aan elkaar vast met sterke touwtjes (spieren en pezen) die door je onderarm lopen. Als je je duim beweegt, trek je onbedoeld ook aan de touwtjes van je wijsvinger.

Deze studie, uitgevoerd op mensen met een ruggenmergletsel die een chip in hun hersenen hebben, onderzoekt hoe dit werkt in het "muziekcentrum" van het brein: de motorische cortex. De onderzoekers wilden weten: Sturen onze hersenen elke vinger als een losse solist, of denken ze in groepen die samenwerken?

Hier is wat ze ontdekten, vertaald in alledaagse termen:

1. Het brein heeft een "gemeenschappelijke bewegingsas"

Het meest verrassende resultaat is dat het brein niet elke vingerbeweging als iets totaal anders ziet. In plaats daarvan heeft het een soort algemene "buig-richting".

• De Analogie: Denk aan een grote, zachte deken die over de vingers ligt. Als je je duim buigt, gaat de deken omhoog. Als je je pink buigt, gaat de deken ook omhoog. Het brein ziet deze "omhoog-gaande" beweging als één groot patroon. Of je nu je duim of je pink buigt, het signaal in het brein dat "buigen" betekent, is heel erg hetzelfde.
• De conclusie: Het brein encodeert wat je beweegt (de vingeridentiteit) op een specifieke plek, maar hoe je het beweegt (buigen of strekken) is een signaal dat door alle vingers en zelfs de pols wordt gedeeld.

2. De pols en de vingers zijn "koppels"

Omdat de spieren die je vingers bewegen ook over je pols lopen, is het onmogelijk om je vingers te bewegen zonder je pols ook een beetje te verdraaien. Het brein heeft dit ook door.

• De Analogie: Stel je voor dat je vingers en pols twee danspartners zijn die aan elkaar gebonden zijn met een elastiekje. Als de vingers naar voren dansen (buigen), trekken ze de pols mee. Het brein heeft deze dansstap al in zijn hoofd opgeslagen. Het signaal voor "vingers buigen" en "pols buigen" lopen in het brein bijna precies over elkaar heen.

3. Het probleem voor de robot-hand (BCI)

Mensen met een chip in hun hersenen proberen vaak een robot-hand te besturen. De onderzoekers ontdekten een groot probleem: omdat het signaal voor "vinger buigen" en "pols buigen" zo op elkaar lijkt, probeerde de robot-hand vaak alles tegelijk.

• Als de gebruiker dacht: "Buig mijn duim", dan probeerde de robot ook zijn pols te buigen.
• Het was alsof je probeerde een piano te bespelen, maar als je op één toets drukt, gaan er ook tien andere toetsen mee.

4. De slimme oplossing: Het "ruis-filter"

De onderzoekers bedachten een slimme truc om dit op te lossen. Ze zagen dat er een gedeelde lijn was in de hersenactiviteit (de "gemeenschappelijke as" voor buigen/strekken).

• De Analogie: Stel je voor dat je een radio luistert en er zit een constante bromtoon (de gedeelde bewegingsas) in die je wilt weghalen om de muziek (de specifieke vingerbeweging) te horen. De onderzoekers bouwden een decoder die deze "bromtoon" eruit filterde.
• Het resultaat: Zodra ze dit gedeelde signaal weglieten, kon de gebruiker veel sneller en nauwkeuriger zijn vingers bewegen. De robot-hand deed niet meer onbedoelde bewegingen met de pols. Het was alsof ze de muziek eindelijk helder hoorden zonder de achtergrondruis.

Waarom is dit belangrijk?

Vroeger dachten wetenschappers dat we elke vinger en elke gewricht in het brein als een losse knop konden zien. Deze studie laat zien dat het brein slim is: het werkt met groepsdynamiek en biomechanische realiteit.

Voor de toekomst van robot-protheses betekent dit: we hoeven niet te proberen elke vinger als een volledig losse robot te besturen. Als we begrijpen hoe het brein deze "gemeenschappelijke bewegingen" gebruikt, kunnen we betere besturingssystemen bouwen. We kunnen de "bromtoon" filteren en zo mensen met een handicap weer laten doen wat ze het liefst doen: een kop koffie vasthouden, een viool bespelen of gewoon iemand een hand geven, zonder dat hun robot-hand in de war raakt.

Kortom: Ons brein denkt niet in losse onderdelen, maar in samenhangende bewegingen. Als we die logica begrijpen, kunnen we de brug tussen gedachte en daad veel sterker maken.

Technische samenvatting

Probleemstelling

De handfunctie is essentieel voor menselijke interactie, maar wordt beperkt door de biomechanische koppeling tussen vingers en pols. Spieren in de onderarm die vingers bewegen, kruisen vaak de pols, wat leidt tot mechanische koppelkrachten die onafhankelijke controle van individuele vingers bemoeilijken. Een impliciete aanname in veel hersen-computerinterfaces (BCI's) is dat motorische cortex (M1) elk gewricht onafhankelijk encodeert. Het is echter onduidelijk of de neurale activiteit deze biomechanische beperkingen weerspiegelt of dat er echt onafhankelijke signalen voor vingers en pols bestaan. Dit is cruciaal voor de ontwikkeling van geavanceerde BCI's die tetraplegische patiënten een gedetailleerde handcontrole kunnen bieden.

Methodologie

De studie omvatte drie deelnemers met tetraplegie (C1, C2 en P5) als gevolg van een cervicale ruggenmergletsel. Zij hadden 96-kanaals micro-elektrode arrays (Neuroport Array, Blackrock Neurotech) geïmplanteerd in de linker motorische cortex.

• Experimenteel Paradigma: De deelnemers voerden "geprobeerde" bewegingen uit (attempted movements) op basis van audio- en visuele instructies. Dit omvatte:
  • Isolatiebewegingen van individuele vingers (flexie/extensie).
  • Isolatiebewegingen van de pols (flexie/extensie, pronatie/supinatie).
  • Gelijktijdige bewegingen van pols en vingers.
• Data-analyse:
  • Decoding: Lineaire discriminantanalyse (LDA) en Kalman-filters werden gebruikt om vingeridentiteit, bewegingsrichting en polsoriëntatie te decoderen uit de neurale activiteit (gegemiddeld in 100ms vensters).
  • Ruimtelijke Organisatie: Modulatietools werden gemaakt om de ruimtelijke verdeling van neurale activiteit per vinger te visualiseren en somatotopie te testen.
  • Neurale Ruimte Analyse: De auteurs definieerden asen in de neurale ruimte (bijv. flexie vs. extensie) voor elke vinger en voor de pols. Ze berekenden de hoeken tussen deze asen om de mate van overlap (kollineariteit) of orthogonaliteit te kwantificeren.
  • Online Controle: Een Kalman-filter decoder werd getraind op neurale activiteit waarbij de "gemeenschappelijke as" (shared axis) tussen vinger- en polsbewegingen werd afgetrokken. Dit werd getest in een online omgeving met een virtuele robotische hand.

Belangrijkste Bijdragen en Resultaten

1. Somatotopische Organisatie met Overlap:

   • De onderzoekers vonden dat vingeridentiteit (welke vinger beweegt) nauwkeurig gedecodeerd kan worden en dat de actieve kanalen een somatotopische organisatie vertonen (buurvingers activeren nabijgelegen kanalen).
   • Desondanks is er een sterke overlap in de neurale representatie: de bewegingsrichting (flexie vs. extensie) van één vinger kan worden voorspeld op basis van de activiteit tijdens de beweging van andere vingers. Dit suggereert een gedeeld neurale signaal voor bewegingsrichting.

2. Gedeelde Neurale As (Shared Axis):

   • De belangrijkste bevinding is dat de neurale as die de flexie-extensie van de vingers beschrijft, sterk gealigneerd is met de as voor polsflexie en -extensie.
   • De as voor polspronatie/supinatie is daarentegen orthogonaal (loodrecht) op de vingerbewegingsassen.
   • Dit betekent dat de motorische cortex de biomechanische koppeling (dat vingerbewegingen polskoppelkrachten genereren) reflecteert in een gedeelde, laag-dimensionale subspace.

3. Invloed van Simultane Bewegingen:

   • Bij het proberen van gelijktijdige bewegingen van pols en vingers daalde de decodeerbaarheid van zowel vingeridentiteit als polsoriëntatie tijdens de voorbereidingsfase, waarschijnlijk door een beperkte bandbreedte in de neurale populatie.
   • De polsoriëntatie had echter geen significant effect op de nauwkeurigheid van het decoderen van de vingeridentiteit.

4. Verbeterde Online Controle door As-Subtractie:

   • Door de gemeenschappelijke bewegingsas (de overlap tussen vinger- en polsflexie/extensie) uit de neurale data te verwijderen, konden de onderzoekers een decoder bouwen die op de orthogonale subspace werkt.
   • Resultaat: Deelnemer C1 kon met deze "gedeeltelijke" decoder (zonder de gemeenschappelijke as) sneller en nauwkeuriger individuele vingers bewegen en terugkeren naar een neutrale positie dan met een decoder die op de volledige neurale ruimte was getraind.
   • Dit benadering maakte ook succesvolle, gelijktijdige controle van vinger en pols mogelijk, met minder onbedoelde bewegingen.

Significantie en Conclusie

De studie weerlegt de aanname dat motorische cortex onafhankelijke signalen voor elk gewricht genereert. In plaats daarvan blijkt de neurale organisatie te zijn aangepast aan de biomechanische beperkingen van het spierstelsel, waarbij een gedeelde "flexie-extensie" signaal wordt gebruikt voor zowel vingers als pols.

De praktische implicatie voor neurotechnologie is groot:

• Decoderingsstrategie: In plaats van te proberen alle bewegingen onafhankelijk te decoderen (wat leidt tot ruis en kruisinterferentie), kunnen BCI-systemen profiteren van het identificeren en elimineren van deze gedeelde neurale subspace.
• Toekomstige Toepassingen: Door gebruik te maken van de orthogonale subspace, kunnen patiënten met tetraplegie snellere en preciezere controle krijgen over een prothetische hand, zelfs tijdens complexe, gecoördineerde bewegingen. Dit vormt een stap richting volledig dexterous handgebruik via BCI.

Kortom, het artikel toont aan dat het begrijpen van de intrinsieke neurale beperkingen en de geometrie van de motorische populatieactiviteit essentieel is voor het optimaliseren van de prestaties van hersen-computerinterfaces.