EFRE Logo

Elektrische Interaktion der Instrumente mit dem Zentralnervensystem (ZNS)

Eine elektrische Interaktion mit dem Zentralnervensystem (ZNS) zur Erzielung therapeutischer Effekte kann je nach Fragestellung in beiden Richtungen, d. h. ‚einschreibend’ oder ‚auslesend’ stattfinden. Ein Beispiel für eine auslesende elektrische Interaktion ist das Brain Machine Interface (BMI), auch als Brain Computer Interface (BCI) bekannt, welches die gemessene Hirnaktivität dekodiert, um daraus Intentionen oder Kommandos abzuleiten, die es etwa Patienten mit Lähmungen nach Schlaganfall oder Querschnittsyndrom gestatten, Geräte zu bedienen oder Prothesen zu steuern. Aktuell verfügbare BMI-Systeme gestatten zwar die mehrkanalige nicht-invasive und invasive Erfassung von EEG-Signalen, erlauben aber wegen nicht ausreichender Elektrodenqualität und Vorverarbeitungs- bzw. Klassifikationsalgorithmen bislang keine zuverlässige Dekodierung und Ausführung komplexer motorischer Kommandos.

BMI sind in Magdeburg Gegenstand von Grundlagenforschung, bei der Messtechniken, Klassifikationsverfahren und Stimulationsparadigmen entwickelt werden. Es wurde ein Ansatz entwickelt, mit dem Hirnaktivität aus lediglich einer im äußeren Gehörgang platzierten EEG-Elektrode dekodiert werden kann. Damit kann ein einfaches BMI in einen Kopfhörer etwa eines Multimedia-Gerät integriert werden. Die für komplexere Aufgaben kommerziell angebotenen Elektrodengrids zur Ableitung der Aktivität direkt auf dem Kortex (Electrocorticogramm (ECoG)) sind hinsichtlich erzielbarem Signal-Rausch-Verhältnis (SNR) und räumlicher Auflösung nicht ausreichend. Als Verbesserung wurde ein Verfahren entwickelt, mit dem mit einer laserbasierten Strukturierung geeignete miniaturisierte Leiterbahnen und Elektroden aus einer Platinfolie erzeugt und mit einem mikrosystemtechnischen Verfahren in ein biokompatibles Grid eingebracht und kontaktiert werden können. Mit Hinblick auf die Signal-Interpretation wurden Klassifikatorkonzepte adaptiert, die sowohl bei invasiven (ECoG) als auch nicht-invasiven Signalen (MEG, EEG) einzelne Trials weit über Zufallsquote klassifizieren. Eine Modifikation in Richtung real-time-Anwendung ist vorgesehen, bedarf aber geeigneter Gerätemodifikationen.