Un implant cérébral connecté pour prévenir les crises d’épilepsie

On entend souvent que le cerveau humain est l’ordinateur le plus puissant au monde, mais il est aussi le plus mystérieux. Le siège de la raison peut être touché par diverses pathologies, que les chercheurs en neurologie tentent de comprendre et de prévenir. C’est le cas par exemple d’un groupe de neuroscientifiques de l’Université de Melbourne et de chercheurs d’IBM, qui se sont associés afin de créer un appareil capable de détecter les attaques épileptiques avant qu’elles n’arrivent.

Mettre un cerveau dans un cerveau

L’épilepsie se caractérise par des décharges anormales produites par les neurones dans certaines zones du cerveau. Il est possible de mesurer ces influx nerveux anormaux lors d’un électro-encéphalogramme (EEG). Quand elles surviennent, les crises peuvent s’accompagner de convulsions voire des pertes de consciences. Et parce qu’elles sont imprévisibles, les victimes ne peuvent pas se mettre à l’abri et prévenir les secours.

Avec leurs travaux, les chercheurs espèrent mettre au point un système d’alarme, qui sera capable d’analyser les ondes cérébrales pour repérer les schémas annonciateurs de crises. La puce neuromorphique TrueNorth est la technologie qui rend cela possible ; il s’agit d’une architecture neuronale développée par IBM qui s’inspire du cerveau humain. D’après les chercheurs, en intégrant la puce dans un wearable, elle serait capable de communiquer avec un implant cérébral, et ainsi de prévenir le porteur sur son smartphone avant l’arrivée d’une attaque.

La carte TrueNorth d’IBM

Toutefois, la technologie serait à des années d’être commercialisées. Les équipes de recherches doivent d’abord perfectionner l’algorithme de détection de schémas. Dans l’étude qu’ils présenteront lors de la conférence ACM Computer Frontiers qui aura lieu en Italie le mois prochain, les chercheurs expliquent qu’il s’agit avant tout de « démontrer la possibilité d’utiliser TrueNorth pour décoder les ondes cérébrales », en ajoutant que « des essais réels d’interface cerveau-machine sont beaucoup plus complexes ».

Pour prouver leur théorie, les chercheurs ont relié un sujet à un EEG et lui ont demandé de réaliser une série de tâches, comme de serrer la main gauche ou la main droite. L’algorithme a été capable de prédire quelle main serait pressée 76 % du temps — un chiffre décevant pour les chercheurs puisque que de précédents essais avaient une précision de 86 %. Ils sont cependant convaincus qu’avec assez de données, l’algorithme d’apprentissage automatique pourrait à terme détecter avec fidélité la survenue des attaques.