Việc điều khiển các thiết bị hỗ trợ bằng suy nghĩ là một hướng nghiên cứu quan trọng trong y học phục hồi, hướng tới hỗ trợ bệnh nhân liệt vận động tái hòa nhập cộng đồng. Tuy nhiên, thách thức kỹ thuật lớn hiện nay là các tín hiệu não thu được thường có độ phân giải thấp và dễ bị nhiễu. Việc giải mã trực tiếp và chính xác từng tín hiệu từ vỏ não trong môi trường thực tế vẫn gặp nhiều hạn chế.

Để giải quyết vấn đề này, một nhóm nghiên cứu quốc tế đã công bố phương án tiếp cận mới trên tạp chí Nature Machine Intelligence (09/2025): Thay vì tập trung tối ưu hóa việc giải mã tín hiệu não đơn thuần, nghiên cứu đề xuất tích hợp thêm một hệ thống AI đồng hành (AI Copilot) để hỗ trợ quá trình điều khiển.

 

Thách thức đối với hệ thống giao diện não - máy tính truyền thống

Hệ thống giao diện não - máy tính (BCI) truyền thống thường vận hành theo cơ chế một chiều:

- Thiết bị ghi nhận hoạt động điện sinh lý của não bộ.

- Bộ giải mã chuyển dịch các tín hiệu thành lệnh điều khiển trực tiếp (như di chuyển con trỏ chuột hoặc cử động cánh tay robot).

Phương pháp BCI xâm lấn (phẫu thuật cấy ghép điện cực trực tiếp vào vỏ não) cho độ phân giải tín hiệu tốt hơn nhưng tiềm ẩn rủi ro tai biến phẫu thuật, nhiễm trùng và chi phí cao. Trong khi đó, phương pháp không xâm lấn (sử dụng mũ chụp điện cực ngoài da đầu) có độ an toàn cao hơn nhưng tín hiệu thu được thường bị suy giảm do đi qua hộp sọ. Dẫn đến hoạt động của thiết bị hỗ trợ thiếu độ chính xác và dễ gây mỏi cơ, căng thẳng thần kinh cho người bệnh khi phải tập trung cao độ.

 

Giải pháp điều khiển phối hợp người – máy

Thay vì để bộ giải mã xử lý độc lập các tín hiệu nhiễu, hệ thống mới được bổ sung một hệ thống AI tích hợp thị giác máy tính qua camera để chủ động phân tích ngữ cảnh môi trường xung quanh.

Quy trình phối hợp được vận hành theo cơ chế:

- Người dùng (bệnh nhân): Phát ra tín hiệu định hướng ở mức khái quát (ví dụ: hướng chuyển động chung về phía vật thể mong muốn).

- Hệ thống AI đồng hành: Xác định vị trí các vật thể trong không gian (như cốc nước, hộp gỗ) thông qua camera. Dựa trên dữ liệu ngữ cảnh, AI dự đoán mục tiêu thực tế của người dùng và kết hợp với thuật toán tối ưu hóa quỹ đạo để điều khiển thiết bị thực hiện thao tác tiếp cận vật thể một cách chính xác.

Phương thức này giúp giảm bớt khối lượng thông tin cần xử lý từ tín hiệu não, giao nhiệm vụ tinh chỉnh cử động và tránh chướng ngại vật cho hệ thống AI hỗ trợ.

 

Kết quả thử nghiệm

Nghiên cứu đã tiến hành đánh giá hiệu năng của hệ thống trên nhóm người tình nguyện khỏe mạnh và một bệnh nhân liệt tứ chi:

- Điều khiển con trỏ chuột trên màn hình: Khi có sự hỗ trợ của hệ thống AI đồng hành, tốc độ và tỷ lệ định vị chính xác mục tiêu của bệnh nhân liệt tăng 3,9 lần so với việc sử dụng hệ thống BCI thông thường.

- Nhiệm vụ gắp và đặt vật thể với cánh tay robot: Trong nhiệm vụ điều khiển cánh tay robot gắp và đặt các khối hộp vào vị trí chỉ định, bệnh nhân không thể hoàn thành nếu thiếu sự hỗ trợ. Tuy nhiên, khi kích hoạt hệ thống AI đồng hành, tỷ lệ thực hiện thành công đạt 93%.

 

Kết quả thực nghiệm cho thấy sự phối hợp đồng điều khiển giữa tín hiệu sinh học của con người và thuật toán hỗ trợ của máy tính giúp cải thiện khả năng sử dụng của các thiết bị BCI không xâm lấn.

 

Ứng dụng trong y học phục hồi và nghiên cứu lâm sàng

Đối với công tác giảng dạy, học tập và nghiên cứu trong khối ngành Sức khỏe, công trình này gợi mở một số định hướng thực tiễn:

- Cải thiện hiệu quả phục hồi chức năng: Giải pháp giúp rút ngắn thời gian làm quen và giảm mức độ gắng sức của người bệnh khi sử dụng thiết bị hỗ trợ. Việc tương tác dễ dàng hơn có thể thúc đẩy tâm lý tích cực của bệnh nhân trong quá trình trị liệu phục hồi.

- Tối ưu hóa các phương pháp không xâm lấn: Nâng cao hiệu suất của thiết bị không xâm lấn thông qua cải tiến thuật toán hỗ trợ, từ đó giảm thiểu chỉ định phẫu thuật đặt điện cực xâm lấn cho những trường hợp không thực sự cần thiết.

- Xu hướng tích hợp đa chuyên ngành: Mô hình này minh họa cho xu hướng cá thể hóa điều trị, nơi các nhà lâm sàng phục hồi chức năng và kỹ sư y sinh có thể phối hợp để hiệu chỉnh các tham số của trợ lý AI sao cho phù hợp với mức độ tổn thương thần kinh và nhu cầu sinh hoạt của từng bệnh nhân.

 

Nguồn: Lee JY, Lee S, Mishra A, Yan X, McMahan B, Gaisford B, Kobashigawa C, Qu M, Xie C, Kao JC. Brain-computer interface control with artificial intelligence copilots. Nat Mach Intell. 2025 Sep;7(9):1510-1523. doi: 10.1038/s42256-025-01090-y.

 

 

Người viết bài: ThS. Bùi Văn Đức

Người duyệt bài: PGS.TS Nguyễn Hữu Toàn

Người đăng bài: ThS. Bùi Văn Đức