Summary

Background

 Paralysis or amputation of an arm results in the loss of the ability to orient the hand and grasp, manipulate, and carry objects, functions that are essential for activities of daily living. Brain–machine interfaces could provide a solution to restoring many of these lost functions. We therefore tested whether an individual with tetraplegia could rapidly achieve neurological control of a high-performance prosthetic limb using this type of an interface. 

Methods

 We implanted two 96-channel intracortical microelectrodes in the motor cortex of a 52-year-old individual with tetraplegia. Brain–machine-interface training was done for 13 weeks with the goal of controlling an anthropomorphic prosthetic limb with seven degrees of freedom (three-dimensional translation, three-dimensional orientation, one-dimensional grasping). The participant's ability to control the prosthetic limb was assessed with clinical measures of upper limb function. This study is registered with ClinicalTrials.gov, NCT01364480. 

Findings

 The participant was able to move the prosthetic limb freely in the three-dimensional workspace on the second day of training. After 13 weeks, robust seven-dimensional movements were performed routinely. Mean success rate on target-based reaching tasks was 91·6% (SD 4·4) versus median chance level 6·2% (95% CI 2·0–15·3). Improvements were seen in completion time (decreased from a mean of 148 s [SD 60] to 112 s [6]) and path efficiency (increased from 0·30 [0·04] to 0·38 [0·02]). The participant was also able to use the prosthetic limb to do skilful and coordinated reach and grasp movements that resulted in clinically significant gains in tests of upper limb function. No adverse events were reported. 

Interpretation

 With continued development of neuroprosthetic limbs, individuals with long-term paralysis could recover the natural and intuitive command signals for hand placement, orientation, and reaching, allowing them to perform activities of daily living. 

Funding

 Defense Advanced Research Projects Agency, National Institutes of Health, Department of Veterans Affairs, and UPMC Rehabilitation Institute.

During learning, the new patterns of neural population activity that develop are constrained by the existing network structure so that certain patterns can be generated more readily than others. In a study of the extent to which new patterns of neural activity can be generated through learning, Aaron Batista and colleagues examine neuronal network reorganization in Rhesus macaques learning to control a computer cursor using different patterns of activity in motor cortex. Some new neural activity patterns were more easily generated than others — corresponding to more easily learned tasks — and these could be predicted mathematically from the network topology at the beginning of the experiment. The authors speculate that the results provide a basis for a neural explanation for the balance between adaptability and persistence in action and thought. Learning, whether motor, sensory or cognitive, requires networks of neurons to generate new activity patterns. As some behaviours are easier to learn than others1,2, we asked if some neural activity patterns are easier to generate than others. Here we investigate whether an existing network constrains the patterns that a subset of its neurons is capable of exhibiting, and if so, what principles define this constraint. We employed a closed-loop intracortical brain–computer interface learning paradigm in which Rhesus macaques (Macaca mulatta) controlled a computer cursor by modulating neural activity patterns in the primary motor cortex. Using the brain–computer interface paradigm, we could specify and alter how neural activity mapped to cursor velocity. At the start of each session, we observed the characteristic activity patterns of the recorded neural population. The activity of a neural population can be represented in a high-dimensional space (termed the neural space), wherein each dimension corresponds to the activity of one neuron. These characteristic activity patterns comprise a low-dimensional subspace (termed the intrinsic manifold) within the neural space. The intrinsic manifold presumably reflects constraints imposed by the underlying neural circuitry. Here we show that the animals could readily learn to proficiently control the cursor using neural activity patterns that were within the intrinsic manifold. However, animals were less able to learn to proficiently control the cursor using activity patterns that were outside of the intrinsic manifold. These results suggest that the existing structure of a network can shape learning. On a timescale of hours, it seems to be difficult to learn to generate neural activity patterns that are not consistent with the existing network structure. These findings offer a network-level explanation for the observation that we are more readily able to learn new skills when they are related to the skills that we already possess3,4.

Intracortical microstimulation of the somatosensory cortex offers the potential for creating a sensory neuroprosthesis to restore tactile sensation. Whereas animal studies have suggested that both cutaneous and proprioceptive percepts can be evoked using this approach, the perceptual quality of the stimuli cannot be measured in these experiments. We show that microstimulation within the hand area of the somatosensory cortex of a person with long-term spinal cord injury evokes tactile sensations perceived as originating from locations on the hand and that cortical stimulation sites are organized according to expected somatotopic principles. Many of these percepts exhibit naturalistic characteristics (including feelings of pressure), can be evoked at low stimulation amplitudes, and remain stable for months. Further, modulating the stimulus amplitude grades the perceptual intensity of the stimuli, suggesting that intracortical microstimulation could be used to convey information about the contact location and pressure necessary to perform dexterous hand movements associated with object manipulation.

Objective. In a previous study we demonstrated continuous translation, orientation and one-dimensional grasping control of a prosthetic limb (seven degrees of freedom) by a human subject with tetraplegia using a brain−machine interface (BMI). The current study, in the same subject, immediately followed the previous work and expanded the scope of the control signal by also extracting hand-shape commands from the two 96-channel intracortical electrode arrays implanted in the subject's left motor cortex. Approach. Four new control signals, dictating prosthetic hand shape, replaced the one-dimensional grasping in the previous study, allowing the subject to control the prosthetic limb with ten degrees of freedom (three-dimensional (3D) translation, 3D orientation, four-dimensional hand shaping) simultaneously. Main results. Robust neural tuning to hand shaping was found, leading to ten-dimensional (10D) performance well above chance levels in all tests. Neural unit preferred directions were broadly distributed through the 10D space, with the majority of units significantly tuned to all ten dimensions, instead of being restricted to isolated domains (e.g. translation, orientation or hand shape). The addition of hand shaping emphasized object-interaction behavior. A fundamental component of BMIs is the calibration used to associate neural activity to intended movement. We found that the presence of an object during calibration enhanced successful shaping of the prosthetic hand as it closed around the object during grasping. Significance. Our results show that individual motor cortical neurons encode many parameters of movement, that object interaction is an important factor when extracting these signals, and that high-dimensional operation of prosthetic devices can be achieved with simple decoding algorithms. ClinicalTrials.gov Identifier: NCT01364480.

Brain-computer interface (BCI) technology aims to help individuals with disability to control assistive devices and reanimate paralyzed limbs. Our study investigated the feasibility of an electrocorticography (ECoG)-based BCI system in an individual with tetraplegia caused by C4 level spinal cord injury. ECoG signals were recorded with a high-density 32-electrode grid over the hand and arm area of the left sensorimotor cortex. The participant was able to voluntarily activate his sensorimotor cortex using attempted movements, with distinct cortical activity patterns for different segments of the upper limb. Using only brain activity, the participant achieved robust control of 3D cursor movement. The ECoG grid was explanted 28 days post-implantation with no adverse effect. This study demonstrates that ECoG signals recorded from the sensorimotor cortex can be used for real-time device control in paralyzed individuals.

Abstract How are we able to learn new behaviors without disrupting previously learned ones? To understand how the brain achieves this, we used a brain-computer interface (BCI) learning paradigm, which enables us to detect the presence of a memory of one behavior while performing another. We found that learning to use a new BCI map altered the neural activity that monkeys produced when they returned to using a familiar BCI map, in a way that was specific to the learning experience. That is, learning left a “memory trace.” This memory trace co-existed with proficient performance under the familiar map, primarily by altering dimensions of neural activity that did not impact behavior. Such a memory trace could provide the neural underpinning for the joint learning of multiple motor behaviors without interference.

Summary When we speak, we not only make movements with our mouth, lips, and tongue, but we also hear the sound of our own voice. Thus, speech production in the brain involves not only controlling the movements we make, but also auditory and sensory feedback. Auditory responses are typically suppressed during speech production compared to perception, but how this manifests across space and time is unclear. Here we recorded intracranial EEG in seventeen pediatric, adolescent, and adult patients with medication-resistant epilepsy who performed a reading/listening task to investigate how other auditory responses are modulated during speech production. We identified onset and sustained responses to speech in bilateral auditory cortex, with a selective suppression of onset responses during speech production. Onset responses provide a temporal landmark during speech perception that is redundant with forward prediction during speech production. Phonological feature tuning in these “onset suppression” electrodes remained stable between perception and production. Notably, the posterior insula responded at sentence onset for both perception and production, suggesting a role in multisensory integration during feedback control.

Abstract Intracranial pressure (ICP) has been proposed to play an important role in the sensitivity to intraocular pressure (IOP) and susceptibility to glaucoma. However, the in vivo effects of simultaneous, controlled, acute variations in ICP and IOP have not been directly measured. We quantified the deformations of the anterior lamina cribrosa (ALC) and scleral canal at Bruch’s membrane opening (BMO) under acute elevation of IOP and/or ICP. Four eyes of three monkeys were imaged in vivo with OCT under four pressure conditions: IOP and ICP either at baseline or elevated. The BMO and ALC were reconstructed from manual delineations. From these, we determined canal area at the BMO (BMO area), BMO aspect ratio and planarity, and ALC median depth relative to the BMO plane. To better account for the pressure effects on the imaging, we also measured ALC visibility as a percent of the BMO area. Further, ALC depths were analyzed only in regions where the ALC was visible in all pressure conditions. Bootstrap sampling was used to obtain mean estimates and confidence intervals, which were then used to test for significant effects of IOP and ICP, independently and in interaction. Response to pressure manipulation was highly individualized between eyes, with significant changes detected in a majority of the parameters. Significant interactions between ICP and IOP occurred in all measures, except ALC visibility. On average, ICP elevation expanded BMO area by 0.17mm 2 at baseline IOP, and contracted BMO area by 0.02 mm 2 at high IOP. ICP elevation decreased ALC depth by 10μm at baseline IOP, but increased depth by 7 μm at high IOP. ALC visibility decreased as ICP increased, both at baseline (−10%) and high IOP (−17%). IOP elevation expanded BMO area by 0.04 mm 2 at baseline ICP, and contracted BMO area by 0.09 mm 2 at high ICP. On average, IOP elevation caused the ALC to displace 3.3 μm anteriorly at baseline ICP, and 22 μm posteriorly at high ICP. ALC visibility improved as IOP increased, both at baseline (5%) and high ICP (8%). In summary, changing IOP or ICP significantly deformed both the scleral canal and the lamina of the monkey ONH, regardless of the other pressure level. There were significant interactions between the effects of IOP and those of ICP on LC depth, BMO area, aspect ratio and planarity. On most eyes, elevating both pressures by the same amount did not cancel out the effects. Altogether our results show that ICP affects sensitivity to IOP, and thus that it can potentially also affect susceptibility to glaucoma. Research Highlights - In vivo ONH deformations caused by acute, controlled, simultaneous changes in IOP and/or ICP can be directly visualized and measured in the monkey eye using OCT. - Acute changes of either IOP or ICP significantly deformed both the scleral canal and the lamina cribrosa, regardless of the other pressure level. - Pressures interacted, meaning that the effects of one pressure depended significantly on the level of the other pressure. - Elevating both pressures did not cancel out the effects of one of them being elevated. - Our results show that ICP affects sensitivity to IOP, and thus that it can potentially also affect susceptibility to glaucoma.

To evaluate changes in monkey optic nerve head (ONH) morphology under acutely controlled intraocular pressure (IOP) and intracranial pressure (ICP).Seven ONHs from six monkeys were imaged via optical coherence tomography while IOP and ICP were maintained at one of 16 conditions. These conditions were defined by 4 levels for each pressure: low, baseline, high and very high. Images were processed to determine scleral canal area, aspect ratio, and planarity and anterior lamina cribrosa (ALC) shape index and curvature. Linear mixed effect models were utilized to investigate the effects of IOP, ICP and their interactions on ONH morphological features. The IOP-ICP interaction model was compared with one based on translaminar pressure difference (TLPD).We observed complex, eye-specific, non-linear patterns of ONH morphological changes with changes in IOP and ICP. For all ONH morphological features, linear mixed effects models demonstrated significant interactions between IOP and ICP that were unaccounted for by TLPD. Interactions indicate that the effects of IOP and ICP depend on the other pressure. The IOP-ICP interaction model was a higher quality predictor of ONH features than a TLPD model.In vivo modulation of IOP and ICP causes nonlinear and non-monotonic changes in monkey ONH morphology that depend on both pressures and is not accounted for by a simplistic TLPD. These results support and extend prior findings.A better understanding of ICP's influence on the effects of IOP can help inform the highly variable presentations of glaucoma and effective treatment strategies.

Abstract Internal states such as arousal, attention, and motivation are known to modulate brain-wide neural activity, but how these processes interact with learning is not well understood. During learning, the brain must modify the neural activity it produces to improve behavioral performance. How do internal states affect the evolution of this learning process? Using a brain-computer interface (BCI) learning paradigm in non-human primates, we identified large fluctuations in neural population activity in motor cortex (M1) indicative of arousal-like internal state changes. These fluctuations drove population activity along dimensions we term neural engagement axes. Neural engagement increased abruptly at the start of learning, and then gradually retreated. In a BCI, the causal relationship between neural activity and behavior is known. This allowed us to understand how these changes impacted behavioral performance for different task goals. We found that neural engagement interacted with learning, helping to explain why animals learned some task goals more quickly than others.