怀斯中心的研究人员正在进行一个项目，开发人工智能算法，利用大脑信号来控制轻型外装。Synapsuit 项目旨在开发解码复杂大脑信号的高性能算法。反过来，这些信号控制轻质、柔软、可穿戴的外装，支持手臂和手的实时运动。Wyss 团队与当地和国际合作伙伴合作开展这个旨在加速神经康复的项目。
“神经科学正在与人工智能迅速融合，使我们能够发现隐藏在看似混乱的大脑信号中的重要模式，” 怀斯中心首席研究员 Kyuhwa Lee 博士说。“利用尖端的机器学习方法，我们的目标是将运动意图转化为脊髓损伤和中风后运动障碍患者的行动。”
Wyss 计划继续合作探索“神经人工智能技术的新标准”。该组织旨在帮助患有严重上肢运动障碍的人进行手臂和手部的运动。为了实现这一目标，该团队计划使用灵活的高密度 ECoG 电极收集大量临床数据，并开发新的人工智能算法来解码运动障碍人士的运动意图。外骨骼项目的合作伙伴之一是 Nuerosoft BioElectronics，一家脑机接口 (BCI) 技术制造商。
“在 Neurosoft Bio electronics，我们致力于突破 BCI 技术的界限，”首席执行官 Nicolas Vachicouras 博士说。“我们的尖端软植入电极提供了一种记录来自先前未探索的大脑区域的信号的新方法。通过将这些电极集成到 Synapsuit 项目中，我们的目标是显着改善运动意图的解码，从而为最需要的人恢复功能移动性迈出了关键的一步。”
怀斯说，将算法与大脑控制的外装相结合可以通过支持中风和脊髓损伤患者的运动来加速神经康复方法。
该团队使用适合任何神经组织的柔软、可折叠且灵活的电极记录大脑信号。然后，他们将信号输入神经人工智能解码器，解码器向完全灵活的软外装发送命令。外骨骼通过经皮神经刺激发送电流，控制直接移动手臂和手的肌肉。
外装套装与一种称为静电离合器（ES-clutch）的特殊材料相结合，可以让手臂和手根据需要保持姿势，而不会造成疲劳。
韩国电子技术研究所首席研究员 Yun-Jae Won 博士表示：“我们希望开发一款高度可用、实用的外装套装，可供运动障碍人士在日常生活中使用。”
