Оценка изменений чувствительности нейронов к параметрам движения (neuronal tuning) при управлении интерфейсом мозг-компьютер (ИМК) затруднена, так как свойства нейронов начинают зависеть не только от нейронных сетей, но и от настроек декодера.

Вклад нейрона в движение определяется коэффициентами декодера, из-за чего зафиксированная алгоритмом чувствительность может абсолютно не совпадать с реальным нейрофизиологическим намерением пользователя.

Дополнительную сложность вносит ансамблевый характер декодирования, при котором оценка активности одного нейрона фактически становится его сравнением с суммарной активностью множества других клеток. В зависимости от того, является ли вклад конкретного нейрона доминирующим или незначительным, его наблюдаемая чувствительность будет отражать либо алгоритм декодера, либо траекторию, сгенерированную остальной группой нейронов.

Корреляции в активности клеток также искажают картину: слабо влияющий нейрон, синхронизированный с сильными нейронами, будет ложно демонстрировать аналогичную им чувствительность к параметрам движения.

Выводы Гангули и Кармены о формировании «стабильной корковой карты» при неизменном декодере выглядят сомнительными из-за методических недоработок и игнорирования этих факторов.

Изменения графиков чувствительности нейронов в их работе, скорее всего, объясняются эволюцией траекторий курсора от хаотичных к прямым, а не реальной пластической перестройкой представлений в коре.

Основная методологическая проблема подобных исследований заключается в замкнутом круге: движение исполнительного устройства сначала генерируется из нейронной активности алгоритмом, а затем по нему же пытаются оценить чувствительность нейронов к параметрам движения.

Избежать этой логической ловушки можно, если оценивать чувствительность нейронов по внешним параметрам, которые задаются независимо от декодера — например, по положению целевой метки. Анализ такой независимой чувствительности, в частности точности декодирования целей в задачах двуручного управления, подтверждает реальное улучшение репрезентации сигналов в процессе обучения ИМК.

https://journals.physiology.org/doi/full/10.1152/physrev.00027.2016