Messer, Gabel, Schere, Licht

Die lernende Sehprothese, die der Bonner Neuroinformatiker Professor Rolf Eckmiller entwickelte, besteht aus einem Kamerasystem, das im Brillengestell des Patienten montiert ist. Die elektrische Reizung der Netzhaut erfolgt über eine implantierte Mikro-Kontaktfolie. Sie besteht aus 50 bis 100 Mikroelektroden, die in die oberste Nervenzellschicht der Netzhaut hineinragen. Diese Nervenzellschicht, so Eckmiller, ist die letzte vermutlich noch intakte Struktur bei den Betroffenen.

"Es betrifft Patienten mit Retinitis pigmentosa und Patienten mit altersbedingter Makula-Degeneration, weil in beiden Fällen die Informationsverarbeitung der Netzhaut zerstört ist und es in beiden Fällen darum geht, am Ausgang der Netzhaut Signale einzukoppeln. Und die Herausforderung besteht nun darin, die Vorverarbeitung der Signale, die dann den Mikroelektroden mitgeteilt werden, so zu gestalten, dass das zentrale Sehsystem sie, ich möchte einmal sagen, verstehen kann."

Damit die Kamerabilder von den Netzhautnervenzellen insbesondere aber vom Sehzentrum der Großhirnrinde richtig "verstanden" werden, entwickelte das Bonner Team um Rolf Eckmiller einen so genannten Retina-Encoder. Der Minicomputer sitzt ebenfalls im Brillengestell und hat die Aufgabe, die elektrischen Signale der Kamera in ein spezifisches Muster von Reizströmen umzuwandeln. Die Stromimpulse gelangen dann drahtlos über Induktionsschleifen zu den Elektroden der implantierten Mikrokontaktfolie. Der Encoder erfüllt eine wichtige Aufgabe: Er muss zwischen Kamera und Netzhaut dolmetschen:

"Es geht also gewissermaßen darum, dass in einer bildlichen Form jemand kommt, der spricht einen Dialekt, den Sie nicht kennen. Und der möchte 'Guten Tag' sagen. Der sagt aber irgendwas. 'Rappi dappi'. Und es geht jetzt darum, eine Veränderung des Fremden in seiner Sprache zu finden, solange Modifikationen herbeizuführen, bis er vom zentralen Sehsystem des Blinden, also von dem Empfänger, verstanden werden kann."

Damit die Sehprothese lernt, wie das Kamerabild zum Beispiel eines Rings dargestellt werden muss, damit auch das Gehirn einen Ring erkennt, muss das Gerät erst mal richtig eingestellt werden. Die Patienten, allesamt mit Seherfahrungen aus früherer Zeit, wissen zunächst nur, dass sie einen Ring erkennen sollen. In einem ersten Schritt bietet der Encoder sechs verschiedene Algorithmen an - also Rechenmuster, die das Kamerasignal "Ring" in verschiedener Weise verschlüsseln. Die drei besten Ergebnisse, die einem Ring vielleicht schon sehr ähnlich sind, werden durch Nicken ausgewählt: Beschleunigungssensoren im Brillengestell registrieren die Kopfbewegung. Danach unterbreitet der Encoder sechs neue Vorschläge, immer und immer wieder, bis die Struktur tatsächlich als perfekter Ring erscheint.

"Damit findet eine Konvergenz statt, das heißt, damit wird sichergestellt, dass hier nicht eine Suche der Nadel im Heuhaufen geschieht, denn der Parameterraum des Retina-Encoders ist so groß, dass wenn man nur spontan suchen würde, viele Jahre benötigen würde, um die richtige Kombination zu finden. Aber durch Einsatz dieses Dialogmoduls und der lernfähigen Algorithmen ist es möglich, optimale Einstellungen typischerweise in weniger als zwei Stunden zu finden."

Der Encoder mit seinen evolutionären Algorithmen ist das Herzstück der lernenden Sehprothese. Ob sie tatsächlich bessere Ergebnisse liefert als die bisher eingesetzten Retina-Implant-Prototypen der Tübinger und der Bonner Gruppe, bleibt abzuwarten. Klinische Versuche mit menschlichen Patienten gibt es zur Zeit keine, nicht einmal Versuche mit Tieren. Der Wissenschaftler ist optimistisch: "Möglicherweise lassen sich mit Hilfe des Encoders sogar kleinere Objekte wie Messer, Gabel und Tassen erkennen."