Cercetătorii au dezvoltat un sistem de neuromodulare închis cu circuit integrat care poate identifica și ameliora simptomele bolilor neurologice.
Laboratoarele Integrated Neurotechnologies și Soft Bioelectronic Interfaces au dezvoltat sistemul NeuralTree: un cip cu un sistem de neuromodulație în buclă închisă care poate detecta și atenua simptomele unor afecțiuni neurologice.
Datorită unei matrice de detectare de înaltă rezoluție cu 256 de canale și a unui procesor de învățare automată eficient din punct de vedere energetic, sistemul poate extrage și clasifica un set larg de biomarkeri din datele reale ale pacienților și modele de animale in vivo, ceea ce duce la un grad înalt de acuratețea în estimarea simptomelor.
„NeuralTree beneficiază de acuratețea unei rețele neuronale și de eficiența hardware a unui algoritm de arbore decisional. Este prima dată când reușim să integrăm o interfață neuronală atât de complexă, dar eficientă din punct de vedere energetic, pentru sarcini de clasificare binară, cum ar fi detectarea convulsiilor sau a tremorului, precum și sarcini mai complicate, cum ar fi clasificarea mișcării degetelor pentru aplicații neuroprotetice”, susține Mahsa Shoaran, una dintre autoare.
Eficiență, scalabilitate și versatilitate
NeuralTree funcționează prin extragerea biomarkerilor neuronali – modele de semnale electrice despre care se știe că sunt asociate cu anumite tulburări neurologice – din undele cerebrale. Apoi, acestea clasifică semnalele și indică dacă acestea anunță o criză epileptică iminentă sau tremor parkinsonian, de exemplu. Dacă este detectat un simptom se activează un neurostimulator, care este situat și pe cip și care trimite un impuls electric pentru a-l bloca.
Shoaran explică că designul unic al NeuralTree oferă sistemului un grad fără precedent de eficiență și versatilitate în comparație cu cea mai avansată tehnologie. Cipul are 256 de canale de intrare, comparativ cu 32 folosite de dispozitivele integrate de învățare automată anterioare, permițând procesarea mai multor date de înaltă rezoluție pe implant. Designul este eficient cipul fiind extrem de mic (3,48 mm2), ceea ce oferă un potențial mare de scalabilitate mai multor canale.
Integrarea unui algoritm de învățare „conștient de energie” – care penalizează funcțiile care consumă multă energie – face, de asemenea, ca NeuralTree să fie extrem de eficient din punct de vedere energetic.
Pe lângă aceste avantaje, sistemul poate detecta o gamă mai largă de simptome decât alte dispozitive, care până acum s-au concentrat în primul rând pe detectarea crizelor epileptice. Algoritmul de învățare automată al cipului a fost antrenat pe seturi de date atât de la pacienți cu epilepsie, cât și de la pacienții cu boala Parkinson și a clasificat cu precizie semnalele neuronale preînregistrate din ambele categorii.
„Din câte știm, aceasta este prima demonstrație a detectării tremorului Parkinsonian cu un clasificator pe cip”, spune Shoaran.
Algoritmi de autoactualizare
Cercetătorii sunt pasionați de a dezvolta interfețele neuronale mai inteligente pentru a permite un control mai eficient al bolii și pregătesc noi inovații.
„În cele din urmă, putem folosi interfețe neuronale pentru multe tulburări diferite și avem nevoie de idei algoritmice și de progrese în proiectarea cipurilor pentru a face acest lucru. Această activitate este interdisciplinară și, prin urmare, necesită colaborarea cu laboratoare care pot dezvolta electrozi neuronali de ultimă generație sau laboratoare cu acces la date de înaltă calitate ale pacienților.”
Echipa își dorește să dezvolte în continuare aplicația care să permită actualizări algoritmice ale cipului pentru a ține pasul cu evoluția semnalelor neuronale.
„Semnalele neuronale se schimbă și, în timp, performanța unei interfețe neuronale va scădea. Încercăm mereu să facem algoritmii mai precisi și mai fiabili și o modalitate de a face acest lucru ar fi actualizările pe cip sau realizarea unor algoritmi care să permită auto-actualizarea”.
Sursă: ScienceDaily.com
