Resumo: Pode ser possível otimizar os parâmetros de estimulação de implantes cerebrais em animais sem intervenção humana. O estudo mostra o potencial de otimização autônoma de próteses implantadas no cérebro. O avanço pode ser benéfico para pessoas com lesões na medula espinhal e doenças que prejudicam o movimento.

Fonte: Universidade de Montreal

Os cientistas há muito analisam a neuroestimulação para tratar a paralisia e os déficits sensoriais causados ​​por acidentes vasculares cerebrais e lesões na medula espinhal, que afetam aproximadamente 380.000 pessoas em todo o país no Canadá.

Um novo estudo publicado na revista celular relata remédio demonstra a possibilidade de otimizar de forma autônoma os parâmetros de estimulação de próteses implantadas no cérebro de animais sem intervenção humana.

O trabalho foi conduzido na Université de Montréal pelos professores de neurociência Marco Bonizzato, Numa Dancause e Marina Martinez, em colaboração com o professor de matemática e pesquisador do Mila Guillaume Lajoie.

O estudo surgiu de uma importante colaboração interdisciplinar entre pesquisadores que combinam expertise em neurociência e inteligência artificial, dois campos nos quais o UdeM se destaca internacionalmente.

“Uma fase promissora”

“Neuropróteses – dispositivos usados ​​para reconectar neurônios após a perda da função motora – estão entrando em uma fase muito promissora em seu desenvolvimento”, disse Lajoie. “Demonstramos os benefícios de otimizar seus parâmetros de forma autônoma.”

Se o desempenho dessas próteses aumentou é graças aos algoritmos de aprendizado autônomo propostos pelos pesquisadores, acrescentou Bonizzato.

“Algoritmos de otimização nos permitem projetar protocolos de neuroestimulação muito sofisticados e personalizar tratamentos de acordo com a condição de cada paciente.”

Por seu lado, Dancause considera que embora “existam várias formas de estimular o cérebro, o contributo da inteligência artificial é essencial para aproveitar ao máximo os dados recolhidos e antecipar estados que ainda não existem”.

Com esses avanços tecnológicos, os cientistas chegaram mais perto de encontrar novas soluções neuroprotéticas para melhorar o tratamento de doenças como lesões na Medula Espinhal e derrame, ou estimulação cerebral profunda por meio de neuromodulação para tratar condições como o mal de Parkinson.

Sobre esta notícia da pesquisa em neurotecnologia

Autor: assessoria de imprensa
Fonte: Universidade de Montreal
Contato: Assessoria de Imprensa – Universidade de Montreal
Foto: A imagem é de domínio público

Pesquisa original: Acesso livre.
“Otimização autônoma dos parâmetros de estimulação neuroprotética que conduzem as saídas do córtex motor e da medula espinhal em ratos e macacos“ por Marco Bonizzato et al. celular relata remédio

Abstrato

Otimização autônoma dos parâmetros de estimulação neuroprotética que conduzem as saídas do córtex motor e da medula espinhal em ratos e macacos

destaques

• Algoritmo de aprendizado autônomo otimiza padrões complexos de neuromodulação na Vivo
• Permite neuropróteses “inteligentes” que aliviam imediatamente os déficits motores
• O aplicativo é robusto a mudanças, por ex. B. devido à plasticidade ou falha na interface
• A transferência de conhecimento para especialistas/clínicos é suportada por uma estrutura de código aberto

Resumo

A estimulação neural pode aliviar a paralisia e os déficits sensoriais. Novas interfaces neurais de alta densidade podem permitir intervenções de neuroestimulação refinadas e multifacetadas. Para conseguir isso, é importante desenvolver estruturas algorítmicas capazes de lidar com a otimização em grandes espaços de parâmetros.

Aqui usamos uma classe algorítmica, Gaussian Process (GP) baseada em Bayesian Optimization (BO), para resolver este problema. Mostramos que o GP-BO explora com eficiência o campo da neuroestimulação e supera outras estratégias de busca após testar apenas uma fração das combinações possíveis.

Por meio de uma série de experimentos de neuroestimulação multidimensionais em tempo real, demonstramos a otimização em diferentes alvos biológicos (cérebro, medula espinhal), modelos animais (ratos, primatas não humanos), em voluntários saudáveis ​​e em intervenções neuroprotéticas pós-lesão, por ex. aprendizado instantâneo e contínuo em várias sessões de distância. O GP-BO pode incorporar e aprimorar o conhecimento especializado/clínico “anterior” para aumentar drasticamente seu desempenho.

Esses resultados apóiam um estabelecimento mais amplo de ferramentas de aprendizado como elementos estruturais do design neuroprotético que permitem a personalização e maximização da eficácia terapêutica.