Avanços em neuropróteses inteligentes podem beneficiar pessoas com distúrbios motores

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.

Isso mostra um cérebro
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. A imagem é de domínio público

“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.

By Gabriel Ana

"Passionate student. Twitter nerd. Avid bacon addict. Typical troublemaker. Thinker. Webaholic. Entrepreneur."

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *