Mostrando postagens com marcador closed loop. Mostrar todas as postagens
Mostrando postagens com marcador closed loop. Mostrar todas as postagens

quarta-feira, 22 de março de 2023

Pesquisadores da Michigan Tech desenvolvem sistemas inteligentes de estimulação cerebral profunda para pacientes com Parkinson

March 22, 2023 - Pesquisadores da Michigan Technological University estão aplicando a computação neuromórfica para melhorar a eficácia e a eficiência energética dos sistemas de estimulação cerebral profunda usados para tratar a doença de Parkinson.

Atualmente incurável, a doença de Parkinson é uma doença neurodegenerativa que afeta milhões em todo o mundo. A estimulação cerebral profunda (DBS) é uma alternativa aos medicamentos que são eficazes, mas perdem eficácia à medida que os pacientes desenvolvem resistência aos medicamentos. Com o tempo, doses maiores de medicamentos tornam-se necessárias para controlar a condição e, com elas, surgem efeitos colaterais potencialmente graves. DBS é uma alternativa.

Tornando os sistemas de estimulação cerebral profunda melhores para os pacientes
Os sistemas DBS funcionam como um marcapasso para o cérebro. Eles suprimem os sintomas motores da doença de Parkinson, incluindo movimentos lentos ou atrasados (chamados bradicinesia), tremores e rigidez. Um eletrodo, implantado em um alvo específico no cérebro, emite impulsos elétricos usando um dispositivo movido a bateria no peito.

Os sistemas DBS podem mudar a vida de pessoas diagnosticadas com a doença de Parkinson. Mas a duração da bateria é um desafio. Os aparelhos atuais utilizam um gerador de pulso implantável (GPI), inserido cirurgicamente no tórax ou abdômen, para enviar sinais de estimulação ao cérebro em frequência constante, independentemente do estado clínico do paciente. As baterias não carregáveis duram cerca de dois a cinco anos. A substituição da bateria pode ser prejudicial para os pacientes; requer um procedimento cirúrgico. E pode haver efeitos colaterais indesejados causados pela estimulação contínua do GPI.

Duas mulheres pesquisando no laboratório da Michigan Tech para desenvolver sistemas aprimorados de estimulação cerebral profunda para ajudar pessoas com doença de Parkinson.

A assistente de pesquisa de pós-graduação Hannah Loughlin, à direita, trabalha com Traci Yu no laboratório. Loughlin obteve seu diploma de graduação em engenharia biomédica na Michigan Tech em 2022, com especialização em engenharia elétrica, e está cursando seu mestrado.

Chunxiu (Traci) Yu, professor assistente de engenharia biomédica, em colaboração com Hongyu An, professor assistente de engenharia elétrica e de computação, estão trabalhando com suas equipes de pesquisa para desenvolver estratégias usando uma ferramenta diferente: a computação neuromórfica.

“Referida como computação inspirada no cérebro ou inteligência artificial movida a neurociência, a computação neuromórfica emula um sistema nervoso usando microchips e algoritmos. Também é altamente eficiente em termos de energia”, disse Yu.

"Explorar a computação neuromórfica para melhorar a estimulação cerebral profunda para a doença de Parkinson é muito inovador. Pelo que sabemos, este é o primeiro esforço no campo."
Traci Yu, professor assistente de engenharia biomédica
O sistema inteligente de circuito fechado oferece ajustes inteligentes
Tanto no Laboratório de Engenharia de Estimulação Cerebral de Yu, no Departamento de Engenharia Biomédica, quanto no laboratório de IA Inspirada no Cérebro de An, no Departamento de Engenharia Elétrica e de Computação, as equipes de pesquisa estão desenvolvendo estratégias para melhorar os sistemas DBS.

O projeto colaborativo está focado em um sistema DBS de circuito fechado que pode ajustar de forma inteligente os sinais de estímulo de acordo com os sintomas do paciente.

“A maioria dos sistemas DBS atuais são de malha aberta. O DBS de malha aberta funciona 24 horas por dia, 365 dias por ano”, disse Yu. Os sistemas de circuito aberto consomem muita energia, fornecendo estimulação contínua ao cérebro porque os sintomas em tempo real são desconhecidos para o dispositivo. “O uso de um sistema de circuito fechado nos permite otimizar a eficiência energética dos dispositivos DBS”, explicou Yu. “Os sinais cerebrais do paciente são usados para gerar um sinal de tratamento – uma estimulação – conforme necessário, em tempo real.”

Usando Spiking Redes Neurais para Detectar Sintomas
A pedra angular do DBS de circuito fechado de Yu e An são as redes neurais de pico, ou SNNs, um tipo de rede neural artificial. Os SNNs podem detectar os sintomas de Parkinson e gerar pulsos de estímulo elétrico otimizados.

“Os sinais de comunicação dentro dos SNNs são representados com pequenos pulsos elétricos de pico, em volts”, explicou An. “Nos sistemas digitais, os dados são representados por altas e baixas tensões. Por exemplo, uma tensão alta representa um nível lógico e um nível de tensão baixo representa um nível lógico zero. Desta forma, os sistemas digitais codificam dados em números binários.”

Os dados nos SNNs podem ser transportados no tempo, como o intervalo entre picos, de acordo com An. “Como resultado disso, os sistemas SNN têm uma eficiência energética muito maior em comparação com outras redes neurais artificiais”, disse ele.

O novo sistema DBS de circuito fechado dos pesquisadores é capaz de avaliar a gravidade dos sintomas de Parkinson, medindo a atividade neural em uma onda cerebral específica, ou oscilação, largura de banda. As áreas do cérebro que controlam o movimento geram oscilações beta.

“Usamos a atividade beta oscilatória como um biomarcador porque ela pode ser detectada muito mais rapidamente do que outros meios, como sinais de tremor”, disse An. “Se a atividade neural detectada for extraordinariamente forte, isso indica que os sintomas da doença de Parkinson são mais graves”.

Os SNNs no laboratório de An operam usando um dos chips neuromórficos mais avançados do mercado: Intel Loihi. Em colaboração com a Intel, o laboratório está explorando ativamente maneiras de usar a inteligência ultraeficiente do chip para ajudar pacientes com doença de Parkinson.

“Descobrimos que os chips neuromórficos, incluindo o Intel Loihi, superam outras plataformas computacionais em termos de eficiência energética em 109 vezes”, disse An.

Dois pesquisadores da Michigan Tech codificam um chip Intel Loihi em um laboratório da Michigan Technological University no inverno de 2023.

O assistente de pesquisa pós-graduação Noah Zins, à esquerda, trabalha com Hongyu An na codificação do chip Intel Loihi. Em 2021, Zins se formou em engenharia da computação com especialização em ciências matemáticas. O aluno de mestrado está pesquisando aplicações de computação neuromórfica em robótica.


Outra inovação: An e Yu substituíram a memória eletrônica tradicional do SNN por um memristor: um componente elétrico usado em computadores e eletrônicos de última geração. Um memristor pode armazenar informações como um chip de memória e resistir ao fluxo de corrente elétrica, como um resistor em um circuito elétrico.

Um memristor se parece com um resistor. A diferença é que sua resistência é variável. “Com sinais cuidadosamente projetados, a resistência de um memristor pode ser alterada para múltiplas ou até milhares de resistências diferentes. Esse recurso aumenta significativamente a quantidade de informações que podem ser armazenadas por memristores individuais”, disse An.

Nas simulações, os sistemas DBS usando memristores levaram a chips menores, sinais de transmissão mais rápidos e menor consumo de energia.

“Este resultado é altamente promissor”, disse An.

Comunicando suas pesquisas
Um sistema de circuito fechado é uma resposta circular para quando um paciente precisa de estímulo, incluindo registro de sintomas de DP, reconhecimento de recursos, otimização de parâmetros, exibição de hardware e estimulação cerebral profunda, conforme mostrado em um formato circular, enquanto um sistema de circuito aberto mostra continuamente estimulação cerebral profunda, quer o paciente precise ou não.

Uma comparação de sistemas DBS de malha aberta e malha fechada. (Gráfico cortesia de Hongyu An e Traci Yu)

An, Yu e o pesquisador graduado Zachary Kerman, graduado em 2021 que se formou em engenharia elétrica e de computação na Michigan Tech, publicaram um artigo sobre suas pesquisas para o IEEE, no 23º Simpósio Internacional de Design Eletrônico de Qualidade (ISQED): “Oscilação Beta Projeto de detector para estimulação cerebral profunda em circuito fechado da doença de Parkinson com redes neurais de pico memristivo.

Projetar um chip DBS personalizado é a próxima etapa
An e Yu planejam projetar de forma colaborativa seu próprio chip neuromórfico memristivo especificamente para sistemas DBS de circuito fechado.

“Nossa pesquisa sobre esses novos e inovadores paradigmas computacionais – juntamente com o design de chips de IA emergentes – abrirá uma nova porta para um desenvolvimento maior e mais rápido de dispositivos médicos inteligentes para reabilitação cerebral”, disse An. “Até mesmo dispositivos médicos vestíveis estão agora dentro do reino das possibilidades.”

Para seus alunos na Michigan Tech, a pesquisa conjunta em andamento fornece o tipo de experiência de aprendizado única que vem com o trabalho na vanguarda do design de chips, IA, computação neuromórfica e interface cérebro-computador.

“A chance de descobrir novas tecnologias de estimulação cerebral profunda que possam ajudar pessoas que sofrem de problemas neurológicos no futuro me motiva a continuar trabalhando no laboratório e ajudar no avanço do conhecimento nessa área”, disse Jacob Jackson '23, engenheiro biomédico major que conduz pesquisas no laboratório de Yu. Ele planeja começar seu trabalho de pós-graduação na Michigan Tech no outono. “Estou gostando tanto da pesquisa em engenharia neural que sabia que era o caminho certo para mim”, disse ele. Original em inglês, tradução Google, revisão Hugo. Fonte: Mtu.

quarta-feira, 19 de outubro de 2011

La estimulación cerebral de nueva generación puede mejorar el tratamiento de la enfermedad de Parkinson

La enfermedad de Parkinson es una enfermedad devastadora e incurable que causa movimiento anormal, temblor involuntario, y falta de coordinación. Una técnica, llamada estimulación cerebral profunda (ECP), se utiliza a veces para mejorar los síntomas motores en pacientes con la enfermedad avanzada.

19.10.11 | La enfermedad de Parkinson es una enfermedad devastadora e incurable que causa movimiento anormal, temblor involuntario, y falta de coordinación. Una técnica, llamada estimulación cerebral profunda (ECP), se utiliza a veces para mejorar los síntomas motores en pacientes con la enfermedad avanzada.

Ahora, un estudio publicado por 'Cell Press', describe un nuevo paradigma de ECP, más eficaz, que realiza ajustes en tiempo real en respuesta a la dinámica de la enfermedad y su progresión, siendo capaz de tratar con más efectividad los síntomas de la enfermedad avanzada.

La ECP implica la implantación de un dispositivo médico que funciona como un "marcapasos cerebral"; en esencia, este dispositivo envía impulsos eléctricos a regiones específicas del cerebro y altera la actividad cerebral en esas regiones de una manera controlada. Aunque los principios subyacentes no están del todo claros, la ECP ha proporcionado importantes beneficios terapéuticos en los trastornos del movimiento, como los que caracterizan a la enfermedad, y en otros trastornos afectivos como el dolor crónico y la depresión mayor.

Después de la implantación del dispositivo de ECP, los parámetros de estimulación, tales como la frecuencia y la intensidad de la estimulación, deben ser programados y ajustados durante varios meses por un médico altamente capacitado; el objetivo es maximizar la mejoría clínica y reducir al mínimo los efectos secundarios. Estos ajustes se suelen realizar cada 3 ó 12 meses, cuando el paciente visita la clínica, por lo tanto, entre visitas no reciben ningún ajuste; por desgracia, esto se traduce en que la estimulación no se sincroniza con la naturaleza dinámica de la enfermedad.

"Existe una necesidad urgente de un sistema automático y dinámico que pueda ajustar el estímulo de manera continua, en respuesta a los cambios patológicos", explican los doctores Boris Rosin y Hagai Bergman, de la Universidad Hebrea de Jerusalén. Los autores probaron varios nuevos paradigmas de ECP en tiempo real, adaptados a un modelo de EP en primates, en los que el estímulo era regulado por la actividad cerebral en curso.

Los científicos observaron que la adaptación del ECP en tiempo real era capaz de aliviar los síntomas motores y la reducción de la actividad neuronal anormal de la enfermedad con más eficiencia que la ECP estándar. Los resultados proporcionan una nueva visión de la actividad cerebral subyacente de la patología.

"Esperamos que, en un futuro próximo, llegue una nueva era de estrategias de estimulación cerebral profunda, sobre una base de paradigmas de adaptación a tiempo real dirigidos a la actividad cerebral patológica", concluyen Rosin y Bergman, añadiendo que "estas estrategias tienen potencial para tratar, no sólo el Parkinson, sino otros trastornos neurológicos con un claro patrón patológico de la actividad cerebral". Fonte: Telecinco.es.