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.
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.
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.
