Istraživači dekodiraju raspoloženje od signala ljudskog mozga

Istraživači đungle - LEGO City - Jungle Rumble | 1 dio (Srpanj 2019).

Anonim

Razvijajući novu tehnologiju dekodiranja, tim inženjera i liječnika na Sveučilištu Southern California (USC) i UC San Francisco otkrio je kako se varijacije raspoloženja mogu dekodirati od neuronskih signala u ljudskom mozgu - proces koji nije dokazan datum.

Njihova je studija, objavljena u Nature Biotechnology, značajan korak prema stvaranju novih terapija zatvorenim petljama koje koriste stimulaciju mozga u liječenju debilitating raspoloženja i anksioznosti u milijunima pacijenata koji ne reagiraju na trenutne tretmane.

Profesorica i Viterbi prva karijera Maryam Shanechi iz Ming Hsieh Zavoda za elektrotehniku ​​i Diplomski studij Neuroscience na USC-u vodili su razvoj tehnologije dekodiranja, a profesor neurološke kirurgije Edward Chang na UCSF-u vodio je napor za ljudsku implantaciju i prikupljanje podataka. Istraživači su podupirali program SUBNETS agencije za obrambene istraživačke projekte u razvoju novih biomedicinskih tehnologija za liječenje neozbiljnih neuroloških bolesti.

Tim je započeo sedam ljudi volontera u skupini pacijenata s epilepsijom koji su već imali intrakranijalne elektrode umetnute u mozak za standardni klinički monitoring kako bi pronašli njihove napadaje. Signalne signale velikih razmjera snimali su iz ovih elektroda u volonterima tijekom višestrukih dana na UCSF-u, a oni također povremeno javljaju o raspoloženju koristeći upitnik. Shanechi i njegovi učenici, Omid Sani i Yuxiao Yang, koristili su taj podatak kako bi razvili novu tehnologiju dekodiranja koja bi tijekom vremena mogla predvidjeti varijacije raspoloženja od signala mozga u svakom ljudskom subjektu, što je do sada postalo neupitno.

"Mood je zastupljen na više mjesta u mozgu umjesto na lokalizirane regije, čime dekodiranje raspoloženja predstavlja jedinstven računalni izazov", rekao je Shanechi. "Taj je izazov otežan činjenicom da nemamo potpuno razumijevanje načina na koji te regije koordiniraju svoju aktivnost za kodiranje raspoloženja i da je raspoloženje inherentno teško procijeniti. Kako bismo riješili ovaj izazov, morali smo razviti nove metodologije dekodiranja koji sadrže neuronske signale distribuiranih mjesta mozga dok se bave rijetkim prilikama za mjerenje raspoloženja. "

Za izgradnju dekodera, Shanechi i tim istraživača analizirali su signale mozga koji su zabilježeni iz intrakranijalnih elektroda u sedam dobrovoljnih ljudi. Sirovine signala mozga su kontinuirano snimani diljem distribuiranih regija mozga dok su pacijenti sami izvijestili o svojim raspoloženjima putem upitnika baziranog na tabletu.

U svakom od 24 pitanja, pacijentu je zatraženo da "procjenjuje kako se sada osjećate" tako da dodirnete jedan od 7 gumba na kontinuum između par negativnih i pozitivnih raspoloženja države (npr. "Depresivno" i "sretno"). Viši rezultat odgovara pozitivnom stanju raspoloženja.

Koristeći svoju metodologiju, istraživači su uspjeli otkriti obrasce signala mozga koji su se podudarali sa samoodređenim raspoloženjima. Oni su zatim koristili ovo znanje da bi izgradili dekoder koji bi samostalno prepoznao obrasce signala koji odgovaraju određenom raspoloženju. Jednom kada je dekoder sagrađen, mjerio je samo signale mozga da bi predvidjeli varijacije raspoloženja u svakom pacijentu tijekom višestrukih dana.

Potencijalno rješenje za neizlječive neuropsihijatrijske uvjete?

USC / UCSF tim vjeruje kako njihova otkrića mogu podržati razvoj novih terapija stimuliranjem mozga zatvorenog kruga za poremećaje raspoloženja i anksioznosti.

Podaci iz Nacionalnog istraživanja o drogama i zdravlju iz 2016. godine pokazali su da je 16, 2 milijuna odraslih osoba u SAD-u (približno 6, 7% svih odraslih Amerikanaca) pretrpilo ​​najmanje jednu depresivnu epizodu. Tretmani kao što su selektivni inhibitori ponovne pohrane serotonina (SSRIs) mogu biti djelotvorni kod nekih, ali ne i svih pacijenata.

Prema studiji STAR * D financiranom od strane National Institutes of Health, najduža studija za procjenu depresivnih tretmana, gotovo 33% bolesnika s depresijom ne reagira na liječenje (više od 5, 3 milijuna ljudi u SAD-u). Također, u lipnju 2018. Centri za kontrolu i prevenciju bolesti izvijestili su da je samoubojstvo u porastu u SAD-u

Za milijune bolesnika otpornih na liječenje, alternativne terapije mogu biti učinkovite. Na primjer, ispitivanja na ljudskim slikama koje koriste pozitronsku emisijsku tomografiju (PET) i funkcionalnu snimku magnetske rezonancije (fMRI) sugeriraju da nekoliko regija mozga posreduje u depresiji, pa se terapije stimulacije mozga u kojima je elektromotorna stimulacija područja raspoloženja mogu primijeniti za ublažavanje depresivni simptomi. Dok tretmani stimulacije mozga otvorene petlje imaju neko obećanje, preciznija, učinkovita terapija mogla bi zahtijevati pristup zatvorene petlje u kojem objektivno praćenje raspoloženja tijekom vremena vodi kako se stimulacija isporučuje.

Prema Shanechiu, za kliničke praktičare, snažan alat za dekodiranje mogao bi omogućiti jasno definiranje, u realnom vremenu, mrežom regija mozga koja podržavaju emocionalno ponašanje.

"Naš je cilj stvoriti tehnologiju koja pomaže kliničarima dobiti točniju mapu onoga što se događa u depresivnom mozgu u određenom vremenu i način shvaćanja što nam signal mozga govori o raspoloženju. dobiti objektivniju procjenu raspoloženja tijekom vremena kako bi vodili tijek liječenja za određenog pacijenta ", rekao je Shanechi. "Na primjer, ako znamo raspoloženje u određenom vremenu, možemo ga koristiti kako bismo odlučili hoće li se električni stimuli u ovom trenutku dostaviti mozgu kako bi regulirali nezdrave, oslabljene ekstremne emocije. Ova tehnologija otvara mogućnost novog personalizirane terapije neuropsihijatrijskih poremećaja kao što su depresija i anksioznost za milijune koji ne reagiraju na tradicionalne tretmane ".

Nova tehnologija dekodiranja, objasnila je Shanechi, mogla bi se proširiti i na razvijanje sustava zatvorene petlje za ostale neuropsihijatrijske stanja kao što su kronična bol, ovisnost ili posttraumatski stresni poremećaj čiji neuronski korelati opet nisu anatomski lokalizirani, već obuhvaćaju distribuiranu mrežu regija mozga i čija je procjena ponašanja teška i stoga nije često dostupna.

menu
menu