Investigación intracraneal del circuito neural subyacente al estado de ánimo humano

La depresión es uno de los trastornos de salud mental más comunes, que afecta al 7-8% de la población y provoca una gran discapacidad a las personas afectadas y una carga económica para la sociedad. Para optimizar los tratamientos existentes y desarrollar otros mejorados, los investigadores necesitan una comprensión más profunda de la base mecánica de este complejo trastorno. El trabajo previo en esta área ha hecho un progreso importante pero tiene dos limitaciones principales. (1) La mayoría de los estudios han utilizado medidas no invasivas y, por lo tanto, imprecisas de la actividad cerebral. (2) Los modelos de caja negra utilizados para vincular la actividad neuronal con el comportamiento siguen siendo difíciles de interpretar y, aunque a veces logran describir la actividad dentro de ciertos contextos, es posible que no se generalicen a nuevas situaciones, proporcionen información mecanicista o guíen de manera eficiente las intervenciones terapéuticas. Para superar estos desafíos, los investigadores combinan registros neuronales intracraneales precisos en humanos con un conjunto de nuevos enfoques de inteligencia artificial explicable (XAI). Los investigadores han reunido un equipo de experimentadores y expertos en computación con experiencia combinada suficiente para esta tarea. Nuestro exclusivo conjunto de datos comprende dos grupos de sujetos: la cohorte de epilepsia consta de pacientes con epilepsia refractaria que se someten a monitoreo de convulsiones intracraneales, y la cohorte de depresión consta de sujetos en un ensayo de investigación financiado por NIH/BRAIN sobre estimulación cerebral profunda para la depresión resistente al tratamiento (TRD ). En su conjunto, este conjunto de datos proporciona datos de estimulación y registro intracraneal humano precisos y resueltos espaciotemporalmente en un amplio rango dinámico de gravedad de la depresión. Nuestros objetivos aplican un enfoque progresivo para modelar y manipular las relaciones cerebro-conducta. El objetivo 1 busca identificar las características de la actividad neuronal asociada con los estados de ánimo. Comenzando con los modelos de inteligencia artificial de última generación y luego utiliza un enfoque de "escalera" para llegar a modelos de expresividad creciente mientras se impone una estructura mecanísticamente explicable. Mientras que el objetivo 1 se centra en el nivel de ánimo autoinformado como índice conductual de interés, el objetivo 2 utiliza un enfoque alternativo de centrarse en características neurobiológicas medibles inspiradas en los Criterios de dominio de investigación (RDoC). Estas características, como la sensibilidad a la recompensa, la aversión a la pérdida, la atención ejecutiva, etc., se extraen del desempeño de tareas conductuales utilizando un nuevo enfoque XAI de "control racional inverso".

Relacionar estas medidas con los patrones de actividad neuronal proporciona una comprensión normativa y mecanicista adicional de la neurobiología de la depresión. El objetivo 3 utiliza redes neuronales recurrentes para modelar las consecuencias de patrones ricamente variados de estimulación intracraneal en múltiples sitios sobre la actividad neuronal. Luego, empleando un innovador enfoque XAI de "bucle de inicio" para derivar estrategias de estimulación para el control de bucle abierto y cerrado que puede impulsar el sistema neuronal hacia un estado deseado y más saludable. Si tiene éxito, este proyecto mejoraría nuestra comprensión de la fisiopatología de la depresión y mejoraría las estrategias de tratamiento neuromodulador. Esto también se puede aplicar a una serie de otros trastornos neurológicos y psiquiátricos, dando un paso importante hacia la neurociencia de precisión guiada por XAI.