Deep Neural Network -menetelmät suljetun silmukan syväaivojen stimulaatioon

Deep brain stimulation (DBS) on kultainen standardi hoito potilaille, joilla on Parkinsonin taudin (PD) lääkeresistenttejä motorisia komplikaatioita, ja se tarjoaa ainoan mahdollisuuden tallentaa ja stimuloida ihmisen tyviganglioissa. Viime aikoina tutkimussähkökortikografian (ECoG) samanaikainen käyttö DBS-leikkauksen aikana, mukaan lukien uraauurtava työ Pittsburghista, on mahdollistanut entisestään neurotieteen perustutkimuksen ihmisen aivokuoren ja aivokuoren verkoston dynamiikasta. Havainto, että PD-potilailla rekisteröidyn rytmisen hermosolujen aktiivisuuden poikkeava synkronointi on tukahdutettu DBS:llä, on edistänyt käsitystä, että patologiseen aktiivisuuteen liittyviä toimenpiteitä voidaan käyttää biomarkkereina DBS-hoidon ohjaamiseen. Pilottitutkimukset aDBS:stä PD:ssä ovat raportoineet lupaavista kliinisistä tuloksista DBS-stimulaation laukaisemisesta, kun DBS-elektrodista tallennettu signaali osoitti korkeaa värähtelytehoa beeta-taajuusalueella (13 - 35 Hz). Tällä lähestymistavalla on kuitenkin tärkeitä rajoituksia. Mikä tärkeintä, liike, mukaan lukien PD-vapina, vaimentaa DBS-johdosta tallennettua beetatehoa, sen havaitseminen riippuu suuresti johtimen sijainnista ja stimulaation aikana tarvittava tallennusmontaasi ei ole yhteensopiva suunnatun virtaohjauksen kanssa, joka on viimeaikainen innovaatio, jossa käytetään segmentoituja stimulaatiokontakteja. DBS-innovaatioiden myötä lisääntyneen parametritilan luontainen monimutkaisuus ylittää myös standardiohjelmointitekniikat. Lopuksi lisäbiomarkkerisignaalien (esim. aivokuoresta tallennettujen) käyttö parantaa todennäköisesti kykyä säädellä adaptiivisesti DBS:ää häiriöissä, joita leimaa monimutkaiset moniulotteiset oireet, kuten PD. Nykyisessä ehdotuksessa luodaan menetelmiä näiden rajoitusten voittamiseksi kehittämällä tekniikoita monitoimintojen luokitteluun ECoG-tallenteista käyttämällä kehittyneitä koneoppimisalgoritmeja.