Approcci di rete neurale profonda per la stimolazione cerebrale profonda a circuito chiuso

La stimolazione cerebrale profonda (DBS) è il trattamento gold standard per i pazienti con complicanze motorie resistenti ai farmaci della malattia di Parkinson (PD) e offre l'unica opportunità di registrare e stimolare nei gangli della base umani. Più di recente, l'uso concomitante dell'elettrocorticografia di ricerca (ECoG) durante la chirurgia DBS, incluso il lavoro pionieristico di Pittsburgh, ha ulteriormente consentito l'indagine neuroscientifica di base sulle dinamiche della rete corticale-sottocorticale umana. La scoperta che la sincronizzazione aberrante dell'attività neuronale ritmica registrata nei pazienti PD è soppressa dalla DBS ha avanzato il concetto che le misure associate all'attività patologica possono essere utilizzate come biomarcatori per controllare l'erogazione della terapia DBS. Studi pilota di aDBS nel PD hanno riportato risultati clinici promettenti dall'attivazione della stimolazione DBS quando il segnale registrato dall'elettrodo DBS ha mostrato un alto livello di potenza oscillatoria nell'intervallo di frequenza beta (13 - 35 Hz). Tale approccio, tuttavia, presenta importanti limiti. Ancora più importante, la potenza beta registrata dall'elettrocatetere DBS è soppressa dal movimento, incluso il tremore PD, il suo rilevamento dipende fortemente dalla posizione dell'elettrocatetere e il montaggio di registrazione necessario per registrare durante la stimolazione è incompatibile con la direzione della corrente direzionale, una recente innovazione che impiega contatti di stimolazione segmentati. La complessità intrinseca dell'aumento dello spazio dei parametri attraverso le innovazioni DBS travolge anche le tecniche di programmazione standard. Infine, è probabile che l'uso di ulteriori segnali di biomarcatori (ad esempio, registrati dalla corteccia) migliori la capacità di controllare in modo adattivo la DBS per i disturbi contrassegnati da complesse sintomatologie multidimensionali come il PD. L'attuale proposta stabilirà metodi per superare queste limitazioni sviluppando tecniche per la classificazione multi-funzione dalle registrazioni ECoG, utilizzando algoritmi avanzati di apprendimento automatico.