Indagine intracranica sui circuiti neurali alla base dell'umore umano

La depressione è uno dei disturbi più comuni della salute mentale, colpisce il 7-8% della popolazione e causa enormi disabilità alle persone colpite e oneri economici per la società. Al fine di ottimizzare i trattamenti esistenti e svilupparne di migliorati, i ricercatori hanno bisogno di una comprensione più profonda delle basi meccanicistiche di questo complesso disturbo. I lavori precedenti in questo settore hanno compiuto progressi importanti, ma presentano due limiti principali. (1) La maggior parte degli studi ha utilizzato misure non invasive e quindi imprecise dell'attività cerebrale. (2) La modellazione della scatola nera utilizzata per collegare l'attività neurale al comportamento rimane difficile da interpretare e, sebbene a volte abbia successo nel descrivere l'attività in determinati contesti, potrebbe non essere generalizzata a nuove situazioni, fornire intuizioni meccanicistiche o guidare in modo efficiente gli interventi terapeutici. Per superare queste sfide, i ricercatori combinano precise registrazioni neurali intracraniche negli esseri umani con una serie di nuovi approcci eXplainable Artificial Intelligence (XAI). Gli investigatori hanno riunito un team di sperimentatori ed esperti di calcolo con esperienza combinata sufficiente per questo compito. Il nostro set di dati unico comprende due gruppi di soggetti: l'Epilepsy Cohort è costituito da pazienti con epilessia refrattaria sottoposti a monitoraggio delle crisi intracraniche e la Depression Cohort è composta da soggetti in uno studio di ricerca finanziato da NIH/BRAIN sulla stimolazione cerebrale profonda per la depressione resistente al trattamento (TRD ). Nel complesso, questo set di dati fornisce dati di registrazione e stimolazione intracranici umani precisi e risolti spaziotemporalmente in un'ampia gamma dinamica di gravità della depressione. I nostri obiettivi applicano un approccio progressivo alla modellazione e alla manipolazione delle relazioni cervello-comportamento. L'obiettivo 1 cerca di identificare le caratteristiche dell'attività neurale associate agli stati d'animo. A partire dagli attuali modelli di intelligenza artificiale all'avanguardia e quindi utilizza un approccio "a scala" per collegare modelli di crescente espressività imponendo al contempo una struttura meccanicamente spiegabile. Mentre l'Aim 1 si concentra sul livello dell'umore auto-riferito come indice comportamentale di interesse, l'Aim 2 utilizza un approccio alternativo focalizzato su caratteristiche neurobiologiche misurabili ispirate ai Research Domain Criteria (RDoC). Queste caratteristiche, come la sensibilità alla ricompensa, l'avversione alla perdita, l'attenzione esecutiva, ecc. Sono estratte dall'esecuzione di compiti comportamentali utilizzando un nuovo approccio XAI di "controllo razionale inverso".

Correlare queste misure ai modelli di attività neurale fornisce un'ulteriore comprensione meccanicistica e normativa della neurobiologia della depressione. L'obiettivo 3 utilizza reti neurali ricorrenti per modellare le conseguenze di modelli riccamente vari di stimolazione intracranica multi-sito sull'attività neurale. Quindi impiegando un innovativo approccio XAI "inception loop" per derivare strategie di stimolazione per il controllo a circuito aperto e chiuso che possono guidare il sistema neurale verso uno stato desiderato e più sano. In caso di successo, questo progetto migliorerebbe la nostra comprensione della fisiopatologia della depressione e migliorerebbe le strategie di trattamento neuromodulatorie. Questo può essere applicato anche a una serie di altri disturbi neurologici e psichiatrici, compiendo un passo importante verso la neuroscienza di precisione guidata da XAI.