閉ループ深部脳刺激のためのディープ ニューラル ネットワーク アプローチ

脳深部刺激 (DBS) は、薬剤耐性のパーキンソン病 (PD) の運動合併症患者に対する標準的な治療法であり、ヒト大脳基底核を記録して刺激する唯一の機会を提供します。 ごく最近では、ピッツバーグでの先駆的な研究を含む、DBS 手術中に研究用皮質電図検査 (ECoG) を同時に使用することにより、人間の皮質 - 皮質下のネットワーク動態の基本的な神経科学研究がさらに可能になりました。 PD患者で記録された律動的なニューロン活動の異常な同期がDBSによって抑制されるという発見は、病理学的活動に関連する測定値がDBS療法の実施を制御するためのバイオマーカーとして使用できるという概念を前進させた。 PD における aDBS のパイロット研究では、DBS 電極から記録された信号がベータ周波数範囲 (13 ～ 35 Hz) で高レベルの振動パワーを示した場合に DBS 刺激をトリガーすることで、有望な臨床結果が報告されています。 ただし、このアプローチには重要な制限があります。 最も重要なことは、DBS リードから記録されたベータ パワーは PD 振戦を含む動きによって抑制され、その検出はリードの位置に大きく依存し、刺激中に記録するために必要な記録モンタージュは、セグメント化された刺激接点を採用した最近の技術革新である指向性電流ステアリングと互換性がないことです。 DBS の革新によるパラメータ空間の増加に伴う固有の複雑さも、標準的なプログラミング技術を圧倒します。 最後に、追加のバイオマーカー信号（例えば、皮質から記録されたもの）の使用は、PDなどの複雑な多次元の症状によって特徴づけられる障害に対してDBSを適応的に制御する能力を改善する可能性がある。 現在の提案では、高度な機械学習アルゴリズムを使用して、ECoG 記録からの複数の特徴を分類する技術を開発することで、これらの制限を克服する方法を確立します。