Badanie wewnątrzczaszkowe obwodów nerwowych leżących u podstaw ludzkiego nastroju

Depresja jest jednym z najczęstszych zaburzeń zdrowia psychicznego, dotykającym 7-8% populacji i powodującym ogromną niepełnosprawność osób nią dotkniętych oraz obciążenie ekonomiczne dla społeczeństwa. Aby zoptymalizować istniejące metody leczenia i opracować ulepszone, badacze potrzebują głębszego zrozumienia mechanistycznych podstaw tego złożonego zaburzenia. Wcześniejsze prace w tej dziedzinie poczyniły znaczne postępy, ale mają dwa główne ograniczenia. (1) W większości badań zastosowano nieinwazyjne, a zatem nieprecyzyjne pomiary aktywności mózgu. (2) Modelowanie czarnej skrzynki stosowane do łączenia aktywności neuronalnej z zachowaniem pozostaje trudne do zinterpretowania i chociaż czasami udaje się opisać aktywność w pewnych kontekstach, może nie uogólniać na nowe sytuacje, zapewniać mechanistycznego wglądu lub skutecznie kierować interwencjami terapeutycznymi. Aby sprostać tym wyzwaniom, badacze łączą precyzyjne wewnątrzczaszkowe zapisy neuronowe u ludzi z zestawem nowych metod eXplainable Artificial Intelligence (XAI). Badacze zgromadzili zespół eksperymentatorów i ekspertów obliczeniowych, których łączne doświadczenie jest wystarczające do wykonania tego zadania. Nasz unikalny zbiór danych obejmuje dwie grupy pacjentów: Epilepsy Cohort składa się z pacjentów z padaczką oporną na leczenie poddawanych monitorowaniu napadów wewnątrzczaszkowych, a Depression Cohort składa się z pacjentów w finansowanym przez NIH/BRAIN badaniu badawczym dotyczącym głębokiej stymulacji mózgu w leczeniu depresji lekoopornej (TRD ). Jako całość, ten zestaw danych dostarcza precyzyjnych, czasowo-przestrzennych nagrań wewnątrzczaszkowych i danych dotyczących stymulacji w szerokim dynamicznym zakresie nasilenia depresji. Nasze cele stosują progresywne podejście do modelowania i manipulowania relacjami między mózgiem a zachowaniem. Cel 1 ma na celu zidentyfikowanie cech aktywności neuronalnej związanych ze stanami nastroju. Począwszy od najnowocześniejszych modeli sztucznej inteligencji, a następnie stosuje podejście „drabinkowe”, aby przejść do modeli o rosnącej ekspresji, jednocześnie narzucając mechanicznie wyjaśnialną strukturę. Podczas gdy Cel 1 koncentruje się na zgłaszanym przez samych siebie poziomie nastroju jako behawioralnym wskaźniku zainteresowania, Cel 2 wykorzystuje alternatywne podejście polegające na skupieniu się na mierzalnych cechach neurobiologicznych inspirowanych kryteriami domeny badawczej (RDoC). Te cechy, takie jak wrażliwość na nagrody, niechęć do strat, uwaga wykonawcza itp., Są wyodrębniane z wykonywania zadań behawioralnych przy użyciu nowatorskiego podejścia XAI „odwrotnej kontroli racjonalnej”.

Odniesienie tych pomiarów do wzorców aktywności neuronalnej zapewnia dodatkowe mechanistyczne i normatywne zrozumienie neurobiologii depresji. Cel 3 wykorzystuje powtarzające się sieci neuronowe do modelowania konsekwencji bardzo zróżnicowanych wzorców wieloośrodkowej stymulacji wewnątrzczaszkowej na aktywność neuronów. Następnie zastosowano innowacyjne podejście XAI z „pętlą początkową” w celu uzyskania strategii stymulacji dla sterowania w pętli otwartej i zamkniętej, które mogą doprowadzić układ nerwowy do pożądanego, zdrowszego stanu. Jeśli projekt się powiedzie, poszerzy naszą wiedzę na temat patofizjologii depresji i udoskonali strategie leczenia neuromodulacyjnego. Można to również zastosować do wielu innych zaburzeń neurologicznych i psychiatrycznych, co stanowi ważny krok w kierunku neuronauki precyzyjnej kierowanej przez XAI.