Investigação Intracraniana do Circuito Neural Subjacente ao Humor Humano

A depressão é um dos distúrbios mais comuns da saúde mental, afetando 7 a 8% da população e causando grande incapacidade aos indivíduos aflitos e ônus econômico para a sociedade. A fim de otimizar os tratamentos existentes e desenvolver tratamentos aprimorados, os investigadores precisam de uma compreensão mais profunda da base mecanicista desse distúrbio complexo. O trabalho anterior nesta área fez progressos importantes, mas tem duas limitações principais. (1) A maioria dos estudos utilizou medidas não invasivas e, portanto, imprecisas da atividade cerebral. (2) A modelagem de caixa preta usada para vincular a atividade neural ao comportamento permanece difícil de interpretar e, embora às vezes seja bem-sucedida na descrição da atividade em certos contextos, pode não generalizar para novas situações, fornecer uma visão mecanicista ou orientar com eficiência as intervenções terapêuticas. Para superar esses desafios, os pesquisadores combinam registros neurais intracranianos precisos em humanos com um conjunto de novas abordagens de Inteligência Artificial eXplicável (XAI). Os investigadores reuniram uma equipe de experimentalistas e especialistas em computação com experiência combinada suficiente para esta tarefa. Nosso conjunto de dados exclusivo compreende dois grupos de indivíduos: a Coorte de Epilepsia consiste em pacientes com epilepsia refratária submetidos a monitoramento de convulsões intracranianas, e a Coorte de Depressão consiste em indivíduos em um estudo de pesquisa financiado pelo NIH/BRAIN de estimulação cerebral profunda para depressão resistente ao tratamento (TRD ). Como um todo, este conjunto de dados fornece dados de estimulação e registro intracranianos humanos precisos e com resolução espaço-temporal em uma ampla faixa dinâmica de gravidade da depressão. Nossos Objetivos aplicam uma abordagem progressiva para modelar e manipular as relações cérebro-comportamento. O objetivo 1 procura identificar características da atividade neural associadas aos estados de humor. Começando com modelos atuais de IA de última geração e, em seguida, usa uma abordagem de "escada" para criar uma ponte para modelos de expressividade crescente, ao mesmo tempo em que impõe uma estrutura explicável mecanicamente. Enquanto o Objetivo 1 se concentra no nível de humor auto-relatado como o índice comportamental de interesse, o Objetivo 2 usa uma abordagem alternativa de foco em características neurobiológicas mensuráveis ​​inspiradas nos Critérios de Domínio de Pesquisa (RDoC). Esses recursos, como sensibilidade à recompensa, aversão à perda, atenção executiva, etc. são extraídos do desempenho de tarefas comportamentais usando uma nova abordagem XAI de "controle racional inverso".

Relacionar essas medidas aos padrões de atividade neural fornece uma compreensão mecanicista e normativa adicional da neurobiologia da depressão. O Objetivo 3 usa redes neurais recorrentes para modelar as consequências de padrões altamente variados de estimulação intracraniana multissítio na atividade neural. Em seguida, empregando uma abordagem XAI inovadora de "loop de iniciação" para derivar estratégias de estimulação para controle de loop aberto e fechado que podem conduzir o sistema neural a um estado desejado e mais saudável. Se bem-sucedido, este projeto aumentaria nossa compreensão da fisiopatologia da depressão e melhoraria as estratégias de tratamento neuromodulador. Isso também pode ser aplicado a uma série de outros distúrbios neurológicos e psiquiátricos, dando um passo importante em direção à neurociência de precisão guiada por XAI.