Подходы к глубокой нейронной сети для глубокой стимуляции мозга с обратной связью

Глубокая стимуляция мозга (DBS) является золотым стандартом лечения пациентов с лекарственно-устойчивыми двигательными осложнениями болезни Паркинсона (БП) и предоставляет единственную возможность регистрации и стимуляции в базальных ганглиях человека. Совсем недавно одновременное использование исследовательской электрокортикографии (ЭКоГ) во время хирургии DBS, включая новаторскую работу из Питтсбурга, дало возможность фундаментальным неврологическим исследованиям динамики корково-подкорковой сети человека. Открытие того, что аберрантная синхронизация ритмической активности нейронов, зарегистрированная у пациентов с БП, подавляется DBS, продвинуло концепцию о том, что показатели, связанные с патологической активностью, могут использоваться в качестве биомаркеров для контроля проведения терапии DBS. Пилотные исследования aDBS при БП показали многообещающие клинические результаты запуска стимуляции DBS, когда сигнал, зарегистрированный с электрода DBS, показал высокий уровень колебательной мощности в бета-диапазоне частот (13–35 Гц). Однако такой подход имеет важные ограничения. Что наиболее важно, мощность бета-излучения, регистрируемая от отведения DBS, подавляется движением, включая тремор ПД, его обнаружение сильно зависит от местоположения отведения, а монтаж записи, необходимый для записи во время стимуляции, несовместим с управлением направленным током, недавней инновацией, использующей сегментированные контакты для стимуляции. Сложность, присущая расширенному пространству параметров благодаря инновациям DBS, также превосходит стандартные методы программирования. Наконец, использование дополнительных сигналов биомаркеров (например, записанных из коры головного мозга), вероятно, улучшит способность адаптивно контролировать DBS при нарушениях, отмеченных сложной многомерной симптоматикой, таких как БП. Текущее предложение установит методы для преодоления этих ограничений путем разработки методов многофункциональной классификации на основе записей ЭКоГ с использованием передовых алгоритмов машинного обучения.