Внутричерепное исследование нейронной цепи, лежащей в основе человеческого настроения

Депрессия является одним из наиболее распространенных расстройств психического здоровья, поражающим 7-8% населения и вызывающим огромную инвалидность у страдающих людей и экономическое бремя для общества. Чтобы оптимизировать существующие методы лечения и разработать улучшенные, исследователям необходимо более глубокое понимание механистической основы этого сложного расстройства. Предыдущие работы в этой области добились значительного прогресса, но имеют два основных ограничения. (1) В большинстве исследований использовались неинвазивные и, следовательно, неточные измерения мозговой активности. (2) Моделирование «черного ящика», используемое для связывания нейронной активности с поведением, по-прежнему трудно интерпретировать, и, хотя иногда оно успешно описывает активность в определенных контекстах, оно может не распространяться на новые ситуации, обеспечивать механистическое понимание или эффективно направлять терапевтические вмешательства. Чтобы преодолеть эти проблемы, исследователи объединяют точные внутричерепные нейронные записи у людей с набором новых подходов eXplainable Artificial Intelligence (XAI). Исследователи собрали группу экспериментаторов и специалистов по вычислениям с общим опытом, достаточным для выполнения этой задачи. Наш уникальный набор данных состоит из двух групп субъектов: когорта эпилепсии состоит из пациентов с рефрактерной эпилепсией, которым проводят мониторинг внутричерепных припадков, а когорта депрессии состоит из субъектов, участвующих в финансируемом NIH/BRAIN исследовательском испытании глубокой стимуляции мозга при резистентной к лечению депрессии (TRD). ). В целом, этот набор данных обеспечивает точные, пространственно-временные данные внутричерепной записи и стимуляции человека в широком динамическом диапазоне тяжести депрессии. Наши Цели применяют прогрессивный подход к моделированию и манипулированию отношениями между мозгом и поведением. Цель 1 направлена ​​​​на выявление особенностей нейронной активности, связанных с состояниями настроения. Начиная с современных современных моделей ИИ, а затем использует «лестничный» подход для перехода к моделям с возрастающей выразительностью при наложении механистически объяснимой структуры. В то время как цель 1 фокусируется на самооценке уровня настроения в качестве поведенческого индекса интереса, цель 2 использует альтернативный подход, заключающийся в сосредоточении внимания на измеримых нейробиологических характеристиках, вдохновленных критериями исследовательской области (RDoC). Эти функции, такие как чувствительность к вознаграждению, неприятие потерь, исполнительское внимание и т. Д., Извлекаются из выполнения поведенческих задач с использованием нового подхода XAI «обратного рационального контроля».

Связь этих показателей с паттернами нервной активности обеспечивает дополнительное механистическое и нормативное понимание нейробиологии депрессии. Цель 3 использует рекуррентные нейронные сети для моделирования последствий разнообразных паттернов внутричерепной стимуляции в нескольких местах на нейронную активность. Затем с помощью инновационного подхода XAI с «начальным циклом» вырабатываются стратегии стимуляции для управления с разомкнутым и замкнутым контуром, которые могут привести нервную систему к желаемому, более здоровому состоянию. В случае успеха этот проект улучшит наше понимание патофизиологии депрессии и улучшит стратегии нейромодуляторного лечения. Это также может быть применено к множеству других неврологических и психических расстройств, что делает важный шаг на пути к прецизионной нейронауке под управлением XAI.