Теперь новый алгоритм, разработанный биоинженерами из Университета Брауна, может стать важным шагом на пути к такой адаптивной DBS. Алгоритм устраняет ключевое препятствие, которое мешает системам DBS воспринимать сигналы мозга, одновременно обеспечивая стимуляцию.
«Мы знаем, что в головном мозге есть электрические сигналы, связанные с болезненными состояниями, и мы хотели бы иметь возможность записывать эти сигналы и использовать их для автоматической настройки нейромодуляционной терапии», – сказал Дэвид Бортон, доцент кафедры биомедицинской инженерии в Brown и автор-корреспондент исследования, описывающего алгоритм. "Проблема в том, что стимуляция создает электрические артефакты, которые искажают сигналы, которые мы пытаемся записать. Итак, мы разработали средства выявления и удаления этих артефактов, поэтому все, что осталось, – это сигнал интереса от мозга."
Исследование опубликовано в журнале Cell Reports Methods. Работой руководила Николь Провенза, доктор философии.D. кандидат, работающий в лаборатории Бортона в Брауне, и Эван Дастин-ван Рейн, доктор философии.D. студент Миннесотского университета, который работал над проектом во время учебы в Брауновском университете, по рекомендации Бортона и Мэтью Харрисонов, доцента прикладной математики.
Лаборатория Бортона входит в состав Института Брауна Карни мозговых исследований.
Системы DBS обычно состоят из электрода, имплантированного в мозг, который подключен к устройству, подобному кардиостимулятору, имплантированному в грудную клетку. Электрические импульсы доставляются с постоянной частотой, которую устанавливает врач. Частоту стимуляции можно регулировать по мере изменения болезненного состояния, но врач должен это делать вручную.
Если бы устройства могли определять биомаркеры болезни и реагировать автоматически, это могло бы привести к более эффективной DBS-терапии с потенциально меньшим количеством побочных эффектов.
Исследователи говорят, что существует несколько факторов, которые затрудняют одновременное восприятие и стимуляцию. Во-первых, частотная характеристика артефакта стимуляции может иногда перекрываться с характеристикой сигнала мозга, который исследователи хотят обнаружить. Таким образом, простое вырезание полос частот для устранения артефактов также может удалить важные сигналы.
Чтобы устранить артефакт и оставить другие данные нетронутыми, необходимо определить точную форму волны артефакта, что представляет собой еще одну проблему. Имплантированные датчики мозга обычно рассчитаны на минимальную мощность, поэтому скорость, с которой датчики собирают электрические сигналы, обеспечивает данные с довольно низким разрешением. Точная идентификация формы волны артефакта с помощью данных с таким низким разрешением является сложной задачей.
Чтобы обойти эту проблему, исследователи придумали способ превратить данные с низким разрешением в изображение формы волны с высоким разрешением.
Несмотря на то, что датчики не собирают данные с высоким разрешением, они собирают много данных с течением времени. Используя некоторые хитрые математические методы, команда Брауна нашла способ объединить биты данных в изображение с высоким разрешением формы волны артефакта.
«Мы в основном берем среднее значение отсчетов, записанных в аналогичных точках вдоль формы волны артефакта», – сказал Дастин-ван Рейн. "Это позволяет нам предсказать вклад артефакта в такие образцы, а затем удалить его."
В серии лабораторных экспериментов и компьютерного моделирования команда показала, что их алгоритм превосходит другие методы в способности отделять сигнал от артефакта. Команда также использовала алгоритм на ранее собранных данных от людей и моделей животных, чтобы показать, что они могут точно идентифицировать артефакты и удалять их.
«Я думаю, что одним большим преимуществом нашего метода является то, что даже когда интересующий сигнал очень похож на артефакт моделирования, наш метод все равно может определить разницу между ними», – сказал Провенца. "Таким образом мы сможем избавиться от артефакта, оставив сигнал неизменным."
Еще одно преимущество, по словам исследователей, заключается в том, что алгоритм не требует больших вычислительных затрат. Потенциально он может работать в реальном времени на текущих устройствах DBS.
Это открывает дверь к фильтрации артефактов в реальном времени, что позволит одновременную запись и стимуляцию.
«Это ключ к адаптивной системе», – сказал Бортон. "Возможность избавиться от артефакта стимуляции при сохранении регистрации важных биомаркеров – вот что в конечном итоге позволит создать терапевтическую систему с обратной связью."