Создан нейрочип для лечения заболеваний головного мозга

Исследователи EPFL объединили маломощный чип, алгоритмы машинного обучения и мягкие имплантируемые электроды, чтобы создать нейронный интерфейс, который может выявлять и подавлять симптомы различных неврологических расстройств. Сообщает портал MedicalXpress.

Благодаря 256-канальной сенсорной матрице с высоким разрешением и энергоэффективному процессору машинного обучения система может извлекать и классифицировать широкий набор биомаркеров из данных реальных пациентов и моделей заболеваний на животных, что приводит к высокой степени точности предсказания симптомов.

Функция NeuralTree заключается в извлечении нейронных биомаркеров — моделей электрических сигналов, которые, как известно, связаны с определенными неврологическими расстройствами из мозговых волн. Затем он классифицирует сигналы и указывает, предвещают ли они, например, надвигающийся эпилептический припадок или паркинсонический тремор. При обнаружении симптома активируется нейростимулятор, также расположенный на чипе, который посылает электрический импульс, чтобы заблокировать его.

Уникальный дизайн NeuralTree придает системе беспрецедентную степень эффективности и универсальности по сравнению с современными системами. Чип имеет 256 входных каналов по сравнению с 32 у предыдущих встроенных устройств с машинным обучением, что позволяет обрабатывать данные с более высоким разрешением на имплантате.

Конструкция чипа с эффективным использованием площади означает, что он также чрезвычайно мал, что дает ему большой потенциал для масштабирования на большее количество каналов. Интеграция алгоритма обучения с учетом энергопотребления, который наказывает функции, потребляющие много энергии, также делает NeuralTree очень энергоэффективным.

В дополнение к этим преимуществам система может обнаруживать более широкий спектр симптомов, чем другие устройства, которые до сих пор были ориентированы в основном на обнаружение эпилептических припадков. Алгоритм машинного обучения чипа был обучен на наборах данных пациентов с эпилепсией и болезнью Паркинсона и точно классифицировал предварительно записанные нейронные сигналы обеих категорий.