Ученые использовали сочетание чипа (с низким энергопотреблением), с алгоритмами машинного обучения, эластичные имплантируемые электроды и создали нейронный интерфейс, с помощью которого стало возможно выявлять и уменьшать симптомы различных неврологических состояний.
Нейромодуляционную систему с замкнутым контуром на кристалле NeutralTree создали ученые из Лозанны. Система позволила фиксировать и снижать симптомы неврологических состояний. 256-канальная сенсорная матрица с высоким разрешением и энергоэффективный процессор машинного обучения позволили определять и идентифицировать различные биомаркеры и с высокой точностью предсказывать симптомы.
Система NeuralTree представляет собой нейронный интерфейс, который позволил решать задачи бинарной классификации, такие как выявление припадков или тремора, а также может быть использован для двигательных решений в нейропротезах.
Результаты исследования были опубликованы в журнале IEEE Journal of Solid-State Circuits
NeuralTree выявляет нейронные биомаркеры — паттерны электрических мозговых сигналов, которые ассоциированы с определенными неврологическими заболеваниями. Затем система с помощью ИИ проводит классификацию сигналов и дает прогноз на возможность развития эпилептического припадка или паркинсонического тремора. При обнаружении такого паттерна происходит активация нейростимулятора, который располагается на чипе, и он посылает электрический импульс для его блокировки.
Созданная учеными система NeuralTree значительно эффективнее и более универсальна, по сравнению с существующими системами. Чип имеет 256 входных каналов, по сравнению с 32 у предыдущих встроенных устройств с алгоритмами ИИ, что дает возможность проводить обработку данных на имплантате с более высоким разрешением. Кроме того, маленький размер чипа (3,48 мм2) и интеграция с алгоритмом, который не допускает избыточное потребление энергии, делает NeuralTree очень энергоэффективной системой.
Алгоритм чипа был обучен на данных пациентов с болезнью Паркинсона и эпилепсией и точно определял паттерны предварительно записанных нейронных сигналов обеих категорий.
Ученые планируют расширить интеллектуальность нейронных интерфейсов и использовать их возможности для лечения различных неврологических заболеваний.
