Ученые из Сколтеха, Института AIRI и МГУ создали среду для разработки алгоритмов адаптивной глубокой стимуляции головного мозга. Такие алгоритмы будут контролировать воздействие имплантируемых электродов на мозг пациентов с болезнью Паркинсона, чтобы подавлять симптомы с минимальными побочными эффектами и расходом батареи. Предложенная система представляет собой первую универсальную среду для обучения, сравнения и всеобъемлющей проверки ИИ-алгоритмов адаптивной глубокой стимуляции мозга. Исследование опубликовано в сборнике трудов 31-й Международной конференции по обнаружению знаний и анализу данных (KDD ’25).
Когда медикаментозная терапия перестаёт работать, пациенту с болезнью Паркинсона могут назначить имплантацию электродов в базальные ганглии. Именно в этой области мозга у больных наблюдается аномальная активность — слишком сильно выраженные бета-ритм или тета-ритм, которые, кстати, можно зарегистрировать тем же самым электродом. Эта патологическая активность — ключевой электрофизиологический маркер двигательных нарушений, в том числе характерной скованности движений и тремора рук. Электростимуляция делает активность нейронов в базальных ганглиях менее синхронной и ослабляет тем самым избыточный бета-ритм и связанные с ним симптомы.
Однако глубокая электростимуляция мозга имеет побочные эффекты. Они могут быть индивидуальны, но наиболее распространены нарушения речи. Дело в том, что речевой центр в мозге взаимодействует с базальными ганглиями. Кроме того, организм постепенно окутывает инородное тело — электрод — соединительной тканью, и со временем это может менять реакцию нейронов на стимуляцию. Наконец, накапливаются повреждения окружающей нервной ткани от постоянного, пусть и несильного, воздействия электрического тока.
Первые несколько дней после начала электротерапии врач наблюдает за пациентом и настраивает стимуляцию, после чего параметры воздействия остаются неизменными: следующая перенастройка производится, опять же, под наблюдением врача, в ручном режиме. Изменить ситуацию обещает адаптивная стимуляция.
Поскольку имплантируемый электрод может не только стимулировать мозг, но и регистрировать электрическую активность нейронов, можно настраивать стимуляцию в зависимости от ситуации в режиме реального времени.
«Алгоритм при этом может быть достаточно примитивен: вижу избыточную бета-активность X — доставляю стандартную стимуляцию Y. Но можно написать довольно изощрённый алгоритм, в том числе с использованием искусственного интеллекта, только до сих пор не существовало унифицированной среды, в которой конкурирующие алгоритмы можно было бы испытывать и сравнивать», — пояснила суть проблемы первый автор исследования Екатерина Кузьмина, аспирант Сколтеха по программе «Науки о жизни» и научный сотрудник группы «Исследования биомаркеров» лаборатории «Сильный ИИ в медицине» Института AIRI.
Адаптивные алгоритмы могли бы дообучаться подавлению избыточного бета-ритма в процессе работы и обеспечивать разную стимуляцию в положении сидя и при ходьбе, во сне и при бодрствовании и так далее. В теории можно регулировать как наличие или отсутствие воздействия, так и его силу, частоту и даже отчасти направление. Модель может дообучаться не только на активности мозга, но и, например, на данных с браслета, регистрирующего тремор рук.
«Мы сделали программную среду, в которой можно испытывать такие алгоритмы — неважно, с искусственным интеллектом или более простые. Система включает модель, которая имитирует как нейроны отзываются на стимуляцию, какая активность наблюдается в мозге и где именно она локализована и даже то, как нейроны со временем меняют своё поведение — нейропластичность», — пояснил руководитель исследования Дмитрий Дылов, заведующий Лабораторией вычислительных методов формирования изображений Центра ИИ Сколтеха и директор лаборатории «Сильный ИИ в медицине» Института AIRI.
Предложенная авторами исследования модель поддерживает сравнительно быстрые вычисления и разные сценарии использования — например, ходит пациент или спит. Система может использоваться не только для испытания, но и для тренировки алгоритмов адаптивной стимуляции: можно обучать ИИ на сгенерированных моделью данных.
По словам одного из авторов исследования, профессора МГУ и руководителя межфакультетского проекта «Фундаментальные и прикладные нейротехнологии» Михаила Лебедева, адаптивные алгоритмы стимуляции могут со временем сыграть роль в лечении не только болезни Паркинсона: «Двунаправленные нейроинтерфейсы, то есть такие, которые одновременно считывают сигналы мозга и управляют нейростимуляцией, — это передовой край нейротехнологий, направленных на лечение таких заболеваний, как болезни Паркинсона и Альцгеймера, обсессивно-компульсивное расстройство и другие. Хоть уже и появились практические системы такого рода, полного понимания, как они должны работать, нет. В этой связи работа, которой руководила Екатерина, — реальный шаг к такому пониманию. Пока это только про болезнь Паркинсона, но применения для лечения других неврологических расстройств — впереди».
До появления универсальной программной среды каждый автор алгоритма был вынужден придумывать для него свои испытания. Зачастую при этом использовались вычислительно сложные модели, что дополнительно осложняло проверку алгоритмов с ИИ.
Поскольку предложенное учёными из Сколтеха, Института AIRI и МГУ решение подходит для алгоритмов с ИИ и без, учёные рассчитывают, что разработка сможет наладить более прочные связи между исследователями на стыке науки о данных и нейрофизиологии.
Источник информации: Сколтех
Источник фото: ru.123rf.com