Специалисты из Сколковского института науки и технологий, Института искусственного интеллекта AIRI и Московского государственного университета разработали платформу для создания алгоритмов адаптивной глубокой стимуляции мозга. Эти алгоритмы позволят регулировать влияние вживлённых электродов на мозг людей с паркинсонизмом, чтобы снижать проявления болезни при минимальных нежелательных последствиях и энергопотреблении. Созданная система является первым универсальным инструментом для обучения, сопоставления и комплексного тестирования ИИ-алгоритмов адаптивной глубокой стимуляции мозга. Информацию об этом CNews получили от представителей Сколтеха.
Когда лекарственная терапия теряет эффективность, человеку с болезнью Паркинсона может быть рекомендована установка электродов в базальные ганглии. Именно в этой зоне мозга у пациентов фиксируется патологическая активность — чрезмерно выраженные бета- или тета-ритмы, которые, что примечательно, могут регистрироваться тем же электродом. Данная аномальная активность служит ключевым электрофизиологическим индикатором двигательных расстройств, включая характерную замедленность движений и дрожь в конечностях. Электрическая стимуляция снижает синхронность нейронной активности в базальных ганглиях, тем самым ослабляя избыточные бета-ритмы и сопутствующие симптомы.
Тем не менее, глубокая стимуляция мозга сопровождается побочными эффектами. Они могут варьироваться индивидуально, но наиболее часто встречаются речевые нарушения. Это объясняется тем, что речевые центры мозга функционально связаны с базальными ганглиями. Кроме того, организм постепенно окружает инородный объект — электрод — соединительной тканью, что со временем способно изменять реакцию нейронов на стимуляцию. Наконец, продолжительное, хоть и слабое, воздействие электрического тока приводит к накоплению повреждений в прилегающих нервных тканях.
В первые дни после начала электростимуляции врач наблюдает за состоянием пациента и корректирует параметры воздействия, после чего настройки остаются фиксированными: последующая коррекция снова проводится под врачебным контролем в ручном режиме. Изменить эту ситуацию призвана адаптивная стимуляция.
Поскольку имплантированный электрод способен не только стимулировать мозг, но и фиксировать электрическую активность нейронов, появляется возможность динамической регулировки стимуляции в реальном времени. «Алгоритм может быть достаточно простым: обнаружил избыточную бета-активность X — применяю стандартную стимуляцию Y. Однако можно разработать и значительно более сложный алгоритм, в том числе с применением искусственного интеллекта, но до сих пор отсутствовала унифицированная платформа для тестирования и сравнения конкурирующих алгоритмов», — пояснила ведущий автор исследования Екатерина Кузьмина, аспирант Сколтеха по направлению «Науки о жизни» и научный сотрудник группы «Исследования биомаркеров» лаборатории «Сильный ИИ в медицине» Института AIRI.
Гибкие алгоритмы способны совершенствоваться в процессе эксплуатации, обучаясь подавлять избыточные бета-волны и обеспечивать дифференцированную стимуляцию в различных состояниях — при сидении и движении, во сне и в активном состоянии. Теоретически возможно регулировать не только сам факт воздействия, но и его интенсивность, частоту, а в определённой степени даже направленность. Обучение модели может происходить не только на основе мозговой активности, но и, к примеру, используя информацию с фитнес-трекера, отслеживающего дрожание конечностей.
«Мы разработали программную платформу для тестирования подобных алгоритмов — независимо от того, используют они искусственный интеллект или более простые подходы. Система содержит модель, симулирующую реакцию нейронов на стимуляцию, демонстрирующую характер и локализацию мозговой активности, а также адаптацию нейронов со временем — явление нейропластичности», — пояснил руководитель научной группы Дмитрий Дылов, возглавляющий Лабораторию вычислительных методов визуализации в Центре ИИ «Сколтеха» и руководящий лабораторией «Мощный ИИ в медицине» Института AIRI.
Представленная исследователями модель позволяет проводить относительно быстрые расчёты и поддерживает различные режимы работы — например, когда пациент находится в движении или спит. Платформа применима не только для тестирования, но и для обучения алгоритмов адаптивной стимуляции: можно тренировать искусственный интеллект на синтезированных моделью данных.
Как отметил соавтор исследования, профессор МГУ и руководитель междисциплинарной программы «Фундаментальные и прикладные нейротехнологии» Михаил Лебедев, адаптивные алгоритмы стимуляции со временем могут найти применение не только в терапии болезни Паркинсона: «Двусторонние нейроинтерфейсы, одновременно считывающие сигналы мозга и управляющие стимуляцией, представляют собой передовой рубеж нейротехнологий для лечения таких патологий, как болезни Паркинсона и Альцгеймера, обсессивно-компульсивное расстройство и других. Хотя некоторые практические реализации уже существуют, целостного понимания их работы пока не достигнуто. В этом контексте исследование под руководством Екатерины — существенный шаг к такому пониманию. Пока работа сосредоточена на болезни Паркинсона, но перспективы применения для других неврологических расстройств — в будущем».
До создания универсальной программной платформы каждый разработчик алгоритма был вынужден создавать индивидуальные методы проверки. Часто при этом применялись сложные вычислительные модели, что дополнительно затрудняло тестирование алгоритмов с искусственным интеллектом.
Поскольку предложенное учёными из «Сколтеха», Института AIRI и МГУ решение совместимо с алгоритмами как использующими ИИ, так и более простыми, исследователи надеются, что их разработка поможет укрепить взаимодействие между специалистами на стыке компьютерных наук и нейрофизиологии.
