В России создали инструмент для обучения алгоритмов глубокой стимуляции мозга. В «Сколтехе» рассказали о разработке интерактивной среды для тестирования и обучения адаптивных алгоритмов. Эти алгоритмы в теории могут более эффективно подавлять симптомы болезни Паркинсона и других заболеваний центральной нервной системы при помощи двунаправленных нейроинтерфейсов. Разработку создали исследователи из «Сколтеха», Института искусственного интеллекта AIRI и МГУ.
Двунаправленные нейроинтерфейсы относятся к передовым нейротехнологиям для лечения болезни Паркинсона, Альцгеймера и других заболеваний. Практические системы такого рода уже появились, но пока нет полного понимания их оптимальной работы. Профессор МГУ Михаил Лебедев отметил, что новая работа представляет собой реальный шаг к этому пониманию. По словам Лебедева, пока разработка касается болезни Паркинсона, но применения для лечения других неврологических расстройств ещё впереди.
В последние годы активно изучается возможность использования систем глубокой стимуляции мозга для подавления патологических форм активности. Такая активность возникает у носителей болезней Паркинсона, Альцгеймера и других нейродегенеративных заболеваний. Терапия облегчает состояние пациентов, однако она также нарушает некоторые функции мозга. Терапию нужно постоянно подстраивать из‑за перемен в контактах между электродами и мозгом.
Для решения этой проблемы специалисты работают над созданием адаптивных алгоритмов. Эти алгоритмы отслеживают сдвиги в состоянии мозга пациента и в режиме реального времени подстраивают стимуляцию под эти перемены. Российские исследователи разработали специальную программную среду, которая позволяет максимально эффективно проверять и обучать такие алгоритмы.
Заведующий лабораторией вычислительных методов формирования изображений Центра ИИ «Сколтеха» Дмитрий Дылов пояснил, что среда позволяет испытывать алгоритмы как с применением искусственного интеллекта, так и более простые. Система включает модель, которая имитирует отклик нейронов на стимуляцию. Модель также воспроизводит активность в мозге, её локализацию и даже то, как нейроны со временем меняют своё поведение.
Предложенный подход поддерживает сравнительно быстрые вычисления и разные сценарии использования. Например, система учитывает, ходит пациент или спит. Решение подходит для нейросетевых алгоритмов и решений без искусственного интеллекта. Исследователи рассчитывают, что разработка сможет наладить более прочные связи между специалистами на стыке науки о данных и нейрофизиологии. Это ускорит разработку максимально эффективных и безопасных систем глубокой стимуляции мозга.
Автор: Lexx_Nimofff
