Cada interação com eletrodos resultou em centenas a milhares de pontos de tempo a serem estudados usando o novo algoritmo.
A nova tecnologia de IA permite que os pesquisadores entendam quais regiões cerebrais interagem diretamente entre si, o que ajuda a orientar a colocação de eletrodos para DBS para tratar doenças neurológicas.
Fonte: Clínica Mayo
Para milhões de pessoas com epilepsia e distúrbios de movimento, como a doença de Parkinson, a estimulação elétrica do cérebro já está ampliando as possibilidades de tratamento. No futuro, a estimulação elétrica pode ajudar pessoas com doenças psiquiátricas e lesões cerebrais diretas, como o AVC.
No entanto, estudar como as redes cerebrais interagem entre si é complicado. Redes cerebrais podem ser exploradas fornecendo pulsos breves de corrente elétrica em uma área do cérebro de um paciente enquanto medem as respostas de tensão em outras áreas. Em princípio, deve-se ser capaz de inferir a estrutura das redes cerebrais a partir desses dados. No entanto, com os dados do mundo real, o problema é difícil porque os sinais registrados são complexos, e uma quantidade limitada de medições pode ser feita.
Para tornar o problema gerenciável, os pesquisadores da Mayo Clinic desenvolveram um conjunto de paradigmas, ou pontos de vista, que simplificam comparações entre efeitos da estimulação elétrica no cérebro. Como uma técnica matemática para caracterizar como os conjuntos de insumos convergem em regiões cerebrais humanas não existia na literatura científica, a equipe de Mayo colaborou com um especialista internacional em algoritmos de inteligência artificial (IA) para desenvolver um novo tipo de algoritmo chamado "identificação da curva do perfil de base".
Em um estudo publicado no PLOS Computational Biology, um paciente com um tumor cerebral foi submetido à colocação de uma matriz eletrocorgráfica eletrocorgráfica para localizar convulsões e mapear a função cerebral antes que um tumor fosse removido. Cada interação com eletrodos resultou em centenas a milhares de pontos de tempo a serem estudados usando o novo algoritmo.
"Nossas descobertas mostram que esse novo tipo de algoritmo pode nos ajudar a entender quais regiões cerebrais interagem diretamente entre si, o que, por sua vez, pode ajudar a orientar a colocação de eletrodos para estimular dispositivos para tratar doenças cerebrais em rede", diz Kai Miller, Médico, Ph.D., neurocirurgião da Mayo Clinic e primeiro autor do estudo.
"À medida que novas tecnologias emergem, esse tipo de algoritmo pode nos ajudar a tratar melhor pacientes com epilepsia, distúrbios de movimento como doença de Parkinson e doenças psiquiátricas como transtorno obsessivo compulsivo e depressão."
"Os dados neurológicos até o momento são talvez os dados mais desafiadores e emocionantes para modelar para pesquisadores de IA", diz Klaus-Robert Mueller, Ph.D., coautor do estudo e membro da Equipe do Cérebro de Pesquisa do Google. Mueller é codiretor do Instituto berlinense para as Fundações de Aprendizagem e Dados e diretor do Grupo de Machine Learning – ambos da Universidade Técnica de Berlim.
No estudo, os autores fornecem um pacote de código para download para que outros possam explorar a técnica. "Compartilhar o código desenvolvido é uma parte central de nossos esforços para ajudar a reprodutibilidade da pesquisa", diz Dora Hermes, Ph.D., engenheira biomédica da Mayo Clinic e autora sênior.
“Basis profile curve identification to understand electrical stimulation effects in human brain networks” by Kai J. Miller et al. PLOS Computational Biology