Исследователи EPFL объединили маломощные чипы, алгоритмы машинного обучения и мягкие имплантируемые электроды для создания нейронного интерфейса, который может определять и подавлять симптомы различных неврологических расстройств.

Махса Шоаран из Лаборатории интегрированных нейротехнологий Инженерной школы в сотрудничестве со Стефани Лакур из Лаборатории мягких биоэлектронных интерфейсов разработали NeuralTree - замкнутую систему нейромодуляции на чипе, которая может определять и облегчать симптомы заболеваний.

Благодаря 256-канальной сенсорной матрице высокого разрешения и энергоэффективному процессору машинного обучения, система может извлекать и классифицировать широкий набор биомаркеров из данных реальных пациентов и животных моделей заболеваний in-vivo, что приводит к высокой степени точности в предсказании симптомов.

"NeuralTree выигрывает от точности нейронной сети и аппаратной эффективности алгоритма дерева решений", - говорит Шоаран. "Мы впервые смогли интегрировать такой сложный, но энергоэффективный нейронный интерфейс для задач бинарной классификации, таких как обнаружение судорог или тремора, а также для многоклассовых задач, таких как классификация движений пальцев для нейропротезирования".

Результаты работы были представлены на Международной конференции по твердотельным схемам IEEE 2022 и опубликованы в журнале IEEE Journal of Solid-State Circuits.
Эффективность, масштабируемость и универсальность

NeuralTree функционирует путем извлечения из мозговых волн нейронных биомаркеров - паттернов электрических сигналов, которые, как известно, связаны с определенными неврологическими расстройствами. Затем он классифицирует сигналы и указывает, предвещают ли они надвигающийся эпилептический припадок или, например, паркинсонический тремор. Если симптом обнаружен, активируется нейростимулятор - также расположенный на чипе - и посылает электрический импульс для его блокировки.

Шоаран объясняет, что уникальный дизайн NeuralTree обеспечивает системе беспрецедентную эффективность и универсальность по сравнению с современными разработками. Чип имеет 256 входных каналов, по сравнению с 32 для предыдущих устройств с машинным обучением, что позволяет обрабатывать больше данных высокого разрешения на имплантате.

Эффективный по площади дизайн чипа означает, что он также очень мал (3,48 мм2), что дает ему большой потенциал для масштабирования на большее количество каналов. Интеграция "энергозависимого" алгоритма обучения, который наказывает функции, потребляющие много энергии, также делает NeuralTree очень энергоэффективной.

В дополнение к этим преимуществам, система может обнаруживать более широкий спектр симптомов, чем другие устройства, которые до сих пор были сосредоточены в основном на обнаружении эпилептических припадков. Алгоритм машинного обучения чипа был обучен на массивах данных пациентов с эпилепсией и болезнью Паркинсона и точно классифицировал предварительно записанные нейронные сигналы из обеих категорий.

"Насколько нам известно, это первая демонстрация обнаружения паркинсонического тремора с помощью классификатора на чипе", - говорит Шоаран.
Самообновляющиеся алгоритмы

Шоаран страстно желает сделать нейроинтерфейсы более интеллектуальными, чтобы обеспечить более эффективный контроль заболеваний, и она уже предвкушает дальнейшие инновации.

"В конечном итоге мы сможем использовать нейроинтерфейсы для лечения множества различных заболеваний, и для этого нам нужны алгоритмические идеи и достижения в разработке чипов. Эта работа очень междисциплинарная, поэтому она также требует сотрудничества с такими лабораториями, как Лаборатория мягких биоэлектронных интерфейсов, которая может разрабатывать самые современные нейронные электроды, или лабораториями, имеющими доступ к высококачественным данным о пациентах".

В качестве следующего шага она заинтересована в обеспечении возможности обновления алгоритмов на кристалле, чтобы идти в ногу с эволюцией нейронных сигналов.

"Нейронные сигналы меняются, и поэтому со временем производительность нейронного интерфейса снижается. Мы всегда стараемся сделать алгоритмы более точными и надежными, и одним из способов сделать это может быть включение обновлений на кристалле, или алгоритмов, которые могут обновляться самостоятельно".