Auf Symptome reagierendes System zur Tiefenhirnstimulation in der Entwicklung
23. März 2023 | Forscher an der Michigan Technological University entwickeln ein „intelligentes“ System zur Tiefenhirnstimulation (DBS) zur Behandlung der Parkinson-Krankheit, das nur bei Bedarf automatisch aktiviert wird und somit effektiver und energieeffizienter ist.
Die Forscher verwenden neuromorphes Computing – einen Ansatz, der von der Struktur und Funktion des menschlichen Gehirns inspiriert ist – um die derzeitigen DBS-Geräte mit offenem Regelkreis zu verbessern, die eine konstante Stimulation erzeugen, was zu unerwünschten Nebenwirkungen führen kann.
Das neue Closed-Loop-System hat das Potenzial, die Stimulationssignale an die Schwere der Symptome eines Patienten anzupassen. Dies könnte eine höhere Wirksamkeit und weniger Nebenwirkungen sowie einen geringeren Energieverbrauch bedeuten, d. h. weniger Operationen zum Austausch von Batterien.
„Die Nutzung des neuromorphen Computings zur Verbesserung der Tiefenhirnstimulation bei der Parkinson-Krankheit ist sehr innovativ“, sagte Chunxiu (Traci) Yu, PhD, Co-Leiter des Projekts und Assistenzprofessor für biomedizinische Technik an der Michigan Technological University, in einer Pressemitteilung der Universität. „Soweit wir wissen, ist dies der erste Versuch auf diesem Gebiet“.
DBS ist eine Alternative zu Parkinson-Medikamenten, die mit der Zeit an Wirksamkeit verlieren. Kleine Drähte werden chirurgisch in bestimmte Bereiche des Gehirns implantiert, um diese mit elektrischen Impulsen zu stimulieren und motorische Symptome wie Zittern, Muskelsteifheit und verlangsamte Bewegungen zu verringern.
Die Drähte sind mit einem batteriebetriebenen Impulsgeber verbunden, der chirurgisch in die Brust oder den Bauch eingeführt wird. Nach der Implantation können die Stimulationseinstellungen je nach den Bedürfnissen des Patienten angepasst werden.
Die meisten aktuellen DBS-Systeme sind jedoch offen“, so Yu, d. h. die Signale werden unabhängig vom Vorhandensein und/oder der Schwere der Symptome ständig gesendet, da die Echtzeitsymptome dem Gerät nicht bekannt sind“.
Abgesehen von den potenziellen Nebenwirkungen, die eine kontinuierliche Stimulation mit sich bringt, ist der Energieverbrauch dieser Systeme hoch, da sie 24 Stunden am Tag und 365 Tage im Jahr eingeschaltet sind“, so Yu. Das bedeutet, dass alle zwei bis fünf Jahre Operationen erforderlich sind, um die Batterien des Geräts zu ersetzen.
Bessere Tiefenhirnstimulation für Parkinson-Patienten
Yu und sein Kollege Hongyu An, PhD, Assistenzprofessor für Elektro- und Computertechnik an der Michigan Tech, setzen neuromorphes Computing ein, um die DBS zu verbessern.
„Neuromorphes Computing, das auch als Brain-inspired Computing oder neurowissenschaftlich gestützte künstliche Intelligenz bezeichnet wird, emuliert ein Nervensystem mit Hilfe von Mikrochips und Algorithmen“, so Yu. „Außerdem ist es sehr energieeffizient.
Gemeinsam entwickeln Yu, An und ihre Teams ein DBS-System mit geschlossenem Regelkreis, das die Stimulussignale intelligent an die Symptome des Patienten anpassen kann.
„Die Verwendung eines Closed-Loop-Systems ermöglicht es uns, die Energieeffizienz von DBS-Geräten zu optimieren“, sagte Yu und fügte hinzu: „Die Gehirnsignale des Patienten werden verwendet, um ein Behandlungssignal – eine Stimulation – nach Bedarf und in Echtzeit zu erzeugen.“
Das Herzstück der geschlossenen DBS sind Spiking Neural Networks (SNNs), eine Art künstliches neuronales Netz, das ähnlich wie natürliche neuronale Netze Informationen nur dann überträgt, wenn eine Spike-Schwelle erreicht wurde.
„Die Kommunikationssignale innerhalb der SNNs werden durch kleine elektrische Impulse in Volt dargestellt“, sagte An und fügte hinzu, da SNNs das Konzept der Zeit, wie z. B. Intervalle zwischen Spikes, einbeziehen, „haben SNN-Systeme eine viel höhere Energieeffizienz im Vergleich zu anderen künstlichen neuronalen Netzen.“
Das neue System erkennt Beta-Oszillationen, die Art von Gehirnwellen, die von Gehirnregionen erzeugt werden, die Körperbewegungen steuern. Durch die Messung der dortigen Hirnaktivität kann es den Schweregrad der motorischen Symptome bewerten.
„Wir verwenden die Beta-Oszillationsaktivität als Biomarker, weil sie viel schneller erfasst werden kann als andere Mittel, wie z. B. Tremorsignale“, sagte An. „Wenn die entdeckte neuronale Aktivität ungewöhnlich stark ist, deutet dies darauf hin, dass die Symptome der Parkinson-Krankheit schwerer sind.
Die Teams haben Loihi, den neuromorphen Chip von Intel, verwendet, der „andere Rechenplattformen in Bezug auf die Energieeffizienz um das 109-fache übertrifft“, so An.
Ein weiteres innovatives Merkmal des neuen DBS-Systems mit geschlossenem Regelkreis ist der Ersatz des traditionellen elektronischen Speichers von SNN durch einen Memristor. Memristoren können nicht nur die Menge der durch sie geflossenen Ladung speichern und damit Informationen wie ein Speicherchip aufbewahren, sondern auch den Stromfluss wie ein Widerstand steuern.
Im Gegensatz zu Standardwiderständen kann der Widerstand eines Memristors jedoch in mehrere oder sogar Tausende verschiedener Widerstände geändert werden“, so An. „Diese Eigenschaft erhöht die Menge an Informationen, die von einzelnen Memristoren gespeichert werden können, erheblich“.
Nach Daten, die letztes Jahr auf dem 23rd International Symposium on Quality Electronic Design vorgestellt wurden, reduzierten die Simulationen der Teams mit SNNs und Memristoren die Größe der Chips um 67,3 % und ermöglichten eine um 41,9 % schnellere Signalübertragung bei 11,7 % geringerem Energieverbrauch.
„Dieses Ergebnis ist sehr vielversprechend“, sagte An.
Das nächste Ziel ist die Entwicklung eines eigenen memristorischen neuromorphen Chips, der auf das DBS mit geschlossenem Regelkreis zugeschnitten ist.
„Unsere Forschung zu diesen neuen, innovativen Berechnungsparadigmen – zusammen mit dem Design von emergenten KI-Chips – wird eine neue Tür zu einer größeren und schnelleren Entwicklung von intelligenten medizinischen Geräten für die Rehabilitation des Gehirns öffnen“, sagte An. „Sogar tragbare medizinische Geräte liegen jetzt im Bereich des Möglichen.“
Steve An hat an der medizinischen Fakultät der Universität Toronto, Kanada, in Biochemie promoviert. Als medizinischer Wissenschaftler arbeitete er 18 Jahre lang sowohl in der akademischen Welt als auch in der Industrie, wo sich seine Forschung auf die Entdeckung neuer Impfstoffe und Medikamente zur Behandlung von Entzündungs- und Infektionskrankheiten konzentrierte. Steve ist Autor zahlreicher Veröffentlichungen in wissenschaftlichen Fachzeitschriften mit Peer-Review und ein patentierter Erfinder.
Quelle: https://parkinsonsnewstoday.com/news/smart-dbs-system-will-respond-parkinsons-symptoms/