دکتر سید سلمان فاطمی

پیشرفت در پروتزهای عصبی هوشمند، ممکن است برای مبتلایان به بیماری های حرکتی مفید باشد.
23 آوریل 2023
یادگیری و بهینه سازی مداوم در سیستم های هوش مصنوعی در درمان بیماری های عصبی با کمک GP-BO
هوش مصنوعی از عروسک های بازی تا کمک به انسان در تولیدات و سلامت تا زیان های آن بر جسم و روح انسان- قسمت پنجاه و سه
در شرایطی که انسان امروز از حداقل های هوش، محروم است و برخلاف همه ی موازین اخلاق و هوش، رو به سوی نابود کردن جوامع بشری می‌کوشد یا آنکه با کمک هوش مصنوعی بسیار توانمند ولی بدون اخلاق، رو به سوی بدترین سرنوشت برای بشریت حرکت می‌کند، هنوز کسانی هستند که در سایه ی اخلاق و هوشمندی، در جهت بهبود زندگی بیماران و بهبود وضعیت اقتصادی دور از فسادهای رایج، کوشش می‌کنند.
خلاصه: ممکن است بتوان پارامترهای تحریک ایمپلنت مغزی در حیوانات را بدون دخالت انسان، بهینه سازی کرد. این مطالعه پتانسیل بهینه سازی مستقل پروتزهای کاشته شده در مغز را برجسته می کند. این پیشرفت ممکن است برای کسانی- که آسیب نخاعی دارند- و بیماری‌هایی- که حرکت را تحت تأثیر قرار می‌دهد- مفید باشد.
دانشمندان مدت‌هاست که تحریک عصبی را برای درمان فلج و نقص حسی ناشی از سکته ی مغزی و آسیب‌های نخاعی مطالعه کرده اند. این بیماری‌ها در کانادا حدود 380000 نفر را در سراسر کشور تحت تأثیر قرار داده است.
مطالعه ی جدیدی- که در مجله Cell Reports Medicine منتشر شده است- امکان بهینه سازی مستقل پارامترهای تحریک پروتزهای کاشته شده در مغز حیوانات را بدون دخالت انسان نشان می دهد.
این کار در دانشگاه مونترال توسط استادان علوم اعصاب مارکو بونیزاتو، نوما دانکاوز و مارینا مارتینز و با همکاری استاد ریاضیات و محقق میلا، گیوم لاژویی انجام شد.
این مطالعه از همکاری های مهم میان رشته‌ای بین محققان دارای تخصص در علوم اعصاب و تخصص هوش مصنوعی است.
یک مرحله ی بسیار امیدوار کننده
لاجوئی می‌گوید: «پروتزهای عصبی - دستگاه‌هایی هستند- که برای بازگرداندن اتصالات بین نورون‌ها به دنبال از دست دادن عملکرد حرکتی طراحی شده‌اند. این پروتزها وارد مرحله ی بسیار امیدوارکننده‌ای از توسعه ی خود می‌شوند.»
ما در حال نشان دادن مزایایی هستیم که با بهینه سازی مستقل پارامترهای آنها به دست می آید.
Bonizzato
افزود: اگر عملکرد این پروتزها افزایش یافته است، به لطف الگوریتم های یادگیری مستقل ارائه شده توسط محققان است.
با پیشرفت‌های تکنولوژیک، دانشمندان به یافتن راه‌حل‌های پروتز عصبی جدید برای بهبود درمان پاتولوژی ها مانند آسیب‌های نخاعی و سکته مغزی یا تحریک عمیق مغز از طریق نورومدولاسیون برای درمان بیماری‌هایی مانند بیماری پارکینسون، نزدیک‌تر شده‌اند.
الگوریتم‌های بهینه‌سازی به ما این امکان را می‌دهد که پروتکل‌های تحریک عصبی بسیار دقیقی طراحی کنیم و درمان‌ها را با توجه به شرایط هر بیمار، شخصی‌سازی کنیم.
به نوبه ی خود، دانکاوز معتقد است که اگرچه راه‌های مختلفی برای تحریک مغز وجود دارد، اما سهم هوش مصنوعی برای استفاده ی حداکثری از داده‌های جمع‌آوری‌شده و پیش‌بینی شرایطی که هنوز وجود ندارد، ضروری است.
با این پیشرفت‌های تکنولوژیکی، دانشمندان به یافتن راه‌حل‌های پروتز جدید عصبی برای بهبود درمان پاتولوژی هایی مانند آسیب‌ نخاعی و سکته ی مغزی یا تحریک عمیق مغز از طریق نورومدولاسیون برای درمان بیماری‌هایی مانند پارکینسون نزدیک‌تر شده‌اند.
عنوان مقاله: « بهینه‌سازی مستقل پارامترهای تحریک عصبی پروتز که خروجی‌های قشر حرکتی و نخاع را در موش‌ها و میمون‌ها هدایت می‌کنند.»
توسط مارکو بونیزاتو و همکاران
خلاصه
نکات برجسته
- الگوریتم یادگیری خودمختار الگوهای پیچیده ی عصبی، مدولاسیون را در داخل بدن بهینه می کند و پروتزهای عصبی «هوشمند» را قادر می‌سازد و فوراً نقص‌های حرکتی را کاهش می‌دهد
- این برنامه در برابر تغییرات، مقاوم است، به عنوان مثال، به دلیل انعطاف پذیری یا خرابی رابط
- انتقال دانش به متخصصان / پزشکان با یک چارچوب منبع باز پشتیبانی می شود.
خلاصه
تحریک عصبی می تواند فلج و نقص حسی را کاهش دهد. رابط های عصبی با چگالی بالا می توانند مداخلات تحریک عصبی پالایش شده و چند وجهی را فعال کنند. برای دستیابی به این هدف، توسعه ی چارچوب‌های الگوریتمی با قابلیت مدیریت بهینه‌سازی در فضاهای بزرگ پارامتری ضروری است.
در اینجا، ما از یک کلاس الگوریتمی، بهینه‌سازی بیزی مبتنی بر فرآیند گاوسی Gaussian-process (GP)-based Bayesian optimization (BO) GP) برای حل این مشکل استفاده کردیم. ما نشان می‌دهیم که GP-BO به طور موثر فضای تحریک عصبی را بررسی می‌کند و پس از آزمایش تنها بخشی از ترکیب‌های ممکن، از سایر استراتژی‌های جستجو بهتر عمل می‌کند.

از طریق یک سری آزمایش‌های تحریک عصبی چند بعدی در زمان واقعی، ما بهینه‌سازی را در اهداف مختلف بیولوژیکی (مغز، نخاع)، مدل‌های حیوانی (موش‌های صحرایی، پستانداران غیرانسان)، در افراد سالم، و در مداخلات عصبی پس از آسیب نشان می‌دهیم.
یادگیری فوری و مستمر در چندین جلسه میتواند انجام شود. GP-BO می تواند دانش تخصصی/بالینی قبلی را تعبیه و بهبود بخشد تا عملکرد خود را به طور چشمگیری افزایش دهد.
این نتایج از استقرار گسترده تر عوامل یادگیری به عنوان عناصر ساختاری طراحی پروتز عصبی حمایت می کند که شخصی سازی و به حداکثر رساندن اثر درمانی را ممکن می‌کند. 👇🏿 https://neurosciencenews.com/autonomous-neuroprosthetics-23084/?fbclid=IwAR2b4SMHwJXMezIGq4f9T-GpC40T-9tjgR4oBHZw0x4-wq2sjRUgUZVqUAs