Mahsa Shoaran, do Laboratório Integrado de Neurotecnologias da Escola de Engenharia, colaborou com Stéphanie Lacour, do Laboratório de Interfaces Bioeletrônicas Suaves, para desenvolver o NeuralTree: um sistema de neuromodulação em circuito fechado que pode detectar e aliviar os sintomas da doença. Graças a uma matriz de detecção de alta resolução de 256 canais e um processador de aprendizado de máquina com eficiência energética, o sistema pode extrair e classificar um amplo conjunto de biomarcadores de dados reais de pacientes e modelos animais de doenças na Vivolevando a um alto grau de precisão na previsão de sintomas.
“O NeuralTree se beneficia da precisão de uma rede neural e da eficiência de hardware de um algoritmo de árvore de decisão”, diz Shoaran. “É a primeira vez que conseguimos integrar uma interface neural tão complexa, mas eficiente em termos de energia, para tarefas de classificação binária, como detecção de convulsões ou tremores, bem como tarefas multiclasse, como classificação de movimentos dos dedos para aplicações neuroprotéticas. “
Seus resultados foram apresentados na Conferência Internacional de Circuitos de Estado Sólido IEEE 2022 e publicados no Jornal IEEE de Circuitos de Estado Sólidoo principal jornal da comunidade de circuitos integrados.
Eficiência, escalabilidade e versatilidade
O NeuralTree funciona extraindo biomarcadores neurais – padrões de sinais elétricos conhecidos por estarem associados a certos distúrbios neurológicos – de ondas cerebrais. Em seguida, classifica os sinais e indica se eles anunciam uma crise epiléptica iminente ou um tremor parkinsoniano, por exemplo. Se um sintoma for detectado, um neuroestimulador – também localizado no chip – é ativado, enviando um pulso elétrico para bloqueá-lo.
Shoaran explica que o design exclusivo do NeuralTree dá ao sistema um grau sem precedentes de eficiência e versatilidade em comparação com o estado da arte. O chip possui 256 canais de entrada, em comparação com os 32 dos dispositivos anteriores com aprendizado de máquina, permitindo que mais dados de alta resolução sejam processados no implante. O design com eficiência de área do chip significa que ele também é extremamente pequeno (3,48 mm2), dando-lhe grande potencial de escalabilidade para mais canais. A integração de um algoritmo de aprendizado ‘consciente de energia’ – que penaliza recursos que consomem muita energia – também torna o NeuralTree altamente eficiente em termos de energia.
Além dessas vantagens, o sistema pode detectar uma gama mais ampla de sintomas do que outros dispositivos, que até agora se concentravam principalmente na detecção de crises epilépticas. O algoritmo de aprendizado de máquina do chip foi treinado em conjuntos de dados de pacientes com epilepsia e doença de Parkinson e classificou com precisão os sinais neurais pré-gravados de ambas as categorias.
“Até onde sabemos, esta é a primeira demonstração da detecção do tremor parkinsoniano com um classificador no chip”, diz Shoaran.
Algoritmos de auto-atualização
Shoaran é apaixonada por tornar as interfaces neurais mais inteligentes para permitir um controle mais eficaz de doenças, e ela já está olhando para outras inovações.
“Eventualmente, podemos usar interfaces neurais para muitos distúrbios diferentes, e precisamos de ideias algorítmicas e avanços no design de chips para que isso aconteça. Este trabalho é muito interdisciplinar e, portanto, também requer a colaboração de laboratórios como o Laboratory for Soft Bioelectronic Interfaces, que podem desenvolver eletrodos neurais de última geração ou laboratórios com acesso a dados de pacientes de alta qualidade.”
Como próximo passo, ela está interessada em permitir atualizações algorítmicas no chip para acompanhar a evolução dos sinais neurais.
“Os sinais neurais mudam e, com o tempo, o desempenho de uma interface neural diminuirá. Estamos sempre tentando tornar os algoritmos mais precisos e confiáveis, e uma maneira de fazer isso seria habilitar atualizações no chip ou algoritmos que podem atualizar eles mesmos.”
ERC Starting Grant 2021, financiado pela Secretaria de Estado de Educação, Pesquisa e Inovação da Suíça.
Com informações de Science Daily.
