Специалисты из Сколтеха, Института AIRI и МГУ разработали платформу для создания алгоритмов адаптивной глубокой стимуляции головного мозга. Эти алгоритмы будут управлять работой имплантируемых электродов, воздействуя на мозг пациентов с болезнью Паркинсона для уменьшения симптомов, при этом минимизируя нежелательные последствия и потребление энергии. Разработанная система является первой универсальной средой для обучения, сопоставления и комплексной проверки алгоритмов искусственного интеллекта, предназначенных для адаптивной глубокой стимуляции мозга. Исследование опубликовано в сборнике трудов 31-й Международной конференции по обнаружению знаний и анализу данных (KDD ’25).
Когда медикаментозное лечение становится неэффективным, пациенту с болезнью Паркинсона может быть рекомендована имплантация электродов в базальные ганглии. В этой области мозга, у таких больных, отмечается атипичная активность — выраженные бета-ритм или тета-ритм, которые также можно зафиксировать с помощью электрода. Данная патологическая активность является важным электрофизиологическим признаком двигательных расстройств, включая скованность движений и тремор рук. Электростимуляция снижает синхронность активности нейронов в базальных ганглиях, тем самым уменьшая избыточный бета-ритм и сопутствующие ему проявления.
Глубокая электростимуляция мозга не лишена побочных эффектов. Эти эффекты могут проявляться у разных людей по-разному, однако наиболее часто наблюдаются нарушения речи. Это связано с тем, что речевой центр в мозге находится в тесной взаимосвязи с базальными ганглиями. Помимо этого, организм постепенно формирует вокруг имплантированного электрода капсулу из соединительной ткани, что со временем способно изменять чувствительность нейронов к стимуляции. В заключение, постоянное, даже неинтенсивное, воздействие электрического тока приводит к повреждениям прилегающей нервной ткани.
В первые дни электротерапии врач проводит наблюдение за пациентом и корректирует параметры стимуляции. После этого настройки остаются стабильными, и дальнейшая перенастройка также осуществляется под контролем специалиста и вручную. Изменить сложившуюся ситуацию способна адаптивная стимуляция.
Имплантируемый электрод обладает способностью не только стимулировать мозг, но и фиксировать электрическую активность нейронов, что позволяет адаптировать стимуляцию к текущим условиям в режиме реального времени.
«Алгоритм в данном случае может быть довольно простым: при обнаружении избыточной бета-активности X следует применить стандартную стимуляцию Y. Однако можно разработать и более сложный алгоритм, включая использование искусственного интеллекта. До настоящего времени отсутствовала единая платформа, позволяющая тестировать и сопоставлять различные алгоритмы», — так Екатерина Кузьмина, аспирант Сколтеха по программе « Науки о жизни» и научный сотрудник группы «Исследования биомаркеров» лаборатории «Сильный ИИ в медицине» Института AIRI.
Адаптивные алгоритмы способны к самообучению, позволяя подавлять избыточный бета-ритм в ходе эксплуатации и обеспечивать дифференцированную стимуляцию в зависимости от положения тела – сидя, при ходьбе, во время сна и бодрствования и в других ситуациях. Теоретически, возможно регулировать не только наличие или отсутствие воздействия, но и его интенсивность, частоту и даже в определенной степени ориентацию. Обучение модели можно проводить не только на основе активности мозга, но и, к примеру, используя данные с браслета, фиксирующего тремор рук.
«Разработанная нами программная среда позволяет тестировать различные алгоритмы, независимо от того, используют они искусственный интеллект или более простые решения. В состав системы входит модель, которая воспроизводит реакцию нейронов на раздражение, описывает активность мозга, определяет её местоположение и даже демонстрирует изменения нейронов во времени — явление, известное как нейропластичность», — объяснил руководитель исследования Дмитрий Дылов, заведующий Лабораторией вычислительных методов формирования изображений Центра ИИ Сколтеха и директор лаборатории «Сильный ИИ в медицине» Института AIRI.
Разработанная исследователями модель позволяет проводить быстрые расчеты и адаптируется к различным условиям, таким как движение или сон пациента. Эта система пригодна не только для тестирования, но и для обучения алгоритмов адаптивной стимуляции, поскольку на ней можно тренировать ИИ, используя данные, созданные моделью.
Михаил Лебедев, профессор МГУ и руководитель межфакультетского проекта «Фундаментальные и прикладные нейротехнологии», отметил, что адаптивные алгоритмы стимуляции способны со временем стать важным инструментом в терапии не только болезни Паркинсона. По его словам, двунаправленные нейроинтерфейсы, совмещающие в себе считывание мозговых сигналов и управление нейростимуляцией, являются одним из самых современных направлений в нейротехнологиях, применяемых для лечения болезней Паркинсона и Альцгеймера, обсессивно-компульсивного расстройства и ряда других заболеваний. Несмотря на то, что уже существуют прототипы подобных систем, досконального понимания принципов их работы пока нет. Таким образом, исследование, которым руководила Екатерина, представляет собой значительный прогресс на пути к такому пониманию. На данный момент разработка ориентирована на болезнь Паркинсона, однако перспективы использования для лечения других неврологических расстройств весьма обнадеживающие».
До того как появилась единая программная платформа, разработчики каждого алгоритма были вынуждены самостоятельно создавать для него методы тестирования. При этом нередко применялись ресурсоемкие модели, что усложняло процесс проверки алгоритмов искусственного интеллекта.
Учёные из Сколтеха, Института AIRI и МГУ разработали решение, которое подходит как для алгоритмов с искусственным интеллектом, так и для тех, что работают без него. Благодаря этому исследователи надеются, что их разработка укрепит взаимодействие между специалистами, работающими на пересечении науки о данных и нейрофизиологии.