بریتنی گرایمز -31 اکتبر 2022 -مفهوم مغز و هوش مصنوعی -KanawatTH/iStock
برخی از اختلالات مغزی مانند صرع و بیماری پارکینسون به طور بالقوه با استفاده از ایمپلنت های عصبی قابل درمان هستند.
محققان دانشگاه تورنتو در حال ترکیب هوش مصنوعی و میکروالکترونیک برای ایجاد فناوری نوآورانه ای هستند که ایمن و موثر است. تیم تحقیقاتی می‌خواهد از ایمپلنت‌های عصبی در تراشه‌های سیلیکونی مینیاتوری استفاده کند، به روشی مشابه که برای تولید تراشه‌های مورد استفاده در رایانه‌های امروزی انجام می‌شود.
Xilin Liu، محقق ارشد و استادیار دانشکده علوم کاربردی و مهندسی در دانشگاه می‌گوید: «نرون‌ها تا حدی از طریق سیگنال‌های الکتریکی با یکدیگر صحبت می‌کنند و یک ایمپلنت عصبی درمانی تحریک الکتریکی ایجاد می‌کند – مانند ضربان‌ساز برای مغز». وی ادامه داد: در موارد لرزش یا تشنج، تحریک سعی می کند نورون ها را به حالت طبیعی بازگرداند.
لیو اشاره کرد که ایمپلنت عصبی شبکه های عصبی را مانند یک سوئیچ یا مانند راه اندازی مجدد کامپیوتر روشن و خاموش می کند. وی همچنین پیچیدگی این پروژه تحقیقاتی را بیان کرد و خاطرنشان کرد که آنطور که به نظر می رسد ساده نخواهد بود و محققان همچنان در تلاش برای درک پیچیدگی پروژه هستند. لیو که همچنین بخشی از مرکز فناوری عصبی CRANIA است که با همکاری دانشگاه تورنتو و شبکه بهداشت دانشگاهی همکاری می‌کند، می‌گوید: «دانشمندان هنوز به طور کامل نحوه عملکرد آن را درک نکرده‌اند.
این شبکه جمعی و دانشگاه با هدف بهبود سلامت مغز و ایجاد درمان های جایگزین به عصب شناسان، دانشمندان داده ها و مواد و پزشکان می پیوندد. پروژه ایمپلنت عصبی توسط لیو و تیمش به عنوان یک گزینه درمانی جایگزین آینده نگر برای مشتریانی که ممکن است به داروهای فعلی پاسخ خوبی ندهند، ایجاد شد. آنها پتانسیل استفاده از هوش مصنوعی را به عنوان یک گزینه درمانی موثر در آینده می بینند و در عین حال واکنش های نامطلوب به تحریک بیش از حد در مغز را به حداقل می رسانند.
تیم تحقیقاتی این فناوری را CMOS می نامند که مخفف نیمه هادی اکسید فلزی مکمل است. این به آنها اجازه می دهد تا اندازه دستگاه و مصرف برق را کاهش دهند. این به نوبه خود خطرات مرتبط با روش جراحی ایمپلنت عصبی و استفاده طولانی مدت را کاهش می دهد.
به منظور ایجاد بهترین نمونه اولیه برای ایمپلنت عصبی، آنها استراتژی ها و تکنیک های مختلفی را نیز امتحان کرده اند. لیو گفت: «ما تکنیک‌های جدید طراحی میکروالکترونیکی مانند تحریک الکتریکی با دقت بالا با متعادل‌سازی شارژ را توسعه داده‌ایم.
محققان از نوعی هوش مصنوعی به نام یادگیری عمیق (DL) استفاده کردند، نوعی یادگیری ماشینی که از شبکه های عصبی مصنوعی استفاده می کند. DL از مجموعه‌ای از الگوریتم‌ها استفاده می‌کند که با داده‌های جدید، اطلاعات سطح عمیق را «یاد می‌گیرند» و استخراج می‌کنند. همچنین می تواند نشانگرهای زیستی پنهان را شناسایی کند – اندازه گیری یا نشانه بیماری – که اغلب در روش های سنتی نادیده گرفته می شوند.
این برای محققان مفید است زیرا آنها می توانند زمان فعال سازی ایمپلنت های عصبی را بر اساس نشانگرهای زیستی انتخاب کنند و مجبور نباشند به طور مداوم تحریک را حدس بزنند یا از آن استفاده کنند. لیو اظهار داشت: “بیشتر ایمپلنت های موجود بدون توجه به وضعیت بیمار، تحریک الکتریکی را با سرعت ثابتی تولید می کنند.” با DL می‌توانیم ایمپلنت‌های عصبی را در زمان بهینه و تنها در صورت لزوم فعال کنیم.
با این حال، یکی از نکاتی که ذکر شد هزینه محاسباتی است. لیو اظهار داشت، برای مثال، یک ایمپلنت عصبی در صورت از دست دادن خدمات مخابراتی، مانند زمانی که بیمار در آسانسور یا هواپیما می رود، نمی تواند از کار بیفتد. هزینه محاسباتی مدل های یادگیری عمیق، ترکیب چنین فناوری را به چالشی تبدیل می کند. به منظور کاهش هزینه‌های محاسباتی، تیم تحقیقاتی روش‌هایی را برای آموزش مدل‌ها تنها بر اساس شرایط هر بیمار ایجاد کردند.
مطالعه روی یادگیری عمیق برای ایمپلنت‌های عصبی که برای تشخیص تشنج استفاده می‌شوند در مجله مهندسی عصبی منتشر شد و لیو می‌خواهد این تحقیق را گسترش دهد. او گفت که کار تیمش می‌تواند در طیف وسیعی از کاربردهای بالینی و روشهای پزشکی فراتر از تشنج‌های صرع مورد استفاده قرار گیرد.
لیو می خواهد از این فناوری برای انواع اختلالات مغزی استفاده کند که نزدیک به یک میلیارد نفر را در سراسر جهان تحت تاثیر قرار می دهد. او امیدوار است همراه با مطالعه اثرات بر صرع و بیماری پارکینسون، درمان‌های درمانی جدیدی برای بیماران مبتلا به زوال عقل، درد مزمن، بیماری آلزایمر و افسردگی ایجاد شود.
