LogSync-Chip erkennt kognitive und emotionale Zustände
Das Integrated Neurotechnologies Lab der EPFL unter der Leitung von Mahsa Shoaran hat mit LogSync einen implantierbaren, energieeffizienten System-on-Chip entwickelt, der Gehirnaktivitäten aus mehreren Hirnregionen simultan erfassen, analysieren und für adaptive Tiefenhirnstimulation nutzen kann. Der etwa 4 x 2 Millimeter kleine Chip ist auf die Echtzeitverarbeitung neuronaler Netzwerksignale ausgelegt und verbraucht weniger als 200 Mikrowatt, deutlich weniger als viele bestehende implantierbare Nervensystem-Schnittstellen. LogSync wurde für die Behandlung schwerer psychiatrischer Erkrankungen wie Depression, posttraumatische Belastungsstörung und Zwangsstörung konzipiert. Bisherige Systeme zur Tiefenhirnstimulation arbeiten häufig in einem offenen Regelkreis oder adaptieren die Stimulation nur anhand von Signalen aus einer einzigen Hirnregion. Für psychische Erkrankungen ist das problematisch, weil relevante klinische Informationen nicht in einzelnen Arealen, sondern in koordinierter Aktivität verteilter Hirnnetzwerke liegen. Der neue Chip adressiert diese Lücke, indem er Messdaten verschiedener Hirnregionen auswertet und daraus Biomarker für die Stärke neuronaler Oszillationen sowie für die Synchronisation zwischen Signalquellen gewinnt. Ein integrierter maschineller Lernalgorithmus verwendet diese netzwerkbasierten Biomarker, um kognitive und emotionale Zustände zu unterscheiden. Bei Erkennung bestimmter Zustände kann LogSync Stimulationsauslöser erzeugen, wodurch eine präzisere, zustandsabhängige neuronale Modulation möglich wird. Die Validierung erfolgte anhand von Hirnaufzeichnungen aus früheren psychiatrischen Experimenten: Ein Datensatz bildete Veränderungen der kognitiven Engagement bei einer mentalen Aufgabe ab, ein anderer emotionale Erregung beim Betrachten von Videoclips. Der Algorithmus konnte die jeweiligen Zustände allein aus den neuronalen Signalen erkennen. In weiteren Tierversuchen an der University of Minnesota prüfte das Team die Echtzeitfähigkeit des Systems. Dazu setzte es Rattenimplantate ein, die laufende Oszillationen verfolgten und Stimulationstrigger bei vordefinierten Phasen der Hirnaktivität auslösten. Diese Experimente zeigen, dass LogSync nicht nur passiv analysiert, sondern die Stimulation timing-gesteuert mit dem aktuellen Netzwerkzustand koppeln kann. Entscheidend war laut Shoaran die gemeinsame Entwicklung von Hardware und Algorithmen unter den strengen Vorgaben eines Implantats. Durch Co-Design konnten netzwerkweite Signalverarbeitung und Decoding auf einem einzigen Chip realisiert werden. Eine weitere technische Neuerung sind logarithmische Berechnungsmethoden, mit denen sich komplexe Operationen zur Netzwerkanalyse und zur Echtzeit-Biomarkerextraktion energiesparend durchführen lassen. Die Ergebnisse sind im IEEE Journal of Solid-State Circuits erschienen und bauen auf früheren Arbeiten des Labors zu Brain-to-Text-Dekodierung und geschlossener Neuromodulation auf. Während die erste Validierung psychiatrische Anwendungen fokussiert, ist die Fähigkeit, netzwerkbasierte Biomarker zu erfassen und stimuliert Timing zu steuern, auch für Bewegungsstörungen, nicht-invasive geschlossene Regelkreise und zukünftige fokussierte Ultraschallschnittstellen relevant. Parallel entwickelt die Gruppe selbstüberwachtes maschinelles Lernen, das neuronale Aktivität über Regionen, Kanäle und Zeit hinweg direkt lernt, ohne vollständig vorgegebene Biomarker. Diese Ansätze sollen intelligente neuronale Schnittstellen näher an klinische Anwendungen bringen, unter anderem über das EPFL-Spin-off Infera Neuro, das Shoaran mitbegründet hat.
