通过机器学习优化电刺激疗法
就像心脏起搏器一样，植入神经刺激装置可发送电脉冲以激发全身神经的活动。这些电刺激装置已用于治疗和控制许多疾病，包括心脏病、癫痫、抑郁症和类风湿性关节炎。
但有许多变量会影响神经对刺激的反应，使得神经刺激疗法的开发和使用变得困难和复杂。
杜克大学的神经工程师设计了一种计算机模型，可以更轻松地模拟神经对电刺激的反应。该模型能够模拟超过 50,000 根神经纤维的活动，所用时间相当于当前行业标准模拟一根神经纤维的时间。研究人员表示，这一新工具将有助于设计更有效、更有针对性的神经调节疗法。
该研究发表在《自然通讯》杂志上，并且新工具可以免费使用。
Warren Grill 表示：“需要考虑许多可能的调整来优化这些设备，以实现有效的临床治疗，无论是改变脉冲的幅度、持续时间、形状或频率，还是改变电极的位置。”杜克大学生物医学工程学院杰出教授埃德蒙·T·普拉特 (Edmund T. Pratt, Jr.)。
“神经反应受到神经本身的解剖结构和特征的影响。你有很多选择可以改变刺激设置，但很难知道哪些改变会带来最大的改善。”
工程师长期以来一直依赖一个名为“NEURON”的平台来模拟神经纤维对电刺激的反应。神经纤维的“MRG”模型在 NEURON 中实现，并已广泛应用于学术研究和工业界。
虽然 MRG 模型非常准确，但模拟神经反应所需的计算能力限制了其速度，从而造成了阻碍 MRG 在实时建模中使用的瓶颈，并减慢了改进现有疗法的研究。
为了克服这一长期存在的障碍，Grill, Minhaj Hussain 博士。 Grill 实验室的学生和该实验室的研究主任 Nicole "Nikki" Pelot 开发了 S-MF（发音为“smurf”），这是 MRG 神经纤维模型的替代品。 S-MF 神经纤维模型群的模拟运行速度比 MRG 神经纤维模型群快数千倍，且不会牺牲准确性或细节。
与在 CPU（中央处理单元）上运行的 NEURON 和 MRG 模型不同，S-MF 在 GPU（图形处理单元）上运行，GPU 是一种可以并行运行数千个计算的计算机芯片。
“如果我们对单根光纤进行建模，S-MF 并不比 NEURON 快多少，”Hussain 说。 “但巨大的飞跃在于，S-MF 模拟数千条神经纤维所需的时间与模拟一根 MRG 神经纤维所需的时间相同。仅人类迷走神经就包含 100,000 条神经纤维，因此这种新方法效率非常有帮助。”
迷走神经是刺激疗法的关键目标，因为它将脑干与躯干的大多数器官连接起来，包括心脏、肺、胰腺、胃和肝脏。有效的刺激已被证明可以安全地治疗耐药性癫痫、抑郁症和心力衰竭等疾病。然而，刺激神经中偏离目标的纤维可能会引起副作用。
该团队简化了神经纤维解剖结构在模型中的表示方式：MRG 模型表示沿神经元长度的不同微米级解剖特征，而 S-MF 则侧重于启动和传播神经活动的关键特征。该团队使用机器学习方法来定义 S-MF 的电气参数，以确保与 MRG 模型相当的精度。
“与其他使用替代方法来加速模拟的研究不同，S-MF 在广泛的神经解剖结构和刺激参数上都是准确的，”Nikki Pelot 说。 “S-MF 还保留了其他简化方法忽略的许多细节，这为设计更好的疗法提供了重要信息。”
该团队使用 S-MF 同时测试数千种不同神经纤维的不同刺激场景，并快速确定最佳神经刺激的最佳条件。 S-MF 基于 GPU 的设计使团队能够使用机器学习优化技术，该技术比可用于基于 NEURON 的模型的优化技术更快。
为了证明 S-MF 的强大功能及其机器学习优化，该团队预测了刺激参数，这些参数只会在一半迷走神经中启动神经活动，而使另一半迷走神经纤维不活动。
该团队的平台快速、正确地预测了在人和猪迷走神经模型中触发所需反应的刺激水平和模式，激活目标神经纤维，同时避免脱靶神经纤维。
尽管 S-MF 经过训练来模拟有髓纤维的 MRG 模型（神经调节疗法的重要目标），但该团队还证明他们的平台可以轻松适应模拟其他类型的神经纤维。
他们正在探索如何将他们的方法扩展到其他神经调节技术，包括大脑的经颅磁刺激，这需要对更复杂的神经解剖结构和大脑中多种类型的神经元进行建模。
“当我们能够获得可扩展、高效且解剖学上真实的模型时，神经工程作为一个领域就会受益，”侯赛因说。 “我们希望，随着我们继续使用这个平台，它会告诉我们更多关于刺激疗法应该做出的设计决策，以便我们能够实现最好的结果。”
更多内容，可以点开视频下方的链接
谢谢观看本视频。要是喜欢，请订阅、点赞。谢谢
原文：https://medicalxpress.com/news/2024-09-optimizing-electrical-therapies-machine.html
更多信息： Minhaj A. Hussain 等人，神经纤维对电刺激反应的高效建模和优化， Nature Communications (2024)。 DOI：10.1038/s41467-024-51709-8
期刊信息： 《自然通讯》
