閉環神経刺激のための時間的基礎機能モデル
Matthew J Bryan1, Felix Schwock2, Azadeh Yazdan-Shahmorad3
1Computer Science and Engineering, University of Washington, Paul G. Allen Center, Box 352350, 185 E Stevens Way NE, Seattle, Washington, 98195-0005, UNITED STATES.
Journal of neural engineering
|September 4, 2025
まとめ
人工知能 (AI) は現在,神経疾患に対する 閉ループ神経刺激を調整できます. タイムベース機能モデル (TBFM) は,個別化された脳刺激療法のための効率的で低遅延のAIを提供します.
科学分野:
- 神経科学
- 計算神経科学
- 人工知能
背景:
- 閉路神経刺激は,パーキンソン病 (PD) などの神経疾患の治療に有望である.
- 現在のAIアプローチは,サンプル効率,トレーニング時間,リアルタイムの脳活動適応の遅延という課題に直面しています.
- パーソナライズされた 応答性ニューラル刺激のための AIの調整には 先進的なモデリング技術が必要です
研究 の 目的:
- AI主導の閉ループ神経刺激のための解決策として,タイムベース・ファンクション・モデル (TBFMs) を導入する.
- 神経活動に対する光遺伝的刺激効果を予測するTBFMの能力を評価する.
- 神経刺激におけるAIのサンプル効率,トレーニング時間,および遅延の限界に対処するためです.
主な方法:
- オプトジェネティック刺激効果の空間時間的先行予測のためのTBFMを開発し,適用した.
- ヒト以外の霊長類における局所フィールドポテンシャル (LFP) を分析するために,TBFMを使用した.
- 複雑な非線形動的システムと線形状態空間モデルに対してモデルの性能を評価する.
主要な成果:
- TBFMは高い予測精度を達成しました (非線形モデルよりも44%高く,線形モデルよりも158%高い).
- モデルはサンプル効率 (<20分間のトレーニングデータ) と急速なトレーニング (<5分) を示した.
- シミュレーションにより,ニューラル経路の閉鎖ループ制御と最適化された刺激トレードオフ (AUC=0. 7) が示されました.
結論:
- TBFMは,神経刺激のための計算効率の良い,迅速なAIアプローチを提供します.
- この方法は複雑なAIモデルと 実践的な臨床アプリケーションの間のギャップを埋めます
- 最適化されたTBFMは 神経疾患に対する 新しくパーソナライズされた 閉環刺激療法への道を開きます
