Инженеры из Швейцарской федеральной политехнической школы Лозанны (EPFL) разработали имплантируемый чип LogSync, способный считывать сигналы мозга и распознавать эмоциональные и когнитивные состояния. Работа опубликована в IEEE Journal of Solid-State Circuits. Чип предназначен для будущих методов лечения тяжёлых психических расстройств, таких как депрессия, посттравматическое стрессовое расстройство и обсессивно-компульсивное расстройство.

Сегодня глубокая стимуляция мозга (DBS) - метод, при котором в определённые участки мозга подаются электрические импульсы через имплант, - широко применяется при двигательных нарушениях, например при болезни Паркинсона. Однако большинство существующих систем работают в так называемом открытом контуре (open loop): стимуляция идёт по заранее заданным настройкам и не подстраивается под текущую активность мозга. Даже адаптивные системы часто полагаются на сигналы только из одной области, что ограничивает их применение в психиатрии, где важна информация из целой сети взаимодействующих зон.

"Наша работа основана на растущем объёме исследований, показывающих, что психические расстройства возникают скорее из-за нарушений связи между областями мозга, чем из-за дисфункции какой-то одной области", - поясняет Махса Шоаран, руководитель лаборатории интегрированных нейротехнологий EPFL.

Чип LogSync записывает активность мозга и выделяет биомаркеры - измеримые показатели, отражающие силу мозговых волн (колебаний) и синхронность сигналов из разных областей. Затем алгоритм машинного обучения анализирует эти сетевые биомаркеры, чтобы различать когнитивные и эмоциональные состояния и запускать стимуляцию при их обнаружении.

Исследователи проверили систему на записях мозга людей, полученных в предыдущих психиатрических экспериментах. Один набор данных отражал изменения вовлечённости при выполнении умственной задачи, другой - эмоциональное возбуждение при просмотре видеоклипов. Алгоритм смог различить эти состояния только по нейронным записям. В дополнительных опытах на крысах в Университете Миннесоты имплант отслеживал текущие колебания и подавал стимуляцию в заданные фазы мозговой активности.

По словам Шоаран, главной трудностью было уложиться в жёсткие ограничения по мощности, допустимые для импланта. "Вся наша система спроектирована совместно: алгоритмы и аппаратура разрабатывались с учётом ограничений импланта. Это позволило нам обрабатывать и декодировать нейронные сигналы на уровне сети на одном чипе, сохраняя энергопотребление ниже 200 микроватт - доли того, что обычно требуется многим имплантируемым нейроинтерфейсам", - говорит она.

Ещё одна особенность - использование логарифмических вычислений, которые упрощают сложные операции, необходимые для анализа мозговых сетей и выделения биомаркеров в реальном времени.

Хотя чип изначально проверяли для психиатрических задач, умение выделять сетевые биомаркеры и запускать точно рассчитанную стимуляцию может пригодиться и в других областях нейротехнологий: адаптивной DBS при двигательных расстройствах, неинвазивной стимуляции с обратной связью и новых интерфейсах на основе фокусированного ультразвука. Параллельно лаборатория разрабатывает методы машинного обучения, которые учатся непосредственно на нейронных записях, а не на заранее заданных биомаркерах. Эта работа, представленная на конференции ICML 2026, поддерживает усилия по приближению интеллектуальных нейроинтерфейсов к клиническому применению, в том числе через стартап Infera Neuro, соучредителем которого является Шоаран.

Источник: Tech Xplore