Analog Neuromorphic Systems for Implantable Neural Interfaces

Le cerveau humain est un vaste réseau de milliards de cellules, émettant constamment des signaux électriques pour coordonner le mouvement, la pensée et la sensation. Pendant des décennies, les scientifiques ont cherché à écouter ces conversations, en utilisant de minuscules électrodes implantées dans le cerveau pour enregistrer l'activité de neurones individuels ou de petits groupes d'entre eux. Cette technologie porte en elle une immense promesse pour aider les personnes paralysées par une blessure ou une maladie à contrôler des ordinateurs et des membres robotiques par la pensée, ou pour aider les médecins à localiser la source des crises d'épilepsie afin de les traiter plus efficacement. Cependant, une barrière physique significative s'est longtemps opposée à la rendre pratique pour la vie quotidienne. À mesure que les chercheurs ajoutent des électrodes pour obtenir une image plus claire de l'activité cérébrale, la quantité de données générées explose. La transmission de ce flux massif d'informations brutes sans fil depuis l'intérieur du corps nécessite tellement de puissance qu'elle chaufferait rapidement les tissus environnants ou épuiserait une batterie en quelques heures. Le défi n'est donc pas seulement d'écouter le cerveau, mais de l'écouter intelligemment — en filtrant le silence pour n'envoyer que les moments importants.

Une équipe de chercheurs issus d'institutions du monde entier, incluant la City University of Hong Kong et l'Université de Zurich, a développé une nouvelle approche pour résoudre ce problème en imitant la manière dont le cerveau biologique traite lui-même l'information. Au lieu d'enregistrer l'activité électrique du cerveau de manière continue, comme une caméra vidéo enregistrant chaque image d'un film, leur nouveau système agit davantage comme un capteur de mouvement qui ne se déclenche que lorsqu'un changement survient. Ils ont créé un circuit électronique spécialisé qui repose directement sur le capteur, convertissant les ondes électriques brutes du cerveau en une série éparse de « pics » numériques uniquement lorsqu'un événement significatif se produit. Cette méthode, connue sous le nom de conversion analogique-en-pics (analog-to-spike conversion), réduit considérablement la quantité de données devant être transmises sans fil, résolant ainsi les problèmes de puissance et de chaleur qui ont entravé les générations précédentes d'implants cérébraux.

Les chercheurs ont commencé par comparer deux méthodes existantes pour ce type de conversion de signal afin de voir laquelle était la plus robuste face au bruit électrique qui interfère inévitablement avec les enregistrements cérébraux. Une méthode, appelée « leaky integrate-and-fire » (intégration et décharge avec fuite), fonctionne en accumulant lentement une charge électrique jusqu'à ce qu'elle atteigne une limite et déclenche un signal. L'autre, appelée modulation delta, déclenche un signal uniquement lorsque la tension change d'un montant spécifique, indiquant un changement dans l'activité cérébrale. À travers des tests approfondis avec des signaux cérébraux simulés et des enregistrements réels de patients, l'équipe a découvert que l'approche par modulation delta était bien supérieure. Elle pouvait capturer avec précision les pics rapides et fugaces de neurones individuels, même lorsqu'ils étaient noyés sous un bruit de fond lent et dérivant ou une forte interférence électrique provenant de lignes électriques. En revanche, l'autre méthode devenait souvent submergée par le bruit, émettant trop de signaux inutiles et étouffant l'activité cérébrelle réelle. Cette découverte fut cruciale car elle a prouvé qu'un circuit unique et simple pouvait gérer à la fois les signaux rapides des neurones individuels et les ondes plus lentes et plus larges de l'activité cérébrale sans nécessiter de filtres séparés et encombrants pour chacun.

S'appuyant sur ce succès, l'équipe a introduit une version plus sophistiquée du circuit de modulation delta, inspirée d'un type spécifique de neurone trouvé dans l'hippocampe, une partie du cerveau impliquée dans la mémoire. Ces neurones naturels ne déchargent pas selon un flux régulier et rythmique ; ils émettent plutôt des salves rapides lorsqu'un stimulus fort est détecté, suivies d'une période de silence. Les chercheurs ont conçu leur circuit électronique pour qu'il se comporte de la même manière. Lorsque le signal cérébral est calme ou change lentement, le circuit reste dormant. Mais dès qu'un événement significatif franchit un seuil élevé, le circuit passe en « mode rafale » (burst mode), émettant une série rapide de signaux pour capturer les détails de cet événement avec une grande précision avant de revenir au silence. Ce comportement de rafale permet au système de compresser les données encore davantage que la méthode standard. Lors de leurs tests, ce circuit de modulation par rafales a atteint des taux de compression de données plus de cinq fois supérieurs à la méthode standard tout en maintenant le même niveau de précision. Pour la détection des crises d'épilepsie, qui sont des événements rares dans un océan d'activité cérébrale normale, le système a compressé les données d'un facteur de près de 2 000 par rapport aux méthodes d'enregistrement traditionnelles.

Pour prouver que ces données compressées étaient toujours utiles pour des tâches du monde réel, les chercheurs ont connecté leur puce personnalisée à une seconde puce informatique spécialisée conçue pour traiter ces pics instantanément. Cette seconde puce, qui imite l'architecture d'un cerveau biologique, a été entraînée à reconnaître des motifs spécifiques dans les trains de pics, tels que la signature de l'activation d'un neurone individuel ou l'apparition d'une crise d'épilepsie. Les résultats furent frappants. Le système combiné pouvait identifier ces événements avec une précision de plus de 90 %, égalant les performances de systèmes logiciels beaucoup plus volumineux et gourmands en énergie fonctionnant sur des ordinateurs standards. De plus, parce que le système ne transmettait que l'information essentielle, il a réduit le taux de données d'un facteur de plus de 4 000 par rapport aux dispositifs d'enregistrement conventionnels. Ce niveau d'efficacité signifie que les futurs implants pourraient potentiellement surveiller des centaines, voire des milliers de canaux cérébraux simultanément sans nécessiter de recharge fréquente de la batterie ou de risque de surchauffe des tissus cérébraux.

Ce travail représente une étape importante vers la concrétisation d'interfaces cérébrales sans fil à haute densité. En déplaçant l'intelligence du système directement dans le capteur, les chercheurs ont démontré qu'il est possible de briser l'arbitrage entre le nombre de capteurs qu'un implant peut transporter et la puissance requise pour le faire fonctionner. Les nouveaux circuits sont assez petits pour être intégrés dans les minuscules pixels d'une sonde neurale moderne et consomment très peu d'énergie, chaque canal n'utilisant que quelques microwatts. Bien que l'étude actuelle se soit concentrée sur des tâches spécifiques comme la détection de crises d'épilepsie et de pics de neurones individuels, le principe sous-jacent offre une nouvelle voie pour concevoir des dispositifs médicaux intelligents capables de s'adapter aux rythmes naturels du cerveau. Au lieu de forcer le langage complexe et parcimonieux du cerveau dans un flux de données continu et rigide, ces systèmes écoutent le langage que le cerveau parle déjà, filtrant le bruit et ne transmettant que le signal qui importe.