CLEAR-FORCE: A reservoir computing framework for closed-loop brain stimulation
यह शोध पत्र CLEAR-FORCE प्रस्तुत करता है, जो एक नवीन रिज़र्वोइर कंप्यूटिंग फ्रेमवर्क है जो वास्तविक समय में, अनुकूलित क्लोज्ड-लूप मस्तिष्क उत्तेजना को सफलतापूर्वक सक्षम बनाता है ताकि तंत्रिका दोलनों (न्यूरल ऑसिलेशन्स) को प्रेरित या कम किया जा सके, जो कम शक्ति वाले हार्डवेयर पर न्यूरोलॉजिकल विकारों के व्यक्तिगत उपचार के लिए एक आशाजनक समाधान प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
द दशकों से, डॉक्टर पार्किंसंस रोग, एसेंशियल ट्रेमर और मिर्गी जैसी स्थितियों वाले लोगों के अशांत मस्तिष्क को शांत करने के लिए बिजली का उपयोग कर रहे हैं। विशिष्ट क्षेत्रों में हल्के विद्युत स्पंद (इलेक्ट्रिकल पल्स) भेजकर, वे अक्सर उन लक्षणों से राहत दिला सकते हैं जिन्हें दवाएं नहीं छू पातीं। हालाँकि, इन उपकरणों के काम करने का वर्तमान तरीका कुछ हद तक कठोर है। वे एक निश्चित समय सारणी पर काम करते हैं, और उस समय मस्तिष्क वास्तव में क्या कर रहा है, इसकी परवाह किए बिना स्पंदों का एक ही पैटर्न भेजते हैं। यह एक थर्मोस्टेट की तरह है जो हर दिन एक ही समय पर गर्मी चालू और बंद करता है, चाहे घर पहले से ही गर्म हो या ठंडा। क्योंकि मस्तिष्क की गतिविधि लगातार बदलती रहती है—मिनट से मिनट या यहाँ तक कि सेकंड से सेकंड में भी बदलती है—एक निश्चित दृष्टिकोण अक्सर लक्ष्य से चूक जाता है। यह रोगी की बदलती स्थिति के अनुकूल नहीं हो सकता, जिससे उपचार या तो मदद करने के लिए बहुत कमजोर होता है या बहुत अधिक तीव्र होकर असहज बना देता है।
इस समस्या को हल करने के लिए, वैज्ञानिक "क्लोज्ड-लूप" (closed-loop) सिस्टम विकसित कर रहे हैं, जो एक स्मार्ट थर्मोस्टेट की तरह कार्य करते हैं। ये उपकरण निरंतर मस्तिष्क के विद्युत संकेतों को सुनते हैं और वास्तविक समय में उत्तेजना (स्टिमुलेशन) को समायोजित करते हैं। यदि मस्तिष्क में दौरे या कंपन के लक्षण दिखने लगते हैं, तो उपकरण तुरंत प्रतिक्रिया करता है। चुनौती एक ऐसा नियंत्रक (कंट्रोलर) बनाने की रही है जो एक विशाल कंप्यूटर की गणितीय गणनाओं की आवश्यकता के बिना, मस्तिष्क की अराजक और बदलती लय के साथ तालमेल बिठाने के लिए पर्याप्त तेज़ हो। ओटावा विश्वविद्यालय के शोधकर्ताओं ने एक नया अध्ययन किया है जिसमें उन्होंने CLEAR-FORCE नामक एक समाधान प्रस्तावित किया है। यह एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जिसे तुरंत सीखने के लिए डिज़ाइन किया गया है, जो बहुत कम शक्ति का उपयोग करते हुए सहायक मस्तिष्क लय को चालू करने और हानिकारक लय को बंद करने, दोनों में सक्षम है।
शोधकर्ताओं ने अपने विचार का परीक्षण मस्तिष्क नेटवर्क के एक कंप्यूटर सिमुलेशन का उपयोग करके किया। उन्होंने सौ छोटे, परस्पर जुड़े हुए इकाइयों वाला एक आभासी मस्तिष्क बनाया जो विद्युत संकेत छोड़ते हैं, ठीक वैसे ही जैसे वास्तविक न्यूरॉन्स। फिर उन्होंने एक डिजिटल कंट्रोलर बनाया, जो सौ इकाइयों का एक छोटा नेटवर्क था जो इस आभासी मस्तिष्क को संकेत भेज सकता था और उनके परिणामों को सुन सकता था। मुख्य नवाचार यह था कि कंट्रोलर ने कैसे सीखा। केवल अनुमान लगाने के बजाय, इसने अपने स्वयं के संकेतों के प्रति मस्तिष्क की प्रतिक्रिया को देखा और तुरंत अपनी रणनीति को समायोजित किया। यदि मस्तिष्क एक अराजक, सिंक्रोनाइज्ड विस्फोट (एक पैटर्न जो अक्सर बीमारी में देखा जाता है) के रूप में फायर करने लगा, तो कंट्रोलर ने इसे शांत करने के लिए एक विपरीत संकेत भेजने के लिए सीखा। यदि मस्तिष्क बहुत शांत था, तो कंट्रोलर ने इसे जगाने के लिए एक विशिष्ट लय डालने के लिए सीखा।
अपने सिमुलेशन में, यह प्रणाली उल्लेखनीय रूप से प्रभावी साबित हुई। जब शोधकर्ता आभासी मस्तिष्क में एक स्थिर, स्वस्थ लय बनाना चाहते थे, तो उन्होंने 30 स्पंद प्रति सेकंड की लक्षित आवृत्ति निर्धारित की। कंट्रोलर चालू होने पर मस्तिष्क शांत और अनियमित रहा। लेकिन जैसे ही कंट्रोलर चालू किया गया, इसने नेटवर्क को उसी सटीक गति पर एक स्थिर, सिंक्रोनाइज्ड लय की ओर ले जाने के लिए तेजी से सीखा। यह प्रणाली तब भी काम करती थी जब मस्तिष्क पहले से ही अपनी खुद की लय बनाने की कोशिश कर रहा था, जिससे मौजूदा पैटर्न को सफलतापूर्वक बढ़ावा मिला। इसके विपरीत, जब आभासी मस्तिष्क अत्यधिक उच्च-ऊर्जा वाले गतिविधि के विस्फोट प्रदर्शित करने लगा, तो कंट्रोलर ने इसे दबाना सीख लिया। इसने विस्फोट का पता लगाया और तुरंत एक ऐसा संकेत दिया जिसने उत्तेजना को कम कर दिया, जिससे नेटवर्क वापस एक शांत, स्थिर अवस्था में आ गया। यह वास्तविक समय में हुआ, जिसमें कंट्रोलर मस्तिष्क के व्यवहार के अनुसार खुद को ढाल रहा था।
अध्ययन ने यह भी देखा कि यह प्रणाली विभिन्न परिदृश्यों को कितनी अच्छी तरह संभाल सकती है। शोधकर्ताओं ने पाया कि कंट्रोलर सबसे अच्छा तब काम करता था जब वह मस्तिष्क के फीडबैक पर बारीकी से ध्यान देता था। यदि सिस्टम मस्तिष्क की प्रतिक्रिया को अनदेखा करता और केवल एक पूर्व-निर्धारित योजना का पालन करता, तो यह कम प्रभावी होता। हालाँकि, जब कंट्रोलर ने सीखने के लिए मस्तिष्क के अपने संकेतों का उपयोग किया, तो वह उच्च सटीकता के साथ लय को प्रेरित या दबा सका। यह तब भी काम आया जब मस्तिष्क अलग-अलग प्रकार की कोशिकाओं से बना था या जब कंट्रोलर के पास नेटवर्क के केवल एक हिस्से तक पहुँच थी। यह प्रणाली सुदृढ़ (robust) थी, जिसका अर्थ है कि स्थितियाँ थोड़ी बदलने पर भी यह विफल नहीं हुई।
शायद सबसे महत्वपूर्ण बात भविष्य के चिकित्सा उपकरणों के लिए, शोधकर्ताओं ने गणना की कि इस प्रणाली को वास्तविक इम्प्लांट पर चलाने के लिए कितने ऊर्जा की आवश्यकता होगी। क्योंकि कंट्रोलर को कुशल बनाने के लिए डिज़ाइन किया गया है, इसलिए इसे बहुत कम शक्ति की आवश्यकता होती है। अध्ययन सुझाव देता है कि कुछ हजार इकाइयों वाला एक डिवाइस लाखों न्यूरॉन्स के मस्तिष्क नेटवर्क को प्रबंधित कर सकता है जबकि यह केवल कुछ मिलीवाट बिजली की खपत करता है। यह दक्षता का एक ऐसा स्तर है जो उन बैटरी-संचालित इम्प्लांट्स की सीमाओं के भीतर है जिन्हें रोगी वर्षों तक अपने पास रख सकते हैं। शोधकर्ता इस बात पर जोर देते हैं कि हालांकि ये परिणाम कंप्यूटर सिमुलेशन से आए हैं, लेकिन वे ऐसे ब्रेन इम्प्लांट्स बनाने की दिशा में एक मार्ग प्रदर्शित करते हैं जो न केवल स्मार्ट हैं, बल्कि ऊर्जा-कुशल भी हैं और प्रत्येक व्यक्तिगत रोगी की अनूठी, बदलती जरूरतों के अनुकूल होने में सक्षम हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।