Feasible closed-loop stimulation for neural latent dynamics control
Attraverso simulazioni ad alto rendimento di reti neurali spiking biologicamente fondate, questo studio dimostra che un controllo a ciclo chiuso fattibile della dinamica latente neurale è ottenibile con un'attuazione a bassa dimensionalità (~20% dei canali) e un'allocazione equilibrata delle risorse tra stimolazione e registrazione, fornendo principi di progettazione critici per futuri esperimenti in vivo.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il cervello umano è una vasta e rumorosa rete di miliardi di neuroni che scoccano segnali in schemi complessi. Per decenni, gli scienziati hanno cercato di capire come questi segnali caotici si traducano in azioni fluide e propositive, come allungare la mano per prendere una tazza o pronunciare una parola. Un'idea potente nella neuroscienza moderna suggerisce che, sotto il rumore superficiale, il cervello operi su uno strato di attività più semplice e nascosto. Pensate a questo strato nascosto come a un insieme di leve invisibili o "fattori" che guidano il comportamento. Se i ricercatori riuscissero a identificare queste leve e a imparare a tirarle, potrebbero capire esattamente come il cervello provochi azioni specifiche, invece di limitarsi a osservare l'attività mentre accade. Tuttavia, rimane un ostacolo importante: sebbene gli scienziati siano diventati molto bravi a registrare questi modelli nascosti, hanno incontrato difficoltà nel manipolarli direttamente. I metodi tradizionali spesso prevedono di stimolare il cervello con segnali ampi e non mirati o di cercare di controllare i singoli neuroni uno alla volta, un compito incredibilmente difficile che spesso manca la visione d'insieme. La domanda è stata se sia possibile guidare questi stati cerebrali nascosti in tempo reale per dirigere il comportamento e, in caso affermativo, di quali tipi di strumenti si avrebbe bisogno per farlo.
Un team di ricercatori della Georgia Tech e della Emory University si è posto l'obiettivo di rispondere a questa domanda costruendo un laboratorio virtuale dettagliato. Invece di lavorare immediatamente con animali vivi, il che è costoso e tecnicamente impegnativo, hanno creato una sofisticata simulazione computerizzata di una regione cerebrale coinvolta nel movimento. Hanno addestrato questa rete digitale a imitare l'attività di una scimmia che raggiunge degli obiettivi, permettendo al computer di apprendere i "fattori" nascosti che guidano il movimento. Una volta avviata la simulazione, i ricercatori hanno testato un nuovo approccio chiamato controllo a ciclo chiuso (closed-loop control). In questa configurazione, il computer osserva costantemente lo stato nascosto del cervello, prevede dove sta andando e invia istantaneamente segnali luminosi per riportarlo in carreggiata se inizia a deviare. Questo avviene in un ciclo continuo, con il sistema che reagisce ai cambiamenti man mano che si verificano, piuttosto che inviare semplicemente un segnale pre-pianificato. L'obiettivo era vedere se questo metodo potesse guidare con successo la dinamica nascosta del cervello per produrre movimenti specifici e per capire esattamente quanti punti luce e sensori di registrazione sarebbero necessari per farlo funzionare.
I ricercatori hanno affrontato innanzitutto una questione fondamentale di precisione: il controllo del cervello richiede la manipolazione di ogni singolo neurone, o un numero minore di sorgenti luminose può svolgere il compito? Nelle loro simulazioni, hanno variato il numero di canali luminosi indipendenti da un unico canale, che illuminerebbe l'intera area in modo uniforme, fino a oltre mille, dove ogni neurone potrebbe essere controllato individualmente. Hanno scoperto che il cervello non ha bisogno di una microgestione. Anche con un numero relativamente piccolo di sorgenti luminose — circa 200 dei 1.024 canali disponibili — il sistema poteva raggiungere circa l'85% delle prestazioni di controllo massime possibili. Ciò suggerisce che l'idea di dover controllare ogni singolo neurone per influenzare il comportamento è probabilmente superflua. Le leve nascoste del cervello sono abbastanza robuste che una quantità moderata di stimolazione mirata è sufficiente per guidarle, sfidando l'attuale tendenza a investire pesantemente in strumenti ad altissima risoluzione che controllano i neuroni uno alla volta.
La seconda parte dello studio ha affrontato un problema ingegneristico pratico: come dovrebbe essere suddiviso un numero limitato di canali tra la registrazione di ciò che il cervello sta facendo e la stimolazione per fargli fare qualcosa? In molti esperimenti attuali, gli scienziati utilizzano molti elettrodi di registrazione per ascoltare il cervello ma un'unica sorgente luminosa per stimolarlo, assumendo che ascoltare sia più importante che parlare. I ricercatori hanno testato questa ipotesi eseguendo simulazioni con un totale fisso di 100 canali, suddividendoli in modi diversi tra registrazione e stimolazione. Hanno scoperto che la strategia più efficace era dividere le risorse quasi equamente. Quando il sistema aveva un numero approssimativamente uguale di sensori di registrazione e sorgenti luminose, otteneva le prestazioni migliori nel guidare il braccio simulato verso l'obiettivo corretto. La pratica comune di utilizzare molti sensori e una sola sorgente luminosa offriva scarse prestazioni, fornendo pochissimo miglioramento rispetto al non fare nulla. Questa scoperta suggerisce che, per controllare davvero l'attività cerebrale, i ricercatori devono investire tanto nella capacità di inviare segnali quanto in quella di ascoltare.
Durante tutte queste simulazioni, i ricercatori hanno testato il loro sistema sotto molte condizioni diverse, cambiando la densità dei neuroni, la larghezza dei fasci luminosi e la quantità di dati utilizzati per addestrare il sistema di controllo. I risultati sono rimasti coerenti: la stimolazione a bassa dimensionalità funziona e un mix bilanciato di rilevamento e azione è ottimale. Anche con metodi di controllo standard e senza un'ottimizzazione estrema, il sistema ha ridotto gli errori di tracciamento di oltre il 60% e ha guidato con successo il movimento simulato in oltre il 90% dei tentativi. Lo studio ha inoltre evidenziato l'importanza del feedback in tempo reale. Quando i ricercatori hanno testato una versione del sistema che pianificava l'intero movimento in anticipo, senza adattarsi ai cambiamenti man mano che avvenivano, il sistema è stato significativamente peggiore, fallendo spesso nel guidare correttamente il movimento. Ciò conferma che la capacità di reagire istantaneamente allo stato mutevole del cervello è cruciale per il successo.
Sebbene questi risultati derivino da simulazioni al computer e non da animali vivi, essi forniscono una chiara tabella di marcia per i futuri esperimenti. I risultati suggeriscono che costruire un dispositivo per controllare la dinamica cerebrale non richiede tecnologie impossibilmente complesse che mirano a ogni singola cellula. Al contrario, un sistema con un numero moderato di sorgenti luminose indipendenti, bilanciato con un numero uguale di sensori di registrazione, potrebbe essere sufficiente per guidare gli stati nascosti del cervello e testare le teorie causali su come viene generato il comportamento. Se queste simulazioni dovessero confermarsi nei tessuti viventi, potrebbero aprire la porta a una nuova era della neuroscienza in cui i ricercatori non si limitano a osservare l'attività del cervello, ma interagiscono attivamente con essa per comprendere le regole fondamentali di come ci muoviamo e pensiamo. Il percorso da seguire consiste nel costruire questi strumenti e testarli nel mondo reale, ma le simulazioni offrono un forte indizio che l'obiettivo è a portata di mano.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.