In silico optimization of deep brain stimulation to enhance cognitive control: Improving performance and practicality with a continuous rolling arena

Voor sommige patiënten met ernstige, therapieresistente psychiatrische aandoeningen lijkt de eigen bedrading van de hersenen vast te zitten in een lus van nood, die medicatie niet kan doorbreken. In deze gevallen wenden artsen zich soms tot een procedure genaamd diepe hersenstimulatie, waarbij minuscule elektroden diep in de hersenen worden geplaatst om zachte elektrische pulsen naar specifieke gebieden te sturen. Een dergelijk doelwit is een regio nabij het centrum van de hersenen, bekend als de ventrale capsule en het ventrale striatum, die een rol speelt in hoe we onze gedachten en emoties beheersen. Hoewel deze therapie veelbelovend is, is het vinden van de juiste instellingen voor het apparaat traditioneel een traag, frustrerend proces. Artsen moeten vertrouwen op patiënten die beschrijven hoe zij zich voelen na elke aanpassing, een methode die subjectief is en weken of maanden kan duren voordat het goed is. De kernuitdaging is dat de hersenen complex zijn en de instellingen die het beste werken niet voor de hand liggen; ze moeten worden ontdekt door zorgvuldige, herhaalde tests.

Een nieuwe studie onderzoekt een manier om dit ontdekkingsproces te versnellen door het gedrag van de hersenen zelf in realtime de aanpassingen te laten leiden. In plaats van te wachten tot een patiënt zegt dat hij zich beter voelt, stelden de onderzoekers een systeem voor dat observeert hoe snel en nauwkeurig een persoon een mentale taak uitvoert terwijl de stimulatie aan staat. Ze richtten zich op een specifieke cognitieve controletaak, een type mentale oefening die van een persoon vereist om afleidende informatie te negeren en zich op een doel te concentreren. Het idee was dat als de elektrische pulsen de hersenen hielpen, de persoon de taak sneller en met minder fouten zou voltooien. Door deze reactietijden direct te meten, kon het systeem onmiddellijk zien welke elektroodeinstellingen het beste werkten en welke niet, zonder dat er geraden of gewacht hoefde te worden op een subjectieve rapportage.

Om dit idee te testen, begonnen de onderzoekers niet met menselijke patiënten, maar bouwden ze een gedetailleerde computersimulatie van een patiënt die deze therapie ondergaat. Ze creëerden een virtuele omgeving waarin ze duizenden proeven konden uitvoeren om te zien hoe verschillende computerprogramma's met de zoektocht naar de beste instellingen zouden omgaan. In deze simulatie vergeleken ze hun nieuwe aanpak met oudere methoden die probeerden de interne staat van de hersenen te raden op basis van de gegevens. De nieuwe methode, die ze een 'continuous rolling arena' noemen, slaat het gokspel volledig over. Het neemt de ruwe snelheid van de reactie van de persoon en voert deze direct in een adaptief algoritme—een slim computerprogramma dat leert van ervaring. Dit programma behandelt de zoektocht naar het beste elektrodecontact als een spel waarbij het de juiste deur moet kiezen om te openen, waarbij het leert van elke klik om de verkeerde deuren te vermijden en de beste zo snel mogelijk te vinden.

De resultaten van deze simulaties toonden aan dat deze directe aanpak veel betrouwbaarder was dan de oudere, complexere methoden. Wanneer de onderzoekers probeerden de verborgen staat van de hersenen uit de gegevens te schatten, raakte het systeem in de war door de natuurlijke ruis in de metingen, wat leidde tot oordeelsfouten. Door die tussenstap te verwijderen en alleen naar de ruwe reactietijden te kijken, voorkwam het systeem dat die ruis werd versterkt. In de simulaties verminderde deze verandering het foutpercentage bij het kiezen van de juiste elektroodeinstellingen van bijna een derde van de tijd naar ongeveer één op tien. Bovendien, door de tests continu te houden in plaats van ze elke dag te resetten, kon het systeem een sterkere geschiedenis opbouwen van wat werkte, waardoor het snel kon herstellen zelfs als de toestand van de patiënt onverwacht veranderde tijdens een sessie.

De studie behandelde ook een praktisch probleem: de meeste apparaten hebben veel elektrodecontacten, maar het testen van deze allemaal één voor één zou te lang duren. De onderzoekers introduceerden een mechanisme waarmee het systeem de zoektocht kon beperken tot een kleinere groep contacten tegelijk, waardoor het veld effectief werd verkleind zonder aan nauwkeurigheid in te boeten. In hun tests slaagde deze aanpak erin om de beste instellingen te vinden onder acht verschillende contacten door op elk gegeven moment slechts een groep van vier actief te testen. Deze schaalbaarheid maakte het proces efficiënt genoeg om binnen de grenzen van realistische medische hardware te passen. De bevindingen suggeren dat een systeem gebouwd op deze principes uiteindelijk artsen in een fractie van de huidige tijd de apparaten kan programmeren, gebruikmakend van standaard gedragstaken in plaats van gespecialiseerde, dure apparatuur. Het werk laat zien dat door direct te luisteren naar de prestatiesignalen van de hersenen en onnodige lagen van interpretatie te verwijderen, het mogelijk is om een robuustere en meer praktische weg naar gepersonaliseerde hersentherapie te creëren.