Analog Neuromorphic Systems for Implantable Neural Interfaces

Het menselijk brein is een uitgestrekt netwerk van miljarden cellen, die constant elektrische signalen afvuren om beweging, gedachte en sensatie te coördineren. Decennialang hebben wetenschappers geprobeerd mee te luisteren naar deze gesprekken, door gebruik te maken van minuscule elektroden die in de hersenen zijn geïmplanteerd om de activiteit van individuele neuronen of kleine groepen daarvan te registreren. Deze technologie biedt enorme belofte voor het helpen van mensen die verlamd zijn door letsel of ziekte om computers en robotische ledematen met hun gedachten aan te sturen, of om artsen te helpen de bron van epileptische aanvallen te lokaliseren om deze effectiever te behandelen. Echter, een aanzienlijke fysieke barrière heeft lang in de weg gestaan om deze apparaten praktisch bruikbaar te maken voor het dagelijks leven. Naarmate onderzoekers meer elektroden toevoegen om een helder beeld van de hersenactiviteit te krijgen, explodeert de hoeveelheid gegenereerde gegevens. Het draadloos verzenden van deze enorme stroom ruwe informatie vanuit het lichaam vereist zoveel vermogen dat het de omliggende weefsels snel zou doen oververhitten of de batterij binnen enkele uren zou leegtrekken. De uitdaging is daarom niet alleen om naar de hersenen te luisteren, maar om intelligent te luisteren — door de stilte weg te filteren en alleen de belangrijke momenten te verzenden.

Een team van onderzoekers van instellingen over de hele wereld, waaronder de City University of Hong Kong en de Universiteit van Zürich, heeft een nieuwe aanpak ontwikkeld om dit probleem op te lossen door de manier waarop het biologische brein zelf informatie verwerkt na te bootsen. In plaats van de elektrische activiteit van de hersenen continu op te nemen, zoals een videocamera elke frame van een film registreert, werkt hun nieuwe systeem meer als een bewegingssensor die pas wordt geactiveerd wanneer er iets verandert. Ze hebben een gespecialiseerde elektronische schakeling gemaakt die direct op de sensor zit en de ruwe elektrische golven van de hersenen omzet in een ijle reeks digitale "spikes" (pieken), alleen wanneer er een significante gebeurtenis plaatsvindt. Deze methode, bekend als analoge-naar-spike conversie, vermindert de hoeveelheid gegevens die draadloos verzonden moet worden drastisch, waardoor de energie- en warmteproblemen die eerdere generaties hersenimplantaten hebben geplaagd, worden opgelost.

De onderzoekers begonnen door twee bestaande methoden voor dit type signaalconversie te vergelijken om te zien welke robuuster was tegen de elektrische ruis die onvermijdelijk interfereert met hersenopnames. De ene methode, genaamd 'leaky integrate-and-fire', werkt door langzaam een elektrische lading te accumuleren totdat deze een limiet bereikt en een signaal afgeeft. De andere methode, genaamd delta-modulatie, geeft een signaal af wanneer de spanning met een specifiek bedrag verandert, wat duidt op een verschuiving in de hersenactiviteit. Door uitgebreide testen met gesimuleerde hersensignalen en echte opnames van patiënten, vond het team dat de delta-modulatie aanpak superieur was. Het kon de snelle, vluchtige pieken van individuele neuronen nauwkeurig vastleggen, zelfs wanneer ze begraven lagen onder trage, drijvende achtergrondruis of sterke elektrische interferentie van elektriciteitskabels. In contrast hiermee werd de andere methode vaak overweldigd door de ruis, waardoor er te veel nutteloze signalen werden afgegeven die de werkelijke hersenactiviteit overstemden. Deze ontdekking was cruciaal omdat het bewees dat een enkele, eenvoudige schakeling zowel de snelle signalen van individuele neuronen als de tragere, bredere golven van hersenactiviteit kon verwerken zonder dat er aparte, omvangrijke filters voor elk nodig waren.

Voortbouwend op dit succes, introduceerde het team een nieuwe, meer geavanceerde versie van de delta-modulatie schakeling, geïnspireerd door een specifiek type neuron dat te vinden is in de hippocampus, een deel van de hersenen dat betrokken is bij het geheugen. Deze natuurlijke neuronen vuren niet in een gestage, ritmische stroom; in plaats daarvan vuren ze in snelle bursts wanneer een sterke stimulus wordt gedetecteerd, gevolgd door een periode van stilte. De onderzoekers hebben hun elektronische schakeling zo ontworpen dat deze op dezelfde manier functioneert. Wanneer het hersensignaal stil is of langzaam verandert, blijft de schakeling inactief. Maar op het moment dat een significante gebeurtenis een hoge drempel overschrijdt, schakelt de schakeling over naar een "burst-modus", waarbij een snelle reeks signalen wordt afgegeven om de details van die gebeurtenis met hoge precisie vast te leggen voordat deze terugkeert naar de stilte. Dit burst-gedrag stelt het systeem in staat de gegevens nog verder te comprimeren dan de standaardmethode. In hun tests bereikte deze nieuwe burst-modulatie schakeling datacompressieratent die meer dan vijf keer beter was dan de standaardmethode, terwijl hetzelfde niveau van nauwkeurigheid behouden bleef. Voor het detecteren van epileptische aanvallen, die zeldzame gebeurtenissen zijn in een zee van normale hersenactiviteit, comprimeerde het systeem de gegevens met een factor van bijna 2.000 vergeleken met traditionele opnamemethoden.

Om te bewijzen dat deze gecomprimeerde gegevens nog steeds bruikbaar waren voor taken in de echte wereld, verbonden de onderzoekers hun aangepaste chip met een tweede gespecialiseerde computerchip die ontworpen is om deze spikes direct te verwerken. Deze tweede chip, die de architectuur van een biologisch brein nabootst, was getraind om specifieke patronen in de spike-treinen te herkennen, zoals de handtekening van een enkel neuron dat vuurt of het begin van een epileptische aanval. De resultaten waren opmerkelijk. Het gecombineerde systeem kon deze gebeurtenissen identificeren met een nauwkeurigheid van meer dan 90 procent, wat overeenkomt met de prestaties van veel grotere, meer energieverslindende softwaresystemen die op standaardcomputers draaien. Bovendien, omdat het systeem alleen de essentiële informatie verzendt, reduceerde het de datasnelheid met een factor van meer dan 4.000 vergeleken met conventionele opnameapparaten. Dit niveau van efficiëntie betekent dat toekomstige implantaten potentieel honderden of zelfs duizenden hersenkanalen tegelijkertijd kunnen monitoren zonder de noodzaak van frequente batterijoplading of het risico op oververhitting van het hersenweefsel.

Het werk vormt een belangrijke stap naar het werkelijkheid maken van hoog-densiteit, draadloze herseninterfaces voor patiënten. Door de intelligentie van het systeem direct in de sensor te plaatsen, hebben de onderzoekers aangetoond dat het mogelijk is om de trade-off tussen het aantal sensoren dat een implantaat kan dragen en het vermogen dat nodig is om het te laten werken, te doorbreken. De nieuwe schakelingen zijn klein genoeg om te worden geïntegreerd in de minuscule pixels van een moderne neurale probe en verbruiken zeer weinig energie, waarbij elke kanaal slechts enkele microwatts gebruikt. Hoewel de huidige studie zich richtte op specifieke taken zoals het detecteren van aanvallen en individuele neuron-spikes, biedt het onderliggende principe een nieuwe weg voor het ontwerpen van slimme medische apparaten die kunnen adapteren aan de natuurlijke ritmes van de hersenen. In plaats van de complexe, ijle taal van de hersenen in een rigide, continue datastroom te dwingen, luisteren deze systemen naar de taal die de hersenen al spreken, waarbij ze de ruis wegfilteren en alleen het signaal verzenden dat er toe doet.