CLEAR-FORCE: A reservoir computing framework for closed-loop brain stimulation
该论文介绍了 CLEAR-FORCE，一种新型储备池计算框架，它能够实现实时、自适应的闭环脑刺激，以成功诱导或抑制神经振荡，为在低功耗硬件上进行神经系统疾病的个性化治疗提供了一种极具前景的解决方案。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
几十年来，医生们一直利用电能来平息帕金森病、特发性震颤和癫痫等疾病患者那如风暴般剧烈的脑部活动。通过向特定区域传递轻微的电脉冲，他们通常可以缓解药物无法触及的症状。然而，目前这些设备的工作方式略显僵化。它们按照固定的时间表运行，无论大脑在当时实际在做什么，都会发出相同的脉冲模式。这就像一个恒温器，无论房子已经变热还是变冷，都会在每天固定的时间开启或关闭加热。由于大脑活动不断变化——每分钟甚至每秒都在变化——这种固定的方法往往无法达到预期效果。它无法适应患者不断变化的状态，导致治疗要么太弱而无法提供帮助，要么太强而让人感到不适。
为了解决这个问题，科学家们正在开发“闭环”系统，这类系统更像是智能恒温器。这些设备不断监听大脑的电信号，并实时调整刺激强度。如果大脑开始显示出癫痫发作或震颤的迹象，设备会立即做出反应。挑战在于，如何创建一个足够快、能够跟上大脑混乱且多变的节奏，同时又不需要大型计算机来进行大量数学运算的控制器。在一项新的研究中，渥太华大学的研究人员提出了一种名为 CLEAR-FORCE 的解决方案。这是一种旨在进行即时学习的人工智能，它既能够开启有益的大脑节律，也能关闭有害的节律，同时还能以极低的功耗运行。
研究人员使用大脑网络的计算机模拟测试了他们的想法。他们构建了一个由一百个相互连接的小单元组成的虚拟大脑，这些单元会发出电信号，非常类似于真实的神经元。然后，他们创建了一个数字控制器，这是一个由一百个单元组成的小型网络，它可以向这个虚拟大脑发送信号并监听其反馈。这项创新的关键在于控制器是如何学习的。它不仅仅是在猜测该做什么，而是观察大脑对其自身信号的反应，并立即调整策略。如果大脑开始出现混乱且同步的爆发——这是一种在疾病中常见的模式——控制器就会学会发送一个反向信号来使其平静下来。如果大脑过于安静，控制器则会学会注入一种特定的节奏来唤醒它。
在模拟实验中，该系统表现得异常出色。当研究人员想要为虚拟大脑创造一种稳定、健康的节奏时，他们设定了一个每秒 30 次脉冲的目标频率。当控制器关闭时，大脑保持静止且不规则。但只要控制器一开启，它就能迅速学习如何驱动网络进入该精确速度下的稳定同步节奏。即使大脑已经在尝试产生自己的节奏，该系统依然有效，成功地增强了现有的模式。相反，当虚拟大脑开始表现出危险的高能活动爆发时，控制器学会了抑制它。它通过检测到激增并立即传递一个信号来减弱兴奋感，从而使网络回到平静、稳定的状态。这一切都是实时发生的，控制器随着大脑行为的展开而不断进行调整。
研究还观察了该系统在不同场景下的表现。研究人员发现，当控制器密切关注大脑的反馈时，效果最好。如果系统忽略大脑的反应而仅仅遵循预设计划，效果就会较差。然而，当控制器利用大脑自身的信号来引导其学习时，它就能在广泛的速度范围内实现高精度的诱导或抑制节奏。即使大脑由不同类型的细胞组成，或者控制器只能访问网络的一部分，该系统依然有效。该系统具有鲁棒性，这意味着即使条件发生轻微变化，它也不会失效。
或许对于未来医疗设备而言最重要的一点是，研究人员计算了该系统在真实植入物中运行所需的能量。由于该控制器设计得非常高效，因此它所需的功率极低。研究表明，一个拥有几千个单元的设备就可以管理一个拥有数百万神经元的大脑网络，而功耗仅为几毫瓦。这种效率水平符合患者可以随身携带数年的电池驱动植入物的限制。研究人员强调，虽然这些结果来自计算机模拟，但它们展示了一条路径，即开发出不仅智能，而且节能并能够适应每个个体独特且不断变化的需求的大脑植入物。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。