就像心臟起搏器一樣，植入的神經刺激設備發送電脈衝來刺激全身的神經活動。這些電刺激設備已用於治療和控制許多疾病，包括心臟病、癲癇、抑鬱症和類風濕性關節炎。
但有許多變量會影響神經對刺激的反應，使得神經刺激療法的開發和使用變得困難和複雜。
杜克大學的神經工程師設計了一種計算機模型，可以更輕鬆地模擬神經如何對電刺激做出反應。該模型能夠模擬超過50，000根神經纖維的活動，模擬一根神經纖維所需的時間與當前行業標準相同。研究人員表示，這種新工具將有助於設計更有效、更有針對性的神經調節療法。
該研究發表在《自然通訊》雜誌上，該新工具可以免費使用。
沃倫·格里爾說：「需要考慮許多可能的調整來優化這些設備以實現有效的臨床治療，無論是改變脈衝的幅度、持續時間、形狀或頻率，還是改變電極的位置。」埃德蒙·T普拉特，杜克大學生物醫學工程學院特聘教授。普拉特，小）。
「神經反應受到神經本身的解剖結構和特徵的影響。您有很多更改刺激設置的選項，但很難知道哪些更改會帶來最大的改善。"
工程師長期以來一直依賴一個名為「NEURON」的平台來模擬神經纖維對電刺激的反應。神經纖維的「MRG」模型在NEURON中實現，並已廣泛應用於學術研究和工業界。
儘管MRG模型非常準確，但模擬神經反應所需的計算能力限制了它們的速度，從而產生了阻礙MRG在實時建模中使用的瓶頸，並減緩了改進現有療法的研究。
為了克服這個長期存在的障礙，Grill博士、Minhaj Hussain。Grill實驗室的學生兼實驗室研究主任Nicole「Nikki」Pelot開發了S-MF（發音為「smurf」），這是MRG神經纖維模型的替代品。S-MF神經纖維模型集群的模擬運行速度比MRG神經纖維模型集群快數千倍，而不會犧牲準確性或細節。
與NEURON和MRG型號（它們在中央處理器）上運行不同，S-MF運行在圖形處理器（圖形處理器）上，圖形處理器是一種可以並行運行數千次計算的計算機晶片。
海珊說：「如果我們對單根纖維進行建模，S-MF並不比NEUON快多少。」「但巨大的飛躍在於，S-MF需要在模擬一根MRG神經纖維的同時模擬數千根神經纖維。僅人類迷走神經就含有10萬根神經纖維，因此這種新方法的效率非常有幫助。"
迷走神經是刺激治療的關鍵靶點，因為它將腦溢血與軀幹的大多數器官連接起來，包括心臟、肺、胰腺、胃和肝臟。有效的刺激已被證明可以安全地治療耐藥性癲癇、抑鬱症和心力衰竭等疾病。然而，刺激神經中的脫靶纖維可能會引起副作用。
該團隊簡化了模型中神經纖維解剖結構的表示：MRG模型沿著神經元長度代表不同的微米解剖特徵，而S-MF則專注於啟動和傳播神經活動的關鍵特徵。該團隊使用機器學習方法來定義S-MF的電氣參數，以確保與MRG模型相當的準確性。
Nikki Pelot說：「與使用替代方法加速模擬的其他研究不同，S-MF在廣泛的神經解剖學和刺激參數中都是準確的。」「S-MF還保留了許多其他簡化方法忽略的細節，這為設計更好的療法提供了重要信息。"
該團隊使用S-MF同時測試數千種不同神經纖維的不同刺激場景，並快速確定最佳神經刺激的最佳條件。S-MF基於GPU的設計允許團隊使用機器學習優化技術，這些技術比基於NEURON的模型更快。
為了展示S-MF及其機器學習優化的力量，團隊預測了僅會激活一半迷走神經的神經活動並使另一半不活躍的刺激參數。
該團隊的平台快速準確地預測了在人類和豬迷走神經模型中觸發所需反應的刺激水平和模式，激活目標神經纖維，同時避免偏離目標神經纖維。
儘管S-MF接受過模擬有髓鞘纖維的MRG模型的培訓，這是神經調節治療的重要目標，但該團隊還證明，他們的平台可以輕鬆地調整以模擬其他類型的神經纖維。
他們正在探索如何將他們的方法擴展到其他神經調節技術，包括大腦的經顱磁刺激，這需要對大腦中更複雜的神經解剖結構和多種類型的神經元進行建模。
海珊說：「當我們能夠獲得可擴展、高效且解剖學逼真的模型時，神經工程作為一個領域就會受益。」「我們希望，當我們繼續使用這個平台時，它將告訴我們更多有關刺激療法應該做出的設計決策，以便我們能夠獲得最佳結果。"
欲了解更多內容，可以點擊視頻下方的連結
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://medicalxpress.com/news/2024-09-optimizing-electrical-therapies-machine.html
更多信息：Minhaj A.海珊等人，神經纖維對電刺激反應的有效建模和優化，Nature Communications（2024）。DOI：10.1038/s41467-024-51709-8
期刊信息：自然通訊
輸油管：