Yenilikçi Sinirsel Çip: LogSync
EPFL araştırmacıları, beyin bölgeleri arasındaki iletişimi izleyen ve bilişsel ile duygusal durumları gerçek zamanlı olarak tanımlayan implant edilebilir bir sinir çipi geliştirdi. LogSync adı verilen bu düşük güç tüketen sistem, beyin aktivitesini kaydedip, farklı beyin bölgeleri arasındaki sinyal senkronizasyonunu analiz ediyor.
Mahsa Shoaran liderliğindeki ekip, bu çipin bilişsel ve duygusal durumları ayırt etmek için makine öğrenimi algoritmalarını kullanıyor. LogSync, belirli durumlar algılandığında uyarı verme yeteneğine sahip.
Derin Beyin Uyarımı ve Sınırlamaları
Derin beyin uyarımı (DBS), belirli beyin bölgelerine elektriksel uyarılar göndererek sinir aktivitesini modüle eden bir tedavi tekniğidir. Parkinson hastalığı gibi hareket bozukluklarında yaygın olarak kullanılırken, araştırmacılar depresyon, travma sonrası stres bozukluğu ve obsesif kompulsif bozukluk gibi ciddi psikiyatrik hastalıklar için potansiyelini araştırıyorlar. Ancak mevcut DBS sistemlerinin çoğu, hastanın beyin aktivitesine sürekli olarak uyum sağlayan bir ‘kapalı döngü’ sistem oluşturma kapasitesine sahip değil.
Shoaran, psikiyatrik bozuklukların çoğunlukla beyin bölgeleri arasındaki iletişim bozukluklarından kaynaklandığını belirtiyor. Bu nedenle, mevcut sistemlerin sınırlamaları daha belirgin hale geliyor.
İleriye Dönük Uygulamalar ve Güç Tüketimi
LogSync, insan beyin kayıtları kullanılarak değerlendirildi. Araştırmalar, bilişsel ve duygusal durumların yalnızca sinir kayıtlarından ayırt edilebildiğini gösterdi. Ayrıca, Minnesota Üniversitesi’nde yapılan deneylerde, çip, belirli beyin aktivitesi fazlarında uyarı tetikledi.
Shoaran, çipin tüm işlevselliğini, implant için sınırlı güç bütçesi içerisinde gerçekleştirmenin büyük bir zorluk olduğunu ifade ediyor. LogSync, 200 mikrowatt altında enerji tüketimiyle çalışabiliyor ki bu, pek çok implant edilebilir sinir arayüzü sisteminin gerektirdiği güçten çok daha az.
Gelecek Vaat Eden Sinirsel Arayüzler
LogSync başlangıçta psikiyatrik uygulamalara odaklanmış olsa da, beyin ağları biyomarkerlerini çıkarmak için sağlanan bu yetenekler, hareket bozuklukları için uyumlu DBS ve kapalı döngü non-invaziv uyarım gibi gelecek nesil nöroteknolojilerde geniş bir uygulama potansiyeline sahiptir.
Ayrıca, laboratuvar, sinir kayıtlarından doğrudan öğrenen yeni makine öğrenimi yöntemleri geliştirmeye devam ediyor. Bu çalışmalar, klinik uygulamalara yönelik akıllı nöro arayüzleri daha da yakınlaştırmayı hedefliyor.
