Die Suche nach Möglichkeiten, die Invasivität von Gehirnimplantaten zu verringern, könnte ihre potenziellen Anwendungen erheblich erweitern. Ein neues, an Mäusen getestetes Gerät, das auf der Gehirnoberfläche sitzt, aber dennoch die Aktivität tief im Inneren ablesen kann, könnte zu sichereren und effektiveren Methoden zum Ablesen neuronaler Aktivität führen.
Es gibt bereits eine Vielzahl von Technologien, die uns einen Einblick in das Innenleben des Gehirns ermöglichen, aber sie alle haben ihre Grenzen. Zu den minimalinvasiven Ansätzen gehören die funktionelle MRT , bei der mit einem MRT-Scanner Veränderungen des Blutflusses im Gehirn abgebildet werden, und das EEG , bei dem auf der Kopfhaut angebrachte Elektroden zur Erfassung der elektrischen Signale des Gehirns verwendet werden.
Ersteres erfordert jedoch, dass der Patient in einem MRT-Gerät sitzt, und letzteres ist für die meisten Anwendungen zu ungenau. Der Goldstandard-Ansatz besteht darin, Elektroden tief in das Gehirngewebe einzuführen, um Messwerte höchster Qualität zu erhalten. Dies erfordert jedoch einen riskanten chirurgischen Eingriff, und Narbenbildung und die unvermeidliche Verschiebung der Elektroden können dazu führen, dass das Signal mit der Zeit nachlässt.
Ein anderer Ansatz besteht darin, Elektroden auf der Oberfläche des Gehirns zu platzieren, was weniger riskant ist als tiefe Hirnimplantate, aber eine höhere Genauigkeit bietet als nicht-invasive Ansätze. Aber normalerweise können diese Geräte nur die Aktivität von Neuronen in den äußeren Schichten des Gehirns lesen.
Nun haben Forscher ein dünnes, transparentes Oberflächenimplantat mit Elektroden aus Graphen entwickelt, das neuronale Aktivitäten tief im Gehirn ablesen kann. Der Ansatz basiert auf maschinellem Lernen, um Beziehungen zwischen Signalen in äußeren Schichten und solchen weit unter der Oberfläche aufzudecken.
„Mit dieser Technologie erweitern wir die räumliche Reichweite neuronaler Aufzeichnungen“, sagte Duygu Kuzum, Professor an der UC San Diego, der die Forschung leitete, in einer Pressemitteilung . „Obwohl sich unser Implantat auf der Oberfläche des Gehirns befindet, geht sein Design über die Grenzen der physischen Wahrnehmung hinaus, da es neuronale Aktivitäten aus tieferen Schichten ableiten kann.“
Das Gerät selbst besteht aus einem dünnen Polymerstreifen, in den eine dichte Anordnung winziger Graphenelektroden mit einem Durchmesser von nur 20 Mikrometern eingebettet und über ultradünne Graphendrähte mit einer Leiterplatte verbunden ist. Graphen-Elektroden auf diese Größe zu verkleinern, sei eine erhebliche Herausforderung, sagen die Autoren, da dadurch ihre Impedanz steige und sie unempfindlicher würden. Sie umgingen dieses Problem, indem sie eine maßgeschneiderte Fertigungstechnik verwendeten, bei der Platinpartikel auf den Elektroden abgeschieden wurden, um den Elektronenfluss zu steigern.
Entscheidend ist, dass sowohl die Elektroden als auch der Polymerstreifen transparent sind. Als das Team das Gerät Mäusen implantierte, konnten die Forscher Laserlicht durch das Implantat strahlen lassen, um Zellen tiefer im Gehirn der Tiere abzubilden. Dadurch war es möglich, gleichzeitig elektrische Aufnahmen von der Oberfläche und optische Aufnahmen aus tieferen Hirnregionen zu machen.
In diesen Aufnahmen entdeckte das Team einen Zusammenhang zwischen der Aktivität in den äußeren und inneren Schichten. Also beschlossen sie zu prüfen, ob sie maschinelles Lernen nutzen könnten, um das eine vom anderen vorherzusagen. Sie trainierten ein künstliches neuronales Netzwerk anhand der beiden Datenströme und entdeckten, dass es die Aktivität von Kalziumionen – einem Indikator für neuronale Aktivität – in Populationen von Neuronen und einzelnen Zellen in tieferen Regionen des Gehirns vorhersagen konnte.
Die Verwendung optischer Ansätze zur Messung der Gehirnaktivität ist eine leistungsstarke Technik, erfordert jedoch, dass der Kopf des Probanden unter einem Mikroskop fixiert wird und der Schädel offen bleibt, was das Ablesen von Signalen in realistischen Situationen unpraktisch macht. Die Möglichkeit, dieselben Informationen ausschließlich auf der Grundlage elektrischer Messungen an der Oberfläche vorherzusagen, würde die Praktikabilität erheblich erweitern.
„Unsere Technologie ermöglicht die Durchführung länger dauernder Experimente, bei denen sich die Versuchsperson frei bewegen und komplexe Verhaltensaufgaben ausführen kann“, sagte Mehrdad Ramezani, Co-Erstautor eines Artikels in Nature Nanotechnology über die Forschung. „Dies kann zu einem umfassenderen Verständnis der neuronalen Aktivität in dynamischen, realen Szenarien führen.“
Von einer Anwendung beim Menschen ist die Technologie allerdings noch weit entfernt. Bisher konnte das Team nur die Fähigkeit nachweisen, Zusammenhänge zwischen optischen und elektrischen Signalen zu erlernen, die bei einzelnen Mäusen aufgezeichnet wurden. Es ist unwahrscheinlich, dass dieses Modell verwendet werden könnte, um die tiefe Gehirnaktivität anhand von Oberflächensignalen bei einer anderen Maus vorherzusagen, geschweige denn bei einer Person.
Das bedeutet, dass sich alle Personen dem ziemlich invasiven Datenerfassungsprozess unterziehen müssten, bevor der Ansatz funktionieren würde. Die Autoren geben zu, dass noch mehr getan werden muss, um Verbindungen auf höherer Ebene zwischen den optischen und elektrischen Daten zu finden, die eine Verallgemeinerung der Modelle auf einzelne Personen ermöglichen würden.
Angesichts der raschen Fortschritte bei der Technologie, die für die Durchführung sowohl optischer als auch elektrischer Messungen im Gehirn erforderlich ist, wird es jedoch möglicherweise nicht lange dauern, bis dieser Ansatz praktikabler wird. Und es könnte letztendlich eine bessere Balance zwischen Wiedergabetreue und Invasivität schaffen als konkurrierende Technologien.
Bildnachweis: Ein dünnes, transparentes, flexibles Gehirnimplantat sitzt auf der Oberfläche des Gehirns, um eine Schädigung des Gehirns zu vermeiden, kann aber mit Hilfe der KI dennoch auf Aktivitäten tief unter der Oberfläche schließen. David Baillot/UC San Diego Jacobs School of Engineering
