در حال حاضر تحریک الکتریکی مغز برای میلیون ها نفر مبتلا به صرع و اختلالات حرکتی مانند بیماری پارکینسون ، امکانات درمانی را گسترده تر می کند. در آینده ، تحریک الکتریکی ممکن است به افراد مبتلا به بیماری های روانی و آسیب های مستقیم مغزی مانند سکته کمک کند.

با این حال ، مطالعه نحوه تعامل شبکه های مغزی با یکدیگر پیچیده است. شبکه های مغزی را می توان با ارائه پالس های کوتاه جریان الکتریکی در یک ناحیه از مغز بیمار در حالی که پاسخ های ولتاژ را در مناطق دیگر اندازه گیری می کند ، بررسی کرد. در اصل ، فرد باید بتواند ساختار شبکه های مغزی را از این داده ها استنباط کند.

با این وجود ، با داده های دنیای واقعی ، مشکل است زیرا سیگنال های ثبت شده پیچیده هستند و می توان اندازه گیری های محدودی انجام داد. برای کنترل مشکل ، محققان کلینیک مایو مجموعه ای از پارادایم ها یا دیدگاه ها را ایجاد کردند که مقایسه بین اثرات تحریک الکتریکی بر مغز را ساده می کند.

از آنجا که یک روش ریاضی برای توصیف نحوه همگرایی ورودی ها در مناطق مغز انسان در ادبیات علمی وجود نداشت ، تیم مایو با یک متخصص بین المللی در الگوریتم های هوش مصنوعی (AI) همکاری کرد تا نوع جدیدی از الگوریتم ها به نام "منحنی مشخصات پایه" را ایجاد کند.

در مطالعه ای که در PLOS Computational Biology منتشر شد ، یک بیمار مبتلا به تومور مغزی قبل از برداشتن تومور ، از یک آرایه الکترود الکتروکورتیکوگرافی برای تعیین تشنج و نقشه برداری از عملکرد مغز استفاده کرد. هر برهمکنش الکترود منجر به مطالعه صدها تا هزاران نقطه زمانی با استفاده از الگوریتم جدید شد.

Kai Miller ، MD ، Ph. می گوید: "یافته های ما نشان می دهد که این نوع جدید از الگوریتم ممکن است به ما کمک کند بفهمیم کدام مناطق مغز مستقیماً با یکدیگر تعامل دارند ، و این به نوبه خود می تواند به قرار دادن الکترودها برای دستگاه های تحریک کننده برای درمان بیماری های مغزی شبکه ای کمک کند."

201000614.055