EPFL araştırmacıları, beyin bölgeleri arasındaki iletişimi izleyerek bilişsel ve duygusal durumları gerçek zamanlı ayırt edebilen implant edilebilir bir sinir çipi geliştirdi.
Amaç: Tek bölge yerine ağ düzeyi okuma
Derin beyin stimülasyonu, yani beyne yerleştirilen bir implant aracılığıyla belirli bölgelere elektrik darbeleri gönderilmesi, sinirsel etkinliği değiştirmek için kullanılan bir tedavi yöntemi olarak öne çıkıyor. Bu yöntem halihazırda Parkinson hastalığı gibi hareket bozukluklarında yaygın biçimde kullanılıyor.
Araştırmacılar, yöntemin majör depresyon, travma sonrası stres bozukluğu ve obsesif-kompulsif bozukluk gibi ağır psikiyatrik hastalıklardaki potansiyelini de inceliyor. Ancak mevcut sistemlerin çoğu, önceden belirlenmiş ayarlara göre çalışan ve beyin etkinliğine sürekli uyum sağlamayan “açık döngü” düzeninde çalışıyor.
Uyarlanabilir, yani kapalı döngü sistemlerde bile birçok düzenek yalnızca tek bir beyin bölgesinden kaydedilen sinyallere dayanıyor. EPFL School of Engineering ve Neuro-X Institute bünyesindeki Integrated Neurotechnologies Lab’in başındaki Mahsa Shoaran, psikiyatrik bozukluklarda klinik açıdan önemli bilginin çoğu zaman etkileşim içindeki beyin bölgeleri arasında dağıldığını vurguluyor.
LogSync adı verilen çip ne yapıyor?
EPFL ekibi, düşük güçlü ve implant edilebilir bir beyin çipi geliştirdi. LogSync adı verilen bu sistem, beyin etkinliğini kaydediyor ve beyin dalgalarının gücünü ile farklı beyin bölgelerinden gelen sinyaller arasındaki eşgüdümü tanımlayan biyobelirteçleri çıkarıyor.
Ardından bir makine öğrenimi algoritması, bu ağ düzeyindeki biyobelirteçleri analiz ederek bilişsel ve duygusal durumları ayırt ediyor. Belirli bir durum saptandığında ise uyarım tetikleyicileri üretebiliyor. Çalışma, IEEE Journal of Solid-State Circuits’te yayımlandı.
Araştırma, US National Institute for Mental’den alınan CHF 6.6 million tutarındaki hibe kapsamında geliştirildi. Bu destek, özellikle duygu durum ve kaygı bozuklukları başta olmak üzere ağır psikiyatrik hastalıklar için osilatif beyin ağlarını ölçebilen ve kontrol edebilen implant edilebilir sistemlerin geliştirilmesini hedefliyordu.
İnsan verileri ve sıçan deneyleri
Araştırma ekibi LogSync’i, önceki psikiyatrik deneylerde elde edilmiş insan beyin kayıtlarıyla test etti. Veri setlerinden biri, bir zihinsel görev sırasında bilişsel katılımın nasıl değiştiğini gösterirken, diğeri katılımcılar video klip izlerken duygusal uyarılmayı kaydediyordu.
Algoritma, yalnızca bu sinirsel kayıtları kullanarak bilişsel ve duygusal durumları ayırt etmeyi başardı. Sonraki aşamada University of Minnesota’da sıçanlar üzerinde yapılan deneylerde implant, süren osilasyonları izledi ve beyin etkinliğinin önceden belirlenen evrelerinde uyarım tetikleyicileri üretti.
Düşük güç tüketimi için ortak tasarım
Shoaran’a göre en büyük zorluk, tüm bu işlevleri implant edilebilir bir sistem için son derece sınırlı olan güç bütçesi içinde gerçekleştirmekti. Ekip, algoritmalarla donanımı birlikte tasarladı; yani iki unsur, implantın kısıtları dikkate alınarak geliştirildi.
Bu yaklaşım sayesinde sistem, tek bir çip üzerinde ağ düzeyinde sinirsel sinyal işleme ve çözümleme yapabildi. Üstelik güç tüketimi 200 microwatts’ın altında tutuldu; Shoaran bunun, pek çok implant edilebilir sinir arayüzü sisteminin gerektirdiğinin çok küçük bir bölümü olduğunu söylüyor.
Çipteki bir diğer yenilik, karmaşık beyin ağı analizlerini ve gerçek zamanlı biyobelirteç çıkarımını kolaylaştıran logaritmik hesaplamalar oldu. LogSync çipi yaklaşık 4×2 mm boyutlarında.
Gelecek kullanım alanları
LogSync’in ilk doğrulaması psikiyatrik uygulamalara odaklandı. Ancak beyin ağı biyobelirteçlerini çıkarıp tam zamanında uyarım tetikleyebilme yeteneğinin kullanım alanı bununla sınırlı değil.
Araştırmacılar, bu yaklaşımın hareket bozuklukları için uyarlanabilir derin beyin stimülasyonu, kapalı döngülü invaziv olmayan uyarım ve odaklı ultrason arayüzleri gibi yeni nesil nöroteknoloji alanlarında da kullanılabileceğini belirtiyor. Laboratuvar ayrıca, önceden tanımlanmış biyobelirteçler yerine doğrudan sinir kayıtlarından öğrenen yeni makine öğrenimi yöntemleri geliştiriyor.
EPFL’de yürütülen ve ICML 2026 çalışması olarak anılan son araştırma, bölgeler, kanallar ve zaman boyunca sinirsel etkinliği yakalamak için öz-denetimli öğrenme kullanıyor. Bu çalışma, Shoaran’ın kurucu ortakları arasında yer aldığı Infera Neuro üzerinden klinik uygulamalara daha yakın akıllı sinir arayüzleri geliştirme çabalarını da destekliyor.
