EPFL entwickelt implantierbaren Neurochip Hirnnetzwerke in Echtzeit entschlüsseln

Ein implantierbarer Neurochip der EPFL erfasst die Kommunikation zwischen Hirnregionen und erkennt kognitive und emotionale Zustände in Echtzeit. Der Chip misst rund 4 × 2 mm und braucht weniger als 200 Mikrowatt. Bisher wurde er mit Hirnaufzeichnungen aus früheren Studien und im Tierversuch getestet.

Ein implantierbarer Neurochip soll die Tiefenhirnstimulation (DBS) anpassungsfähiger machen. Dabei geben Elektroden elektrische Impulse an bestimmte Hirnbereiche ab, um die Nervenaktivität zu beeinflussen. Das Verfahren ist bei Bewegungsstörungen wie Parkinson bereits weit verbreitet, und Forschende prüfen es zunehmend auch bei schweren psychischen Erkrankungen wie Depression, posttraumatischer Belastungsstörung und Zwangsstörungen.

Die meisten heutigen Systeme arbeiten jedoch im «Open Loop»: Die Stimulation folgt vorab festgelegten Einstellungen und passt sich nicht laufend der Hirnaktivität der Patientin oder des Patienten an. Auch viele adaptive Systeme (Closed Loop) stützen sich auf Signale aus nur einer Hirnregion. Bei psychischen Erkrankungen ist das eine grosse Einschränkung, denn relevante Informationen können über Netzwerke interagierender Regionen verteilt sein. «Unsere Arbeit stützt sich auf immer mehr Hinweise, dass psychische Erkrankungen eher durch gestörte Kommunikation zwischen Hirnregionen entstehen als durch die Fehlfunktion einer einzelnen Region», erklärt Mahsa Shoaran, Leiterin des Integrated Neurotechnologies Lab an der School of Engineering und am Neuro-X Institute der EPFL.

Implantierbarer Neurochip: LogSync erkennt Hirnzustände

Shoaran und ihr Team haben ein energiesparendes, implantierbares System-on-Chip entwickelt. Es heisst LogSync, misst rund 4 × 2 mm und zeichnet die Hirnaktivität auf. Daraus berechnet es Biomarker, die die Stärke der Hirnwellen (Oszillationen) und die Synchronität zwischen den Signalen verschiedener Hirnregionen beschreiben. Ein Algorithmus des maschinellen Lernens wertet diese Biomarker auf Netzwerkebene aus. Er unterscheidet kognitive und emotionale Zustände und löst die Stimulation aus, sobald er einen bestimmten Zustand erkennt.

Die Forschenden prüften LogSync mit menschlichen Hirnaufzeichnungen aus früheren psychiatrischen Experimenten. Ein Datensatz erfasste Veränderungen der kognitiven Beanspruchung bei einer Denkaufgabe, ein anderer die emotionale Erregung beim Ansehen von Videoclips. Der Algorithmus unterschied diese Zustände allein anhand der Hirnsignale. In weiteren Experimenten an Ratten an der University of Minnesota verfolgte das Implantat laufende Oszillationen und löste Stimulationen in vorab festgelegten Phasen der Hirnaktivität aus.

Weniger Strom, gezieltere Stimulation

Die grösste Herausforderung war, all das mit dem sehr knappen Energiebudget eines Implantats zu erreichen. «Unser gesamtes System ist gemeinsam entworfen, das heisst, Algorithmen und Hardware werden von Anfang an unter den Einschränkungen eines Implantats entwickelt. So konnten wir die Verarbeitung und Dekodierung auf Netzwerkebene auf einem einzigen Chip umsetzen und den Stromverbrauch unter 200 Mikrowatt halten, ein Bruchteil dessen, was viele implantierbare Neuro-Schnittstellen benötigen», sagt Shoaran. Eine weitere Neuerung ist die Verwendung logarithmischer Berechnungen. Sie vereinfachen die aufwendigen Rechenschritte, die für die Analyse von Hirnnetzwerken und die Echtzeit-Dekodierung nötig sind.

Die Arbeit ist im Fachjournal IEEE Journal of Solid-State Circuits erschienen. Sie entstand im Rahmen einer Förderung von 6,6 Millionen Franken des US-amerikanischen National Institute of Mental Health (NIMH). Ziel ist es, implantierbare Systeme zu entwickeln, die oszillierende Hirnnetzwerke bei schweren psychischen Erkrankungen messen und steuern können, vor allem bei Stimmungs- und Angststörungen. Zusätzlich wurde sie durch einen ERC Starting Grant gefördert, der vom Schweizer Staatssekretariat für Bildung, Forschung und Innovation (SBFI) finanziert wird.

Noch ein Forschungsprototyp

LogSync wurde zunächst für psychiatrische Anwendungen geprüft. Die Fähigkeit, Biomarker von Hirnnetzwerken zu erfassen und präzise getaktete Stimulation auszulösen, lässt sich aber breiter nutzen, etwa bei adaptiver Tiefenhirnstimulation für Bewegungsstörungen, bei nicht-invasiver Stimulation mit geschlossenem Regelkreis und bei neuen Schnittstellen mit fokussiertem Ultraschall. Parallel entwickelt das Labor Methoden des maschinellen Lernens, die direkt aus den Hirnaufzeichnungen lernen statt aus vorgegebenen Biomarkern. Das soll intelligente neuronale Schnittstellen näher an die klinische Anwendung bringen, auch über Infera Neuro, ein EPFL-Spin-off, das Shoaran mitgegründet hat. Bisher gibt es weder Patienten mit einem solchen Implantat noch eine Zulassung.