Nöral protez hafızayı güçlendirmeyi amaçlıyor – Fizik Dünyası

<a href="https://platoblockchain.com/wp-content/uploads/2024/03/neural-prosthetic-aims-to-boost-memory-physics-world-2.jpg" data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/03/neural-prosthetic-aims-to-boost-memory-physics-world-2.jpg" data-caption="Görüntü hatırlama görevi Araştırma ekibi, görsel tanıma hafıza görevleri sırasında çalışma katılımcılarına nörostimülasyon uyguladı ve insanların görüntüleri ne kadar iyi hatırladıkları konusunda önemli değişiklikler buldu. (Nezaket: Wake Forest Üniversitesi Tıp Fakültesi)”>

Elektronik bir protez sistemi, Alzheimer hastalığı, travmatik beyin hasarı veya epilepsi nedeniyle hafızası zayıf olan kişilerin belirli bilgileri hatırlamasına yardımcı olabilir. Araştırmacılar tarafından geliştirilen yeni teknoloji Wake Forest Üniversitesi Tıp Fakültesi ve University of Southern California, beynin yeni anılar oluşturmayla ilgili kısmı olan hipokampus üzerinde çalışır.

Robotik uzuvlar gibi beyin-bilgisayar arayüzleri, beyin ile harici bir cihaz arasında iletişim kurar. Hipokampus (insanlarda aslında beynin her yarım küresinde bir tane olmak üzere iki hipokampus vardır) bir dereceye kadar yeni nöronlar yetiştirebilir. Ancak bilim insanları hipokampal hasarı onarmanın bir yolunu bulamadı. Araştırmacılar tarafından geliştirilen nöral protez, hatırlamayı teşvik etmek için hipokampal elektriksel aktiviteden elde edilen modelleri kullanıyor.

"Beyin kontrol arayüzlerinin çoğu, beynin şeylerden gelen girdilerle nasıl başa çıkacağını bulmasına dayanıyordu. Yaklaşık on yıldır proje üzerinde çalışan Wake Forest'tan araştırma görevlisi Brent Roeder, "Beynin yaptığıyla nasıl eşleşeceğimizi nasıl çözeceğimiz üzerinde çalışıyoruz" diyor. "Hafıza işlevini geliştirmenin olası yollarının neler olduğunu ve hangi yolların hangi insanlar ve ne tür koşullar için en iyi sonucu verdiğini bulmaya çalışıyoruz?"

Bellek kodlama ve kod çözme

2018 yılında yayınlanan bir araştırmada Sinir Mühendisliği DergisiEkip, çok girişli, çok çıkışlı, doğrusal olmayan bir matematiksel model kullanarak hipokampustaki nöronları gerçek zamanlı olarak uyardı. Roeder, "[O çalışmada model] sizin neyi hatırlamaya çalıştığınızı umursamıyor... sadece hipokampusunuzun daha iyi çalışmasına yardımcı olmaya çalışıyordu" diye açıklıyor.

En son çalışmalarında, rapor edilen Hesaplamalı Sinirbilimde Sınırlar, araştırmacılar belirli nöronlardaki elektriksel aktiviteyi izole ettiler ve daha sonra bu bilgiyi hipokampüsü uyarmak için kullanarak bunun insanların belirli görüntüleri daha iyi hatırlamasına yardımcı olup olamayacağını gördüler.

Çalışmaya, hepsi epilepsi tanısı konan ve elektrotların en az bir hipokampusa yerleştirildiği tanısal beyin haritalama prosedürüne katılan 14 yetişkin dahil edildi. Katılımcılara, görsel gecikmeli örnek eşleştirme hafıza görevinde farklı kategorilerdeki görseller (hayvan, bina, bitki, alet veya araç) gösterildi. Araştırmacılar, her görüntü kategorisi için hipokampusta ortak sinirsel aktivite belirlediler ve bu bilgiyi matematiksel olarak hesaplanmış, sabit bir ateşleme modeli elde etmek için kullandılar. Bu ateşleme modeli daha sonra görsel tanıma hafızası görevi sırasında hipokampusu uyarmak için kullanıldı.

"Bu çalışmada aslında iki şeyi test ediyorduk. Birincisi, belirli bilgiler için teşvik edebilir misiniz? İkincisi ise, canlandırmak istediğimiz bilgiyi teşvik etmekte ne kadar iyiyiz?” diyor Roeder. “Yani ilk sorunun cevabı evet, belirli bilgiler için teşvik edebilirsiniz. İkinci sorunun cevabı ise geliştirilecek çok şey var."

Araştırmacılar hafıza performansında hem artış hem de düşüş gözlemlediler. Vakaların yaklaşık %22'sinde, katılımcıların kendilerine daha önce gösterilen görselleri hatırlama derecelerinde farklılık vardı. Beynin her iki tarafına da uyarı verildiğinde, hafıza bozukluğu olan katılımcıların neredeyse %40'ında hafıza performansında değişiklikler görüldü.

“Verdiğim örnek şu; bir garsonun parmaklarında tepsi taşıdığını gördünüz. Tepsinin tamamını değil, tepsinin bir kısmını destekliyorlar. Ancak tepsinin bu kısımları tepsinin geri kalanına bağlı olduğundan tüm tepsiyi kaldırıyor" diye açıklıyor Roeder. “Hafızamız çağrışımsaldır. Hafızanın tamamını desteklemeye çalışmıyoruz; hafızanın tamamını güçlendirmek için sinirsel aktivitenin bir kısmını desteklemeye çalışıyoruz.”

Araştırmacılar, görüntü kategorileri arasında beklediklerinden daha fazla örtüşme olabileceği sonucuna vardı (örneğin, hayvanlar genellikle bitkilerin yakınında bulunur). Örneğin görüntüler yerine renkleri veya yönleri göstererek görüntü kategorilerini daha belirgin hale getirmek, elektronik protezin performansını artırmaya yardımcı olabilir.

Roeder, "Artık bunun mümkün olduğunu bildiğimize göre... mesele bu konuda daha iyi olmak" diyor.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://physicsworld.com/a/neural-prosthetic-aims-to-boost-memory/