El patrón cerebral recién descubierto tiene implicaciones para el tratamiento de pacientes con parálisis de Parkinson
La investigación de la profesora Maryam Shanechis podría conducir a nuevos tratamientos innovadores para una serie de trastornos. Crédito: Omid Sani/Maryam Shanechi
Al alcanzar una taza de café o atrapar o lanzar una pelota, nuestro cerebro logra coordinar el movimiento de no menos de 27 ángulos articulares en nuestros brazos y dedos. Exactamente cómo el cerebro puede hacer esto es un tema de mucho debate entre los investigadores.
Ahora, dirigidos por Maryam Shanechi, profesora asistente de ingeniería eléctrica e informática de la USC Viterbi y Andrew y Erna Viterbi Early Career Chair, los investigadores descubrieron un patrón cerebral dinámico característico que predice movimientos naturales de alcance y agarre. El descubrimiento, que ahora se publica en Nature Communications, podría convertirse en un catalizador para el desarrollo de mejores interfaces cerebro-máquina y mejorar el tratamiento de los pacientes paralizados.
En este estudio, el objetivo era comparar las escalas espaciotemporales pequeñas y grandes de la actividad cerebral. La actividad a pequeña escala se refiere a la activación de neuronas o células cerebrales individuales; la actividad a gran escala se refiere a las ondas cerebrales de potencial de campo local (LFP) que, en cambio, miden la actividad agregada de miles de neuronas individuales que interactúan. Ambos pueden contribuir a realizar movimientos de alcance y agarre, pero ¿cómo?
Para responder a esta pregunta, Shanechi y Hamidreza Abbaspourazad, Ph.D. estudiante de ingeniería eléctrica, creó un nuevo algoritmo de aprendizaje automático para extraer patrones neuronales dinámicos que coexisten en la actividad de picos y LFP al mismo tiempo y para identificar cómo estos patrones se relacionan entre sí y con los movimientos. El estudio se realizó en colaboración con Bijan Pesaran, profesor de ciencias neurales en la NYU, quien realizó experimentos para recolectar picos y actividad cerebral LFP durante movimientos naturalistas de alcance y agarre utilizando técnicas de neurofisiología en el campo.
Al aplicar el nuevo algoritmo a los datos recopilados, identificaron puntos en común y diferencias entre las actividades de spiking y LFP. A partir de ahí, finalmente pudieron descubrir un patrón común entre ellos que era altamente predictivo de los movimientos.
«Al mirar más de cerca, descubrimos que este patrón multiescala común en realidad predecía predominantemente el movimiento en comparación con todos los demás patrones existentes», dijo Shanechi. En otras palabras, el equipo identificó un patrón de actividad cerebral no detectado previamente asociado con los movimientos de alcance y agarre que proporciona una posible firma neuronal para ellos.
Shanechi, quien recientemente recibió el Premio al Nuevo Innovador del Director de NIH y el Premio de Investigación ASEE Curtis W. McGraw, se enfoca en la investigación de neurotecnología; ella estudia el cerebro a través del modelado, la decodificación y el control de la dinámica neuronal. Esta publicación es solo uno de los muchos proyectos recientes que Shanechi ha llevado a comprender mejor los patrones neuronales complejos y las disfunciones neuronales para desarrollar terapias relacionadas con las discapacidades físicas y mentales. De hecho, ha estado en una racha últimamente, con múltiples publicaciones importantes de Nature en los últimos meses.
«Curiosamente», explica Shanechi, «descubrimos que este patrón de firma neuronal no solo se compartía entre las señales de picos y LFP, sino también entre los diferentes sujetos que realizaban movimientos».
Esto significa que el patrón compartido puede ayudar a los investigadores a comprender cómo el cerebro de un individuo controla los movimientos de alcance y agarre. Más importante aún, también sugiere que diferentes personas pueden tener una firma neuronal similar al hacer movimientos de alcance y agarre.
Por supuesto, comprender lo que hace el cerebro es solo la mitad de la batalla. Traducir la actividad cerebral en acción es otra cosa completamente diferente. Pero el modelo de Shanechi puede hacer precisamente eso. Ella y su equipo pueden traducir la actividad cerebral en movimiento.
Abbaspourazad agrega: «Nuestro modelo no solo descubre los patrones distintivos en la actividad neuronal, sino que también predice los movimientos de los dedos y los brazos con bastante precisión a partir de estos patrones». Esto es especialmente prometedor en el desarrollo de interfaces cerebro-máquina para restaurar el movimiento en pacientes paralizados.
Además de ayudar a los pacientes paralizados, Shanechi espera que esta investigación también pueda ayudar a comprender mejor los mecanismos neurales de los trastornos del movimiento como la enfermedad de Parkinson para guiar futuras terapias.
«Esperamos que nuestro Una mejor comprensión de cómo el cerebro genera nuestros movimientos cotidianos podría ayudarnos a diseñar mejores interfaces cerebro-máquina que pueden ayudar a millones de pacientes discapacitados con lesiones y enfermedades neurológicas».
Explore más
Los investigadores aíslan y decodifican patrones de señales cerebrales para comportamientos específicos Más información: Hamidreza Abbaspourazad et al. La dinámica del estado cortical motor de baja dimensión multiescala predice el comportamiento naturalista de alcance y agarre, Nature Communications (2021). DOI: 10.1038/s41467-020-20197-x Información de la revista: Nature Communications , Nature
Proporcionado por la Universidad del Sur de California Cita: El patrón cerebral recién descubierto tiene implicaciones para el tratamiento de pacientes de Parkinson paralizados (2 de febrero de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-newly-brain-pattern-implications-paralyzed.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.