用于修复退行性疾损伤、恢复神经回路的医疗应用微型仿生芯片

用于修复退行性疾损伤、恢复神经回路的医疗应用微型仿生芯片,第1张

第一个人工数字神经元已在实验室中创建,旨在恢复失去的大脑功能。科学家们计划使用这些芯片来治疗神经退行性疾病。

阿尔茨海默氏症是一种神经退行性疾病,涉及神经元的进行性死亡,并伴有认知、行为和运动后果;这有点像带走受影响者的灵魂,不仅对患者而且对他们的家人都是毁灭性的。阿尔茨海默病仍然难以治疗,但研究人员正在探索可能有助于改善患者生活质量的新纳米技术解决方案。

由英国巴斯大学的科学家领导的一个国际研究小组在实验室中创造了第一个人工神经元,这是一种微型设备,旨在修复神经回路并恢复失去的功能。科学家们计划使用这种仿生芯片来治疗与心脏相关的疾病和神经退行性疾病。

根据 Trust Source 2016 年的一项研究,每 66 秒就有一个人患上阿尔茨海默病。分析人士指出,总共约有 540 万成年人患有这种疾病。它的特点是进行性记忆丧失和其他认知功能的退化,这些功能会损害日常活动的表现。目前还没有治愈方法,尽管有临床治疗可以延长个人能够进行日常活动的时间。

长期以来,人们一直在研究生物细胞的电学特性以了解细胞内动力学。迄今为止,难以测量控制离子电流动力学和离子电导非线性的微观参数阻碍了构建定量计算模型的努力。这使得创建能够复制生物神经元的精确反应的神经形态设备变得困难。

对用于治疗慢性疾病的可植入生物电子学的日益关注正在推动技术朝着精确模仿生物电路的低功耗固态模拟设备发展。

无论系统的大小和复杂性如何,模拟异步电子设备都是立即集成原始神经刺激的最有前途的方法。此外,最近构建定量神经元计算模型的努力集中在将 Hodgkin-Huxley (HH) 模型推广到多通道模型上。

巴斯大学的科学家团队与瑞士苏黎世大学、新西兰奥克兰大学和一些意大利研究人员的同事密切合作。他们一起设计了第一个人工神经元,旨在恢复因阿尔茨海默氏症和帕金森氏症等各种神经退行性疾病而受损的功能。该研究发表在《自然通讯》杂志上。

“任何患有退行性疾病的区域,例如阿尔茨海默氏症,或者神经元由于年龄、疾病或受伤而停止正常放电的区域,那么理论上,你可以用合成电路代替有缺陷的生物电路,”Alain 说Nogaret,一位在巴斯大学领导该项目的物理学家。

该团队生产的芯片是基于硅的微型设备,以模仿真实神经元“工作”的生物离子通道为模型。目标是让这些芯片修复退行性疾病造成的损伤,恢复神经回路的主要功能。在实践中,它们代表了神经管被中断的地方的连接桥。

这些芯片植入物仅消耗 140 纳瓦,大约是微处理器所需能量的十亿分之一。超低能耗很重要,因为这意味着芯片可以在无电池的情况下运行,完全依靠能量收集。

科学家的下一个目标将是研究侵入性较小的非手术方法来应用深部脑刺激,使阿尔茨海默病患者更容易获得这种治疗,从而更容易支持人工智能的实施。

固态神经元,或者更确切地说是电子流,在模拟大脑环境的各种当前算法的刺激下,对生物神经元的反应几乎相同。未来的挑战肯定会涉及响应的效率和通过深度学习工具对模型的改进。第一个硅神经元是所谓的生物电子医学的一个例子,它使用人造材料模仿自然电路和过程。图 1 和图 2 显示了发表在科学文章中的电路分析研究和相关模拟。

用于修复退行性疾损伤、恢复神经回路的医疗应用微型仿生芯片,poYBAGLeSgOAb2TfAABjlZqiJYw815.jpg,第2张

图 1:仿生固态离子通道。a) 离子物质 α 的电导由激活门和失活门调制。净离子电流 Iα 是活化电流 (Im) 和失活电流 (Ih) 之间的差值。Heaviside 函数 θ() 指定电流镜在 Im>Ih 时输出正电流 Iα,否则为 0。b) 神经元膜的等效电路。c-g) (c) 栅极恢复时间、(d) 电流镜、e) 电流倍增、(f) 跨导放大和 (g) sigmoidal 激活/失活的子电路框图。(图片:自然通讯)

用于修复退行性疾损伤、恢复神经回路的医疗应用微型仿生芯片,pYYBAGLeShKAcU28AABvl-yTUZw794.jpg,第3张

图 2:使用固态神经元的双胞胎实验。a)由混合超混沌振荡与电流步骤(蓝线)的电流协议刺激的亚阈值神经元(黑线)的膜电压。b) 模型预测的不同电流的膜电压。c) 膜电压振荡的细节。d) 几个状态变量的预测时间依赖性。e) 同化窗口上动作电位的相图。(图片:自然通讯)

有问题的芯片是在医学中实施纳米电子学的技术飞跃。此外,还可以为几个重要参数安装 GPS 和其他控制解决方案。所有这一切都得益于微电子和超低功耗解决方案的优势。这些芯片可以在特定时间激活各种信号、测量心率、测量血压、血糖水平等。总之,彻底治愈有史以来最严重的疾病的道路正变得越来越有效。纳米电子学的进步正在将我们转变为数字人类,并且越来越“连接”。

审核编辑 黄昊宇

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/2711278.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-17
下一篇 2022-08-17

发表评论

登录后才能评论

评论列表(0条)

保存