Pożytki z naśladowania ewolucji :: Artykuły / Polski Serwis Naukowy

Polecamy również:

Zasilanie bijącego serca - niemieccy naukowcy znaleźli innowacyjne rozwiązania do rozruszników nowej generacji

Astronomowie bliżej rozwiązania zagadki ciemnej energii

PAN proponuje rozwiązania w sprawie tzw. dopalaczy

Rozwiązania na rzecz szybszego Internetu

NEMO odkrywa nowe rozwiązania biopaliwowe

Algorytm genetyczny, naśladujący mechanizmy zachodzące w procesach ewolucji, pomógł naukowcom w doborze optymalnej formy aktywacji elektrycznej generowanej przez implanty stosowane w stymulacji układu nerwowego. Rozwiązanie to pozwoli w przyszłości na tworzenie bardziej energooszczędnych stymulatorów, co umożliwi zmniejszenie częstotliwości zabiegów operacyjnych związanych z koniecznością wymiany baterii w implantach.

Implanty nerwowe w postaci stymulatorów, są urządzeniami pomagającymi w leczeniu szeregu chorób neurologicznych, w tym niektórych przypadków epilepsji i choroby Parkinsona. Pomimo nieocenionej roli, jaką pełnią one w polepszeniu funkcjonowania pacjentów dotkniętych tymi schorzeniami, obecnie stosowana w nich technologia nie jest pozbawiona wielu wad, z których jedną z najpoważniejszych jest, prozaiczna na pozór, kwestia wyczerpywania się źródeł zasilania. Wymiana baterii, lub - w niektórych przypadkach - całego urządzenia, wiąże się inwazyjnymi zabiegami operacyjnymi, których uciążliwość jest tym większa, im częściej muszą one mieć miejsce.

Poszukując rozwiązania tego problemu Amorn Wongsarnpigoon i Warren Grill z Uniwersytetu Duke’a w Durham zastosowali oprogramowanie imitujące niektóre mechanizmy naturalnej ewolucji, którego użyli do wyboru kształtu optymalnego rodzaju elektrycznej stymulacji neuronów. Ich celem było odnalezienie rozwiązania pozostającego równie efektywnym w aktywacji komórek mózgowych, jak obecnie stosowane wzory, jednocześnie pozwalającego zoptymalizować zużycie energii przez stymulator, tym samym przedłużając żywotność jego baterii i wydłużając interwał pomiędzy kolejnymi operacjami ich wymiany.

Dotychczas dobór amplitudy i czasu impulsacji implantów, oparty był na wzorcach, które wykorzystywały, niecałkowicie realistyczne, pasywne modele błony komórkowej. Wskazywały one, że najbardziej optymalna stymulacja ma kształt rosnącej wykładniczo fali. Badania, w których zastosowano bardziej realistyczne modele błon neuronalnych oraz badania na komórkach nerwowych in vivo, nie potwierdziły jednakże, że taki kształt stymulacji, jest w jakiś szczególny sposób bardziej energooszczędny i efektywny, od innych rozwiązań, przykładowo fali opadającej czy pulsacji o kształcie kwadratowym.

Optymalizacja stymulacji przy użyciu modeli wykorzystujących realistyczną charakterystykę błony komórkowej, jest jednak znacznie trudniejszym zadaniem. Nie może być ona przeprowadzona analitycznie, ze względu na poziom komplikacji oraz nielinearność odpowiednich równań. Zastosowanie metody „prób i błędów” zaś, jest praktycznie wykluczone, ze względu na nieskończoną ilość kombinacji możliwego kształtu produkowanej aktywacji. W obliczu powyższych trudności, jednym z najlepszych sposobów poszukiwania odpowiedniego rozwiązania, okazują się algorytmy globalnej optymalizacji, z których, w tym konkretnym przypadku, zastosowano algorytm genetyczny.

Na wzór procesów ewolucyjnych, kolejne kształty fal, potraktowane zostały jak organizmy, których szczegółowe parametry (w postaci amplitudy w danym momencie czasowym), służyły jako jednostki dziedziczenia, czyli swoiste „geny”. Każde „pokolenie” rozwiązań, poczynając od pierwszego, wyłonionego losowo, testowane było przy użyciu tak zwanej funkcji kosztu, będącej sumą energii konsumowanej przez każdy kształt stymulacji, oraz funkcji kary, obliczanej, gdy stymulacja nie zdołała wywołać potencjału czynnościowego we włóknie nerwowym. Po każdorazowym teście, rozwiązania „kojarzyły” się ze sobą, co skutkowało wytworzeniem rozwiązań potomnych, łączących w sobie różne kombinacje parametrów, czyli „genów”, rozwiązań rodzicielskich. Dodatkowo, w kolejnym pokoleniu pojawiały się pewne oryginalne cechy wynikające z mutacji, która także stanowiła część zaprogramowanego algorytmu. Kolejne testowane kohorty, składały się każdorazowo z 50 rozwiązań, z których 10 najlepszych przechodziło do kolejnego pokolenia, resztę zaś stanowiły wygenerowane rozwiązania potomne, które mogły pochodzić od każdego z rozwiązań poprzedzającego pokolenia, niezależnie od wartości funkcji kosztu, jaki ono uzyskało.

Swoista „hodowla” najlepszego kształtu stymulacji nerwów, prowadzona była przez 10 000 pokoleń rozwiązań, w 5 niezależnych symulacjach, różniących się wygenerowanymi wyjściowymi kształtami impulsacji. Ostatecznie, proces ten doprowadził do wygenerowania jako optymalnej, formy stymulacji o kształcie zbliżonym do skróconej krzywej normalnej. Otrzymane rozwiązanie zostało przetestowane empirycznie, nie tylko przy użyciu oprogramowania symulującego nerwy, ale także in vivo, przy stymulacji nerwu kulszowego u kota, wykazując rzeczywistą przewagę nad rozwiązaniami proponowanymi przez inne modele.

Chociaż testowane ukształtowanie impulsacji dotyczyło, na obecnym etapie, aktywacji peryferycznych włókien nerwowych, naukowcy mają nadzieję, że użyty przez nich algorytm genetyczny, oraz wypracowane przez niego rozwiązania znajdą zastosowanie także w urządzeniach do stymulacji innych części układu nerwowego, w tym także kory mózgowej. Według ich szacunków, użycie kształtów impulsacji elektrycznej wygenerowanych przez algorytm genetyczny, na przykład do głębokich implantów domózgowych, może wydłużyć czas ich funkcjonowania od 5 do 60 procent, co, biorąc pod uwagę ich obecny okres działania, może zwiększyć czas pracy tych urządzeń od 2 do 21 miesięcy, to z kolei, może zmniejszyć częstotliwość operacji wymiany baterii, w ciągu 30 lat, z obecnych 10, do zaledwie 5-6 razy, wydatnie obniżając ryzyko i dyskomfort jaki wiąże się z tego typu zabiegami dla pacjentów.

Więcej informacji na ten temat (w języku angielskim) można znaleźć na stronie magazynu New Scientist, pod tym adresem: http://www.newscientist.c...or-surgery.html

Źródło:
Wongsarnpigoon, A. i Grill, W. M. (2010). Energy-efficient waveform shapes for neural stimulation revealed with a genetic algorithm. Journal of Neural Engineering, 7. doi:10.1088/1741-2560/7/4/046009

komentuj publikację

Czy wiesz że...?

wersja BETA

Własność optymalnej podstruktury jest własnością problemów, które można rozwiązywać za pomocą algorytmów. Mówi się, że dany problem ma własność optymalnej podstruktury, jeżeli jego optymalne rozwiązanie jest funkcją optymalnych rozwiązań podproblemów. pełny tekst

Neurostymulator (ang. neurostimulator) jest zasilanym przez baterię urządzeniem zaprojektowanym w celu elektrycznej stymulacji mózgu. Neurostymulatory są integralną częścią chirurgicznie wszczepianych układów takich jak urządzenie do głębokiej stymulacji mózgu (DBS) czy urządzenie do stymulacji nerwu błędnego (VNS), wykorzystywanych w leczeniu chorób układu nerwowego. pełny tekst

Twierdzenie o dualności rezultat przedstawiający cztery możliwości dotyczące istnienia rozwiązań optymalnych i dopuszczalnych problemu programowania liniowego w postaci standardowej. pełny tekst

Dryf genetyczny (dryft genetyczny) jest podstawowym procesem neutralnej ewolucji. Proces ten polega na fluktuacji częstości neutralnego allelu genu w populacji, wynikające z losowego charakteru przekazywania genów przez rodziców potomstwu. pełny tekst

Moduł "Czy wiesz że...?" (wersja testowa, beta): definicje/pojęcia wygenerowane w obrębie tego modułu pochodzą z Wikipedii i udostępniane są na licencji Creative Commons: uznanie autorstwa, na tych samych warunkach, z możliwością obowiązywania dodatkowych ograniczeń. Dostęp do pełnej wersji każdego hasła (oraz dokładnch informacji na temat licencji, autora oraz edycji) możliwy jest po kliknięciu w odnośnik opisany jako "pełny tekst".