CC BY
26
Журнал фундаментальной медицины и биологии
ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ
ДАЙДЖЕСТ
1. Генератор для сбора энергии кровотока в сосудах
"A One-Dimensional Fluidic Nanogenerator with a High Power Conversion Efficiency" Angewandte Chemie | doi: 10.1002/anie.201706620
Инженеры из Фуданьского университета в Шанхае разработали флюидный наногенератор из углеродных нанотрубок, он добывает энергию от движения вязкой жидкости и способен вырабатывать электричество внутри кровеносного сосуда. Генератор выглядит как гибкое и эластичное волокно диаметром 800 микрометров, эффективность преобразования энергии превышает 23 процента, и высокая производительность сохраняется у него даже спустя миллион циклов деформации.
Устройство выполнено из углеродных нанотрубок, обернутых в несколько слоев вокруг полимерного сердечника. Такие трубки легкие и прочные, вдобавок они электроактивны. Если погрузить волокно в раствор электролита, вокруг генератора возникает двойной электрический слой. Если же раствор движется относительно генератора, то поток жидкости "вымывает" ионы из диффузного слоя близ заряженной поверхности волокна и увлекает их вниз по течению. Так нарушается симметричное распределение заряда, и вдоль волокна возникает градиент электроэнергии. На концах генератора крепятся электроды, они снимают разность потенциалов.
Чтобы увеличить площадь поверхности генератора и повысить ионный обмен, между листами из на-
Ftowing water
Positive cha-gE
Negativs charge
low
Ugh
Potafltui
Рисунок 1. Схема получения энергии в проточной жидкости, к концам генератора подсоединены электроды.
нотрубок поместили частицы мезопористого углерода. Эффективное выходное напряжение повысилось, достигнув максимального значения 341 милливольт. Это на два-три порядка выше, чем у типичных пьезоэлектрических и трибоэлектрических наногенераторов аналогичных размеров. Удлинив волокно до 30 см, авторы получили выходной ток 650 мВ. Они пишут, что наногенераторы также можно соединять в цепи и достигать напряжения до 200 вольт и силы тока 25 мА.
Получить энергию от движения биологических жидкостей в миниатюрных потоковых каналах в организме человека не так просто, поскольку большинство современных флюидных генераторов настроены на работу в открытых объемах раствора. По мнению авторов, их новый наногенератор из углеродных на-нотрубок как раз подходит для сбора энергии в одномерных каналах, таких как артерии. Для демонстрации авторы получили напряжение 173 мВ, поместив устройство внутрь сосудоподобной трубки и имитируя кровоток.
2. Обмен нервными сигналами в схеме с двумя интерфейсами
"Human-to-human closed-loop control based on brain-to-brain interface and muscle-to-muscle interface" | Scientific Reports | doi:10.1038/s41598-017-10957-z
Сотрудники Института робототехники Шанхайского университета провели эксперимент по обмену данными между двумя людьми с одновременным использованием интерфейсов типа "мозг-компьютер" и "мышцы-компьютер". Авторы через интерфейс связали мозг и мышцы участников в замкнутый контур так, что сигнал мозга одного человека передается в мозг другого, что вызывает моторный отклик в нейронах его руки, и этот сигнал уже уходит в руку отправителя. Это первый опыт с обратной связью на основе интерфейсов двух типов.
Авторы использовали только неинвазивные способы считывания и стимуляции. Схема построена следующим образом. У первого участника снимают
[ЙЩ|
■ч
Ч,
ч
НГШП-СОЛЦШЧ МмегГлл' 1 1 Ш V.! 1Л111 МфКЫС 'НгМиЫшР
Г .К1. I (ТЫ5)
1ипс1к>н1 ЫкегкУ ¡ЬмьЬяют -Т-- _. _ __.
Ш I
•........•../V-"-
П
■ МЧИ
Л:1|':. и! (1ШЪ>|
Рисунок 2. Пути замкнутого контура обмена данными от человека к человеку на основе интерфейсов
"мозг-мозг" и "мышцы-мышцы".
Пунктиром обозначен искусственный канал.
электроэнцефалограмму (ЭЭГ) и передают данные на устройство магнитной стимуляции (ТМС), помещенное над головой второго участника. Магнит срабатывает, стимулируя моторную кору мозга, и сигнал уходит по нервам в мышцы руки, где его регистрируют методом электромиографии (ЭМГ), то есть измеряют потенциал, возникающий при возбуждении мышечных волокон. Далее сигнал ЭМГ передают на устройство функциональной электростимуляции (ФЭС), которое закреплено на руке первого участника.
Электрическая мышечная стимуляция включает в работу двигательные нервы, и те генерируют мышеч-
ные сокращения. Рука приходит в движение. В то же время стимуляция руки вызывает изменения в ЭЭГ, что передаются в мозг второго участника и так далее. В таком замкнутом контуре "сигнал" ходит по кругу из двух искусственных и двух естественных участков цепи. Так, ФЭС вызывает изменения в ЭЭГ через афферентные нервы у одного человека, а ТМС может вызвать моторные потенциалы, видимые на ЭМГ, через эфферентные нервы у другого.
Авторы провели опыты с шестью парами участников и показали, что возможно комбинирование искусственных и естественных нейронных путей для уста-
Рисунок 2. Пути замкнутого контура обмена данными от человека к человеку на основе интерфейсов
"мозг-мозг" и "мышцы-мышцы".
Пунктиром обозначен искусственный канал.
новления нового способа коммуникации. Они пишут, что такая связь может оказаться полезной в медицине, внося элемент игры в процедуры. Например, при совместной реабилитации пациенты могут использовать ТМС и ФЭС, соревнуясь в обмене сигналами и меняясь ролями. Процедуры могут помочь в восстановлении моторных нарушений, связанных с инсультом, через стимуляцию нейропластичности и изменение моторных областей коры. А совместная реабилитация может стать более интересной для пациентов.
3. Нервная система для модульного робота
"Mergeable nervous systems for robots" | Nature Communications | doi:10.1038/s41467-017-00109-2
Информатики из Брюссельского свободного университета вместе с коллегами из Университетского института Лиссабона и Федеральной политехнической школы Лозанны продемонстрировали концепцию нервной системы для распределенного модульного ро-
бота. У такого робота нет стабильной формы, он возникает за счет взаимодействий группы из автономных ботов. Их системы управления могут сливаться, образуя общую "нервную систему", она и координирует их поведение. Боты становятся частями робота, который действует как единая конструкция.
В экспериментах боты объединялись в разные фигуры, распадались, заново объединялись, всякий раз меняя форму робота. Авторам удалось добиться координации коллективного поведения, при котором робот, состоящий из автономных единиц, ведет себя как монолитный робот. Например, он должен избегать зеленого светодиода - при его приближении вся конструкция отступает, не теряя форму, хотя свет от источника видит лишь ближайший бот. Сенсомотор-ный контроль всей конструкции берет на себя один из ботов, он становится "мозгом" составного робота, в другой комбинации им может стать любой другой бот.
Рисунок 4. На шаге 1 одиночные боты самоорганизуются в крупного спиралевидного робота. На шаге 2 он распадается, затем процесс повторяется (этапы 3-8), и боты сливаются в три робота разных форм.
Бот-мозг показан красным. Рядом с каждым роботом схематично показана его нервная система.
Такая нервная система подвижна, она легко включает и исключает отдельных ботов, позволяя роботу гибко адаптироваться под ситуацию и заменять элементы в случае выхода их из строя. Управление роботом происходит в логике высокого уровня и не зависит от размера и формы робота. Бот-мозг выдает команды, которые распространяются через нервную систему всем частям. Когда авторы отключали бота, играющего роль мозга, эту функцию подхватывал другой бот, и конструкция пересобиралась в ту же фигуру, почти не заметив потери.
Пока роботы чрезвычайно примитивны, они работают на плоскости и ограничены жесткими соединениями между устройствами. Авторы намерены развить концепцию до роботов с гибкими соединениями, которые работают в трех измерениях. В опытах использовали порядка десяти ботов, но концепция вполне масштабируема на большой рой. По мнению
авторов, в будущем роботов не будут создавать для конкретной цели. Скорее, будут огромные наборы роботизированных блоков, они позволят роботам адаптировать свои возможности, форму и размер к изменяющимся требованиям задачи.
4. В отличие от нейросетей люди ошибаются эффективно
"Humans, but Not Deep Neural Networks, Often Miss Giant Targets in Scenes" | Current Biology | doi: 10.1016/j. cub.2017.07.068
Психологи из Калифорнийского университета в Санта-Барбаре сравнили, как визуальный поиск объектов ведут люди и как с той же задачей по распознаванию справляются глубокие нейронные сети. Эксперименты с десятками добровольцев показали, что человек склонен пропускать знакомый объект, если его относительный размер нетипично велик. Компью-
тер не делает такой ошибки, но человеческая слабость оборачивается преимуществом -- пропуск объектов есть следствие стратегии мозга, которая в общем случае более эффективна.
Участникам эксперимента предлагали взглянуть на картинки с простыми бытовыми сценами или интерьерами и понять, есть там искомый предмет или нет. Шестьдесят наблюдателей отсмотрели в общей сложности 42 изображения, в каждом из которых искали целевой объект: зубную щетку, компьютерную мышь, парковочный счётчик и так далее. На осмотр одной картинки отводили одну секунду, после чего испытуемый должен был дать ответ. Треть картинок содержала нужный объект, но он был непропорционально
большим по сравнению с прочими предметами. Именно на этих картинках люди чаще всего ошибались, не находя цель.
Затем тот же опыт провели с нейросетью глубокого обучения Faster R-CNN, она распознавала объекты независимо от их относительного размера. Авторы делают вывод, что мозг человека использует для поиска всю сцену, назначая приоритет объектам одного размерного класса с искомым объектом. Так он сразу исключает все прочие цели, которые могут напоминать нужный объект по форме, но слишком велики или малы. Эта стратегия позволяет сократить ошибки первого рода, то есть помогает избегать ложного узнавания при принятии быстрых решений.
Рисунок 5. A. Зубная щетка в вероятном месте (на раковине). B. Зубная щетка в неожиданном месте (на коврике). С Зубная щетка большого размера, несовместимого со сценой, но размещена в ожидаемом месте. D. Изображение масштабируется, чтобы зубная щетка была согласована по размеру со сценой, но имела тот же угловой размер, что и в
изображении с щеткой неправильной длины (ф.
Нейросети используют иную стратегию, и их, на первый взгляд, преимущество в распознавании независимо от размеров, оборачивается недостатком -- они склонны к ошибкам первого рода. Авторы проверили работу Faster R-CNN на серии фотографий, и сеть принимала воздушные шары за мячи, клавиатуру компьютера за сотовый телефон, садовый инвентарь за зубную щетку и так далее. Этих ошибок легко избежать, если учесть относительный размер предметов на изображении, но сеть, по-видимому, этого не умеет. Авторы заключают, что мозг человека использует эффективную стратегию для реального мира, где зубные щетки редко бывают гигантских размеров, и эта стратегия может стать еще одним способом сократить ложное срабатывание у нейросетей.
5. Ультразвук усиливает производство нейротро-фического фактора мозга
"Transcranial ultrasound stimulation promotes brain-derived neurotrophic factor and reduces apoptosis in a mouse model of traumatic brain injury" | Brain Stimulation | doi: 10.1016/j.brs.2017.09.003
Нейробиологи из Государственного университета в Тайбэе показали, что стимуляция низкоинтенсивным пульсирующим ультразвуком усиливает в мозге синтез двух важных белков, которые поддерживают развитие нейронов и кровеносных сосудов. Такая стимуляция тормозит гибель клеток, подавляя апоптоз, и может потенциально стать средством сократить потери нейронов сразу после травмы головного мозга.
Моделями для исследования служили мыши с поврежденным участком коры. Сразу после хирургической процедуры авторы провели пятиминутную стимуляцию, направляя в область травмы импульсы низкоинтенсивного 0.51 В ультразвука. Такую же стимуляцию делали ежедневно последующие три дня. Затем с помощью антител авторы определяли присутствие в тканях специфичных белков. Анализ показал, что к четвертому дню в месте травмы повысился уровень нейро-трофического фактора BDNF и фактора роста эндотелия сосудов VEGF, также возросло фосфорилирование белков, отвечающих за подавление апоптоза.
Из исследований известно, что уровень BDNF снижается как в результате травм, так и при нейродегене-
ративных заболеваниях, включая болезнь Паркинсона и болезнь Альцгеймера. Это один из самых активных нейротрофинов, он крайне важен для выживания нервных клеток. При его дефиците используют ре-комбинантный BDNF, полученный с помощью генной инженерии. Однако он плохо проникает через гема-тоэнцефалический барьер, живет недолго, и поэтому простой и неинвазивный способ повысить концентрацию BDNF в мозге мог бы стать отличным решением.
Как пишут авторы, усиление выработки BDNF может происходить вследствие изменений в трансмембранной емкости и последующего возбуждения нервных клеток из-за воздействия акустических волн. Другим потенциальным механизмом может быть активация глиальных клеток через воздействие звука на механорецепторы. Но на сегодня механизм влияния ультразвука на экспрессию белка BDNF не известен. Стимуляция повысила и уровень белка VEGF, участвующего в развитии кровеносной системы, причина тоже не понятна. Эти вопросы для будущих исследований.
6. Карта будущего в гиппокампе
"The hippocampus as a predictive map" | Nature Neuroscience | doi:10.1038/nn.4650
Программисты компании DeepMind, принадлежащей Google, опубликовали статью в нейрофизиологическом журнале, где предложили взглянуть на работу гиппокампа с позиций машинного обучения. Согласно их гипотезе, эта область мозга поддерживает "карту предсказаний", внутри которой каждая текущая ситуация представлена в терминах вероятных будущих состояний. Такая карта удобна для прогнозирования выгод и потерь, она легко строится с помощью простого, биологически правдоподобного алгоритма и объясняет множество данных исследований гиппокампа.
Нейронаука рассматривает гиппокамп как место хранения пространственного опыта. Мозг использует его в задачах навигации, таких как движение в лабиринте. В гиппокампе крыс были открыты "клетки места", они избирательно включаются, когда животное попадает в тот или иной участок маршрута, причем даже во сне. За открытие этих нейронов присуждена Нобелевская премия по физиологии и медицине 2014 года. И хотя концепция "клеток места" объясняет многие нейрофизиологические данные, она не полностью объясняет, почему гиппокамп также участвует в других функциях, таких как память, рассуждения и принятие решений.
Авторы предлагают рассматривать навигацию как часть более общей проблемы вычислений, которые максимизируют будущую выгоду. Они почерпнули вывод из моделей машинного обучения с подкреплением, раздела исследований искусственного интеллекта, где нейросеть учится путем проб и ошибок. Ключевая идея состоит в том, что для прогноза конечного результата агент должен сначала оценить, какую немедленную награду он ожидает получить в том или ином состоянии, а затем взвесить её по тому, как часто он рассчитывает быть в этом состоянии. Суммируя взвешенное вознаграждение во всех возможных состояниях, агент получает оценку итогового результата.
По гипотезе авторов, гиппокамп представляет каждую ситуацию -- или состояние -- в терминах будущих состояний, которые он предсказывает. Например, если вечером вы уходите с работы (текущее состояние), ваш гиппокамп представляет это как прогноз, что вы, скорее всего, скоро будете в дороге, потом зайдете в магазин или, еще позже, окажетесь дома. Представляя каждое текущее состояние с точки зрения его предполагаемых состояний-преемников, гиппокамп строит компактную свертку будущих событий, известную как «преемственное представление». Авторы считают, что такой вид предсказательной карты позволяет мозгу быстро адаптироваться в условиях с изменяющимися вознаграждениями, но без необходимости запускать дорогостоящие симуляции будущего.
7. Как головной и спинной мозг выдумывают боль
"Interactions between brain and spinal cord mediate value effects in nocebo hyperalgesia" | Science | doi: 10.1126/science.aan1221
Неврологи из Университетской клиники Гамбург-Эппендорф показали, что люди сильнее чувствуют побочный эффект от лечения, если оно дорогое. Используя фМРТ, ученые проследили, как информация о стоимости препарата модулирует всю центральную систему боли человека. Они обнаружили две области нисходящего болевого пути, которые участвуют в усилении боли и отвечают за разницу в побочных эффектах между дорогим и дешевым лечением. Такие отрицательные эффекты, вызванные субъективным восприятием, обратны эффекту плацебо, при котором человек чувствует себя лучше, не зная, что принимает лекарство-пустышку.
Авторы провели эксперимент с двумя группами по 24 и 25 человек. Им предложили испытать два крема с разной ценой и разным дизайном упаковки для дорогих и дешевых лекарств. Первая группа тестировала "дешевый" крем, вторая - "дорогой", хотя оба были идентичны и не содержали активных ингредиентов. Кремы представили как продукты, которые облегчают кожный зуд, но в качестве побочного эффекта вызывают повышенную чувствительность к боли. Крем наносили на предплечье, затем на кожу руки клеили перцовый пластырь, так проверяли чувствительность к боли. Параллельно авторы делали фМРТ коры, ствола мозга и спинного мозга участников.
Люди из группы, использующей "дорогой" крем, ощущали боль сильнее. Ученые проанализировали данные сканирования, и выделили активность нейронов, связанную с обратным плацебо-эффектом, так называемым эффектом ноцебо. Они обнаружили участки в спинном мозге, активные при восприятии боли, и определили, что в головном мозге с эффектом ноцебо связаны передняя поясная кора (rACC) и центральное серое вещество (PAG). У людей, ожидающих боли от дорогого крема, активность передней поясной коры более явно снижалась, это вызывало активацию области PAG и далее спинного мозга. Как результат, возрастала чувствительность к боли.
Авторы делают вывод, что ось rACC-PAG-спинной мозг управляет влиянием цены на повышенную бо-
Рисунок 6. На скане пациента показаны области в системе обработки боли, связи между которыми
модулируются ожиданиями.
левую чувствительность. Модуляция связей вдоль этой оси представляет собой гибкий механизм, посредством чего когнитивные представления, такие как стоимость, взаимодействуют с нисходящим болевым путём. И поскольку ноцебо усиливает восприятие побочных эффектов и может влиять на клинические исходы и приверженность пациентов лечению, следует всерьез подумать, как избежать их в клинических испытаниях и медицинской практике.
8. Электроды в мозге считывают произносимые звуки
"Decoding spoken phonemes from sensorimotor cortex with high-density ECoG grids" | Neurolmage |doi: 10.1016/j.neuroimage.2017.10.011
Неврологи из Утрехтского университета в Нидерландах вместе с немецкими психологами из Ольден-бургского университета смогли по данным активно-
сти мозга декодировать произносимые людьми звуки. В исследовании участвовали пять пациентов, которым имплантировали матрицу для электрокортикогра-фии высокой плотности (ЭКоГ), чтобы отслеживать в мозге источники приступов эпилепсии. Пациенты по просьбе ученых произносили заданные фонемы, а программа угадывала их, исходя из того, как меняется ЭКоГ. Работа поможет создать средство голосовой коммуникации для парализованных и больных, неспособных к речи.
Авторы отобрали пациентов с матрицей, вживленной в область сенсомоторной коры, связанной с лицевыми мышцами. Идея состояла в том, чтобы считывать информацию не из речевой зоны, а там, где речь превращается в моторные команды. Произносимый звук требует мышечных сокращений в лице и голосовом тракте, и поэтому сенсомоторная кора должна содержать пространственную и временную информа-
Г" ^ ■ "" ^Fyijv^^r ■ «— ■ ц. ^
■ " хЧ<\
Рисунок 7. Все электродные решетки спроецированы в левое полушарие. Каждый цвет обозначает электроды
со значительным откликом у разных пациентов.
Центральная борозда обозначена пунктиром.
цию о том, что человек хочет сказать. В лицевой области коры авторы поймали кортикальное представление групп мышц, связанных с артикуляцией. Как показали эксперименты, наиболее богатая область для декодирования уложилась в один кв. см вокруг центральной борозды.
Электроды на матрицах были расположены плотно, что позволило получить детальное топографическое представление извлечения звуков. У четырех
пациентов сигнал записывала 128-канальная система с частотой дискретизации 512 Гц, у пятого работала матрица с 256 каналами и частотой 2000 Гц. Пациенты произносили фонемы /р/, /к/, /и/ и /а:/, микрофон записывал аудио, а данные ЭКоГ транслировались в компьютер, где шла обработка сигналов от электродов. На распознавание каждого звука отводилась секунда данных электрокортикографии.
В среднем четыре фонемы и паузу удавалось деко-
Рисунок 8. Преобразованные ЭКоГ сигналы по каждому пациенту (столбцы) и каждой фонеме (строки).
Пунктирные вертикальные линии означают начало звука во времени, по оси у показаны электроды.
дировать с точностью 75.5%, причем не имело значения, в каком полушарии мозга расположена матрица. По мнению авторов, это говорит о том, что оба полушария на равных участвуют в производстве звуков. Они также обнаружили, что фонему можно с при-
емлемой вероятностью (64%) распознать за 500 мс до ее произнесения. Отсюда следует, что декодирование не полностью зависит от сенсорной обратной связи, и это хорошая новость для парализованных людей, которые не могут задействовать нужные мышцы.
