Hispanopedia Wiki
Articulo de referencia

Neural dust

Neural dust is a theoretical class of nanometer-sized devices operated as wirelessly powered nerve sensors; it would be a type of brain–computer interface . The sensors may be u...

Hispanopedia WikiContenido en espanolLectura gratuita

Neural dust is a theoretical class of nanometer-sized devices operated as wirelessly powered nerve sensors; it would be a type of brain–computer interface. The sensors may be used to study, monitor, or control the nerves and muscles and to remotely monitor neural activity. In practice, a medical treatment could introduce thousands of neural dust devices into human brains. The term is derived from "smart dust", as the sensors used as neural dust may also be defined by this concept.[1]

Background

The design for neural dust was first proposed in a 2011 presentation[2] by Jan Rabaey from the University of California, Berkeley Wireless Research Center and was subsequently demonstrated by graduate students in his lab.[3][4] While the history of BCI begins with the invention of the electroencephalogram by Hans Berger in 1924, the term did not appear in scientific literature until the 1970s. The hallmark research of the field came from the University of California, Los Angeles (UCLA), following a research grant from the National Science Foundation.[5]

While neural dust does fall under the category of BCI, it also could be used in the field of neuroprosthetics (also known as neural prosthetics). While the terms can sometimes be used interchangeably, the main difference is that while BCI generally interface neural activity directly to a computer, neuroprosthetics tend to connect activity in the central nervous system to a device meant to replace the function of a missing or impaired body part.

Function

Components

The principal components of a neural dust system include the sensor nodes (neural dust), which aim to be in the 10-100 μm3 scale, and a sub-cranial interrogator, which would sit below the dura mater and would provide both power and a communication link to the neural dust.

Neural dust sensors could use a multitude of mechanisms for powering and communication, including traditional RF [3] as well as ultrasonics. An ultrasound based neural dust mote would consist of a pair of recording electrodes, a custom transistor, and a piezoelectric sensor.[4] The piezoelectric crystal is capable of recording brain activity from the extracellular space, and converting it into an electrical signal.

Transferencia de datos y energía

Aunque existen muchas formas de BCI, el polvo neuronal es único debido a su tamaño y capacidad inalámbrica. Si bien las ondas electromagnéticas (como las radiofrecuencias ) pueden usarse para interactuar con el polvo neuronal u otros sensores neuronales inalámbricos, [ 3 ] [ 6 ] [ 7 ] [ 8 ] el uso de ultrasonido ofrece una atenuación reducida en el tejido. Esto resulta en mayores profundidades de implantación (y por lo tanto, una comunicación más fácil con el comunicador subcraneal), así como una reducción de la energía que se distribuye en los tejidos del cuerpo debido a la dispersión o absorción. [ 4 ] Este exceso de energía se manifestaría en forma de calor, lo que podría causar daños al tejido circundante si las temperaturas aumentaran demasiado. Teóricamente, el ultrasonido permitiría nodos de sensores más pequeños, permitiendo tamaños menores a 100  μm; sin embargo, aún persisten muchos desafíos prácticos y de escalabilidad.

Comunicación por retrodispersión

Debido al tamaño extremadamente pequeño de los sensores de polvo neuronal, sería poco práctico y prácticamente imposible crear un transmisor funcional en el propio sensor. Por lo tanto, se podría emplear la comunicación por retrodispersión , adoptada de las tecnologías de identificación por radiofrecuencia (RFID). En RFID, las etiquetas pasivas sin batería son capaces de absorber y reflejar energía de radiofrecuencia (RF) cuando se encuentran cerca de un interrogador de RF, que es un dispositivo que transmite energía de RF. Al reflejar la energía de RF de vuelta al interrogador, son capaces de modular la frecuencia y, al hacerlo, codificar información. El polvo neuronal emplearía este método mediante un comunicador subdural que emite un pulso (ya sea de RF o ultrasonido) que luego es reflejado por los sensores de polvo neuronal.

Si bien el polvo neuronal podría usar un amplificador tradicional para detectar potenciales de acción , [ 3 ] en el caso de un sensor de polvo neuronal basado en ultrasonido, también se puede usar un cristal piezoeléctrico para medir desde su ubicación en el espacio extracelular . La energía ultrasónica reflejada de vuelta al interrogador se modularía de manera que comunicara la actividad registrada. [ 9 ] En un modelo propuesto del sensor de polvo neuronal, el modelo de transistor permitió un método para separar entre potenciales de campo locales y "picos" de potencial de acción , lo que permitiría una gran diversidad de datos que se podrían adquirir a partir de las grabaciones. [ 2 ]

Aplicaciones clínicas y sanitarias

Prótesis neuronales

Algunos ejemplos de prótesis neuronales incluyen implantes cocleares que pueden ayudar a restaurar la audición, [ 10 ] microchips de retina de silicio artificial que han demostrado ser eficaces en el tratamiento de la degeneración retiniana por retinosis pigmentaria , [ 11 ] e incluso prótesis motoras que podrían ofrecer la capacidad de movimiento a quienes padecen cuadriplejia o trastornos como la esclerosis lateral amiotrófica . [ 12 ] El uso de polvo neuronal junto con prótesis motoras podría permitir un control mucho más preciso del movimiento.

Electroestimulación

Si bien los métodos de estimulación eléctrica de nervios y tejido cerebral se han empleado desde hace tiempo, el tamaño y la naturaleza inalámbrica del polvo neuronal podrían permitir avances en las aplicaciones clínicas de esta técnica. Es importante destacar que, dado que los métodos tradicionales de neuroestimulación y ciertas formas de estimulación nerviosa, como la estimulación de la médula espinal, utilizan electrodos implantados que permanecen conectados a cables, el riesgo de infección y cicatrización es elevado. Si bien estos riesgos no son un factor en el uso del polvo neuronal, el desafío de aplicar suficiente corriente eléctrica al nodo sensor sigue presente.

Apnea del sueño

Los dispositivos de electroestimulación ya han demostrado cierta eficacia en el tratamiento de la apnea obstructiva del sueño (AOS). Investigadores que utilizaron un dispositivo de electroestimulación implantado quirúrgicamente en pacientes con AOS grave encontraron una mejoría significativa durante un período de tratamiento de 12 meses con el dispositivo. [ 13 ] También se ha demostrado que la estimulación del nervio frénico es eficaz para reducir la apnea central del sueño . [ 14 ]

Control de la vejiga en parapléjicos

Los dispositivos de estimulación eléctrica han sido eficaces para permitir que los pacientes con lesión de la médula espinal tengan una mejor capacidad para orinar y defecar mediante el uso de implantes radioconectados para estimular el área de la raíz anterior sacra de la columna vertebral [ 15 ].

Epilepsia

La terapia de estimulación eléctrica en pacientes con epilepsia ha sido un procedimiento bien establecido desde hace tiempo, remontándose a la década de 1950. [ 16 ] Un objetivo primordial de la Sociedad Americana de Epilepsia es el desarrollo continuo de la estimulación eléctrica cerebral automatizada (también conocida como estimulación contingente o de bucle cerrado), que proporciona estimulación eléctrica para detener las crisis epilépticas basándose en patrones cerebrales que indican que una crisis está a punto de ocurrir. Esto proporciona un tratamiento mucho mejor del trastorno que la estimulación basada en una estimación de cuándo podría ocurrir la crisis. [ 17 ] Si bien la estimulación del nervio vago suele ser un área objetivo para el tratamiento de las crisis epilépticas , se ha investigado la eficacia de la estimulación en el hipocampo , el tálamo y el núcleo subtalámico . La neuromodulación cortical de bucle cerrado también se ha investigado como técnica de tratamiento para la enfermedad de Parkinson. [ 18 ]

Referencias

  1. ↑ Warneke, B.; Last, M.; Liebowitz, B.; Pister, KSJ (enero de 2001). "Smart Dust: comunicación con una computadora de un milímetro cúbico". Computer . 34 (1): 44– 51. doi : 10.1109/2.895117 . ISSN 0018-9162 . S2CID 21557 .  
  2. 1 2 Rabaey, JM (septiembre de 2011). «Interfaces cerebro-máquina como la nueva frontera en la miniaturización extrema». Actas de la Conferencia Europea de Investigación de Dispositivos de Estado Sólido (ESSDERC) de 2011. págs. 19-24 . doi : 10.1109/essderc.2011.6044240 . ISBN  978-1-4577-0707-0. S2CID 47542923 . 
  3. 1 2 3 4 Biederman, W.; Yeager, D.; Narevsky, N.; Koralek, A.; Carmena, J.; Alon, E.; Rabaey, J. (abril de 2013). "Un sensor neuronal inalámbrico totalmente integrado y miniaturizado (0,125 mm² ) de 10,5 μW". 2013 IEEE Journal of Solid-State Circuits . págs. 960–970 . doi : 10.1109/JSSC.2013.2238994 . S2CID 20869633 .  
  4. 1 2 3 Seo, Dongjin; Neely, Ryan M.; Shen, Konlin; Singhal, Utkarsh; Alon, Elad; Rabaey, Jan M.; Carmena, Jose M.; Maharbiz, Michel M. (2016). "Registro inalámbrico en el sistema nervioso periférico con polvo neuronal ultrasónico" . Neuron . 91 (3): 529– 539. doi : 10.1016/j.neuron.2016.06.034 . PMID 27497221 . 
  5. ↑ Vidal, JJ (1973). "Hacia la comunicación directa cerebro-computadora" . Annual Review of Biophysics and Bioengineering . 2 (1): 157– 180. doi : 10.1146/annurev.bb.02.060173.001105 . PMID 4583653 . 
  6. ^ Müller, R.; Le, HP; Li, W.; Ledochowitsch, P.; Gambini, S.; Bjorninen, T.; Koralek, A.; Carmena, JM; Maharbiz, MM (enero de 2015). "Un implante ECoG inalámbrico #x03BC de 64 canales mínimamente invasivo" . Revista IEEE de circuitos de estado sólido . 50 (1): 344– 359. doi : 10.1109/jssc.2014.2364824 . ISSN 0018-9200 . S2CID 10502513 .  
  7. ↑ Kiourti, A.; Lee, CWL; Chae, J.; Volakis, JL (enero de 2016). "Un dispositivo inalámbrico totalmente pasivo para el registro neuronal y la monitorización discreta de neuropotenciales" . IEEE Transactions on Biomedical Engineering . 63 (1): 131– 137. doi : 10.1109/tbme.2015.2458583 . ISSN 0018-9294 . PMID 26208260. S2CID 688138 .   
  8. ↑ Schwerdt, HN; Xu, W.; Shekhar, S.; Abbaspour-Tamijani, A.; Towe, Columbia Británica; Miranda, FA; Chae, J. (octubre de 2011). "Un microsistema inalámbrico totalmente pasivo para el registro de neuropotenciales utilizando métodos de retrodispersión de RF" . Revista de sistemas microelectromecánicos . 20 (5): 1119– 1130. doi : 10.1109/jmems.2011.2162487 . ISSN 1057-7157 . PMC 3259707 . PMID 22267898 .   
  9. ↑ Seo, Dongjin; Carmena, Jose M.; Rabaey, Jan M.; Maharbiz, Michel M.; Alon, Elad (2015). "Validación de modelo de motas de polvo neuronal ultrasónicas sin conexión para registro cortical". Journal of Neuroscience Methods . 244 : 114–122 . doi : 10.1016/j.jneumeth.2014.07.025 . PMID 25109901. S2CID 8725986 .  
  10. ↑ Gantz, Bruce J.; Turner, Christopher; Gfeller, Kate E.; Lowder, Mary W. (2005-05-01). "Preservación de la audición en la cirugía de implante coclear: ventajas del procesamiento combinado eléctrico y acústico del habla" ( PDF) . The Laryngoscope . 115 (5): 796– 802. CiteSeerX 10.1.1.550.6842 . doi : 10.1097/01.mlg.0000157695.07536.d2 . ISSN 1531-4995 . PMID 15867642. S2CID 15736025 .    
  11. ↑ Chow, Alan Y. (1 de abril de 2004). "El microchip de retina artificial de silicio para el tratamiento de la pérdida de visión por retinosis pigmentaria" . Archives of Ophthalmology . 122 (4): 460–9 . doi : 10.1001/archopht.122.4.460 . ISSN 0003-9950 . PMID 15078662 .  
  12. ↑ Hochberg, Leigh R.; Serruya, Mijail D.; Friehs, Gerhard M.; Mukand, Jon A.; Saleh, Maryam; Caplan, Abraham H.; Branner, Almut; Chen, David; Penn, Richard D. (2006-07-13). "Control de dispositivos protésicos mediante conjuntos neuronales por un ser humano con tetraplejía". Nature . 442 (7099): 164– 171. Bibcode : 2006Natur.442..164H . doi : 10.1038/nature04970 . ISSN 1476-4687 . PMID 16838014 . S2CID 4347367 .   
  13. ↑ Strollo, Patrick J.; Soose, Ryan J.; Maurer, Joachim T.; et al. (2014). "Estimulación de las vías respiratorias superiores para la apnea obstructiva del sueño" . New England Journal of Medicine . 370 (2): 139– 149. doi : 10.1056/NEJMoa1308659 . ISSN 0028-4793 . PMID 24401051. S2CID 13764858 .    
  14. ↑ Abraham, William T.; Jagielski, Dariusz; Oldenburg, Olaf; et al. (2015). "Estimulación del nervio frénico para el tratamiento de la apnea central del sueño" . JACC: Heart Failure . 3 (5): 360– 369. doi : 10.1016/j.jchf.2014.12.013 . ISSN 2213-1779 . PMID 25770408 .   
  15. ↑ Brindley, GS; Polkey, CE; Rushton, DN (1982-12-01). "Estimuladores de la raíz anterior sacra para el control de la vejiga en la paraplejía" . Spinal Cord . 20 (6): 365– 381. doi : 10.1038/sc.1982.65 . ISSN 1476-5624 . PMID 6984503 .  
  16. ↑ Hariz, Marwan I.; Blomstedt, Patric; Zrinzo, Ludvic (30 de julio de 2010). "Estimulación cerebral profunda entre 1947 y 1987: la historia no contada" . Neurosurgical Focus . 29 (2): E1. doi : 10.3171/2010.4.focus10106 . PMID 20672911. S2CID 28313693 .  
  17. ↑ Osorio, I.; Frei, MG; Manly, BF; Sunderam, S.; Bhavaraju, NC; Wilkinson, SB (noviembre de 2001). "Una introducción a la estimulación eléctrica cerebral contingente (de bucle cerrado) para el bloqueo de convulsiones, a los ensayos clínicos ultracortos y al análisis estadístico multidimensional de la eficacia terapéutica". Journal of Clinical Neurophysiology . 18 (6): 533– 544. doi : 10.1097/00004691-200111000-00003 . ISSN 0736-0258 . PMID 11779966. S2CID 24399701 .   
  18. ↑ Beuter, Anne; Lefaucheur, Jean-Pascal; Modolo, Julien (2014). "Neuromodulación cortical de circuito cerrado en la enfermedad de Parkinson: ¿Una alternativa a la estimulación cerebral profunda?". Neurofisiología Clínica . 125 (5): 874– 885. doi : 10.1016/j.clinph.2014.01.006 . PMID 24555921. S2CID 22264222 .