数学与计算

物理治疗癫痫

字号+ 作者:admin 来源:小丑鱼-分享科普知识 2019-12-08 15:22

数以百万计的癫痫病患者生活在这种疾病无法预测的癫痫发作中。路易斯内姆泽(Louis Nemzer)描述了由于我们对大脑物理学的理解的进步,如何开发出预测和治疗这些事件的新颖方法 癫痫病是世界上最常见的慢性神经系统疾病,每100人中就有1人受到影响。它的特征是反复发作,通常没有明显的外部触发,但

  数以百万计的癫痫病患者生活在这种疾病无法预测的癫痫发作中。路易斯·内姆泽(Louis Nemzer)描述了由于我们对大脑物理学的理解的进步,如何开发出预测和治疗这些事件的新颖方法

  癫痫病是世界上最常见的慢性神经系统疾病,每100人中就有1人受到影响。它的特征是反复发作,通常没有明显的外部触发,但是是大脑中神经元行为异常的结果。实际上,这种痛苦是古代世界公认的最早的医学疾病之一。有一种具有2600年历史的巴比伦楔形文字片,可以区分各种类型的癫痫发作,而罗马皇帝朱利叶斯·凯撒(Julius Caesar)则被称为“病倒”。

物理治疗癫痫

  尽管希腊医生希波克拉底在公元前五世纪提出癫痫病是一种起源于大脑的医学疾病,但长期以来,许多人错误地认为癫痫病是由精神引起的。人们一直相信这种迷信,直到17世纪,人们终于接受了大脑确实是问题的根源。但是,没有人真正知道如何治疗癫痫病,其补救措施包括从规定饮食和特殊生活条件到药材的一切。一些患有癫痫病的人甚至在颅骨上钻了洞或进行了放血–但是这些手术技术远没有效果。

  数以百万计的人患有无法预测的癫痫发作-由于我们不完全了解的原因-无法通过药物甚至手术控制。

  令人欣慰的是,自那时以来,现代医学取得了长足的进步,但是仍有数百万人患有无法预测的癫痫发作,由于我们不完全了解的原因,这种癫痫发作无法通过药物甚至外科手术很好地控制。的确,对于30%患有癫痫病且无法治愈的症状的人来说,不可预测的癫痫发作会极大地阻碍他们的日常生活,例如,他们被禁止驾驶,游泳或操作机器,这是我们通常认为的活动是司空见惯的。由于突然的,意外的癫痫发作,有些人受了重伤,甚至死亡。显然,非常需要一种能够使这些患者采取必要的预防措施来完全预防甚至完全避免癫痫发作的预警系统。

  那么,物理学对这个挑战能说些什么呢?

  这都是一个阶段

  大脑是一个难以置信的复杂网络,由数百亿个神经元组成,形成数百万亿个连接,这使得预测任务显得艰巨。但是,每个神经元仍然是遵守物理定律的物理对象。

  描述神经元内部电压的基本方程式由Alan Lloyd Hodgkin和Andrew Fielding Huxley于1952年发现,他们为此于1963年获得了诺贝尔生理学或医学奖。霍奇金-赫克斯利(Hodgkin-Huxley)方程被认为是理解钠和钾离子从神经元涌入或流出时的复杂舞蹈的黄金标准。它们的运动取决于控制专门的离子门的电压变化-蛋白质打开和关闭膜中的孔以允许离子通过。解决这个耦合数学方程式的系统,研究人员可以随时追踪每个神经元的电压。

  可以建模的关键过程之一是每次神经元放电时电压的快速上升和下降。当神经元受到邻居的充分刺激后,将钠离子锁定的离子门突然打开。这些带电粒子大量涌入,导致内部电压尖峰。通过这种方式,信号可以沿着神经元的长度快速传播,然后传播到其他连接的脑细胞。

  我们已经对小型神经元网络的行为进行了计算机模拟,这使我们可以监视各个参数(例如每个神经元触发阈值)的微小变化的影响。

  作为在美国劳德代尔堡新星东南大学进行的研究的一部分,我们使用霍奇金-赫克斯利方程对小型神经元网络的行为进行了计算机模拟。这项工作使我们可以监视各个参数的微小变化所产生的影响,例如每个神经元触发的阈值或离子门的“粘性”,使它们保持打开状态的时间比应有的时间长。所有这些可能会对每个神经元的兴奋性产生重大影响。

  了解单个神经元的行为只是一个起点。复杂的系统(例如大脑)表现出集体或紧急行为,其中整体行为与其部分总和的行为有很大不同。这可能包括由于外部条件的平稳变化而导致的突然,明显的变化,就像当您将冰块从冰箱中拉出时发生的相变一样。直到您将其温度升高到临界点0°C时,它才保持冻结状态,随后立即熔化成液态水。这种转变是由于水分子之间复杂的相互作用所致,无论您单独研究单个水分子多长时间,您都不会猜到。

  同样,当大脑的正常功能被锁定为单个节律的神经元打断时,就会发生癫痫发作,这很可能也是一种相变。在这种情况下,在特定位置(癫痫发作重点)的一组高兴奋性神经元开始一致发射。这招募了其他神经元以使其与之同步,反过来又招募了其他神经元,从而引发了同步雪崩。在这张照片中,癫痫发作的焦点就像籽晶一样,当掉入一罐溶于热水的糖中时,会导致整个食物结晶成冰糖。

  混乱的边缘

  显然,大脑必须在过多的激励(可能导致混乱或失控的同步)与过多的抑制(导致停滞和不活动)之间进行微调。实际上,许多科学家认为,健康的大脑功能正处于混乱的边缘。在使用小型神经元网络的模拟中,我们可以识别“健康”状态,因为它显示了各种大小的活动爆发。也就是说,我们看到许多小突发,较少的中突发,以及少数大突发。由于没有特征性的突发大小,因此这种分布称为“无标度”。

  相反,如果钠离子门变得粘滞,则每个神经元现在会略微过度兴奋,从而导致全有或全无同步,在这种同步中,许多神经元会像癫痫病发作一样齐发。因此,微小变化的影响会不断累积,直到网络被“越过悬崖”推向病理同步。

  我们的计算机模拟有助于我们了解癫痫发作状态的特征。但是,要预测在接下来的15分钟内是否会发作癫痫病是一项更大的任务。试图分辨现在是否正在下雨(您可以将手伸到外面)和预测明天是否会下雨(最好召集最好的气象学家团队)之间是有区别的。

  对于此任务,我们需要实际的患者数据。常规上,通过脑电图(EEG)来监视大脑的活动,其中将电极直接放在患者的头皮上以检测大脑的电信号。但是,EEG数据并不完美,因为高频信号无法穿透颅骨,并且眨眼和其他肌肉运动可能会产生虚假的斑点。一种更准确的方法是脑皮层描记术(ECoG),该方法使用通过手术植入颅骨内部恰好位于大脑顶部的电极网格。显然,该技术涉及非常侵入性的操作,并非患者可以轻易接受的技术。只有在反复尝试治疗后仍继续发生严重癫痫发作的人才会选择植入电极。

  但是,即使在对ECoG数据进行搜索以寻找可指示癫痫发作何时开始的可识别信号之后,也没有任何突出之处。如果您甚至不知道要寻找什么模式,生成高质量数据有什么意义?这是新兴的计算机科学领域机器学习可以提供帮助的地方。

  该JE NE最高审计机关quoi 简

  您可能没有意识到这一点,但是机器学习已经在您的日常生活中变得很辛苦,在Facebook上标记人物,在Netflix上推荐您的下一部电影,以及提醒您的银行有可疑的交易(请参阅“学习革命”)。

  要了解机器学习的力量,您首先需要考虑常规编程如何利用计算机非常擅长的优势:即遵循规则。毕竟,计算机可以比任何人更快地运行流程图。但是,有些任务是我们凡人所擅长的,例如确定您的朋友简。想一想列出“规则”来分辨珍妮的照片需要多长时间,尤其是当您包括具有不同照明条件和角度的照片时。

  实际上,尝试使用一组严格的规则来训练计算机似乎是没有希望的。但这就是机器学习的用武之地。我们没有尝试手动编程计算机,而是提供了许多带有标签的示例来训练它。我们可以装满一个快照,然后告诉算法“这是Jane”或“这不是Jane”。随着时间的流逝,计算机通过强化学习了使Jane与其他人区分开的功能。

  为了对癫痫发作的风险进行分类,我们在佛罗里达州的小组正在采用机器学习算法,这些算法已经在医学中用于诊断放射图像。

  因此,为了对癫痫发作的风险进行分类,我们在佛罗里达州的小组正在采用机器学习算法,这些算法已经在医学中用于诊断放射图像。目前,我们正在训练机器学习模型-我们之前创建的仿真通过生成算法可以学习的仿真数据来提供帮助。接下来,只要我们有足够的患者标记ECoG数据,即使我们不知道算法使用的信号中的哪些功能,我们也希望能够建立一个高度准确的警告程序。尽管这种“黑匣子”方法乍一看似乎令人不安,但主要的测试将是所得系统的实用性(如果不是可解释性的话)。

  最终,我们希望使用该算法来开发一个准确,简单的智能手机应用程序,该应用程序将使用从无线头皮电极传输的数据为患者和医疗保健提供实时的癫痫发作风险信息,就像糖尿病患者现在可以收到自动警报一样从血糖监测仪。该信息将允许患者服用药物或至少进入安全的空间。有些人甚至可以进行电击,以完全避免癫痫发作。

  检测并治疗

  如果预计癫痫发作即将发生或已经开始,理想情况下,您希望能够防止癫痫发作升级。一种可能的方法是将药物直接给药于大脑内的癫痫病灶,这种方法甚至对于通常对口服药物无反应的患者也可能有效。

  英国剑桥大学的George Malliaras及其同事甚至能够制造出这种方法。他们的混合设备可以植入大脑,不仅可以检测到癫痫发作的开始时间,还可以自动递送神经抑制剂GABA,以使其快速镇定(Science Advances 4 eaau1291)。这种“按需”药物释放的补充完善了癫痫发作的预测方法,因为如果有一种有效,快速的方法来完全预防癫痫发作,那么知道癫痫发作的时间将具有更大的价值,特别是如果警告仅在癫痫发作之前的几秒钟内出现时即将开始。

  几千年来,人类一直在应对癫痫病,其对患者的影响从轻度不便到破坏性不等。然而,现代物理学提供了新的乐观态度,即生活质量的真正改善是可能的。没有通过药物或手术缓解的人可能仍然可以通过监测其可控制的慢性疾病的状况来过正常的生活。我希望对大脑物理的更多了解将对人们的生活产生真正的积极影响。

转载请注明出处。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。转载请注明seohttp://www.swlxs.com