Новый метод анализа сигналов мозга открывает перспективы в лечении неврологических заболеваний

Исследователи из Медицинской школы Университета Миннесоты представили усовершенствованный метод анализа сигналов мозга, который углубляет понимание функциональности мозга. Это исследование может улучшить лечение таких неврологических заболеваний, как болезнь Паркинсона, боль, эпилепсия и депрессия. Результаты были опубликованы в журнале NeuroImage.

Дэвид Дэрроу, врач и старший автор исследования, отметил: «Этот прорыв обеспечивает более детальное понимание сложной активности мозга, подобно переходу от базового телескопа к сложной космической обсерватории. Инновация может повлиять на различные аспекты повседневной жизни — от образования и психического здоровья до искусственного интеллекта, открывая путь для будущих технологических достижений и более глубокого понимания человеческого познания».

Одним из ключевых результатов исследования является улучшенная способность анализировать прямые записи мозга. Это означает, что учёные теперь лучше понимают, как активность мозга соотносится с различными задачами и поведением. Кроме того, этот метод позволяет исследователям напрямую извлекать закономерности активности мозга в течение времени, показывая, как различные области мозга обрабатывают стимулы во время таких задач, как идентификация изображений.

Александр Герман, врач и соавтор исследования, подчеркнул: «Это исследование представляет собой значительный прогресс в нашей способности анализировать нейронные сигналы. Оно открывает новые возможности для понимания сложной динамики человеческого мозга, прокладывая путь для будущих открытий в области нейробиологии».

Команда исследователей работает над следующей версией платформы, которая позволит им декодировать сигналы мозга и применять стратегии для их интеграции в медицинские устройства и новые методы лечения.

Литература:
Seth D König et al, Flexible multi-step hypothesis testing of human ECoG data using cluster-based permutation tests with GLMEs, NeuroImage (2024). DOI: 10.1016/j.neuroimage.2024.120557