Los investigadores han logrado crear con éxito neuronas artificiales que responden casi de manera idéntica a las biológicas.
Las enfermedades y afecciones de salud conocidas como el Alzheimer, la insuficiencia cardíaca o la apnea del sueño pueden parecer completamente ajenas, pero en realidad tienen una cosa en común: surgen debido a problemas con las neuronas . El daño a las neuronas y / o los circuitos neuronales es un problema grave que está asociado con una multitud de resultados negativos para la salud. Como tal, la investigación sobre posibles estrategias para reparar neuronas o posibles formas de reemplazar las neuronas dañadas ha ido en aumento.
La medicina bioelectrónica es un campo relativamente nuevo de la medicina que "trata con el control electrónico de la función fisiológica, especialmente cuando se aplica en medicina para compensar los defectos del sistema nervioso". El componente principal del sistema nervioso, las neuronas, recibe y transmite información a través de señales eléctricas. La transferencia de información a través de los impulsos nerviosos es un proceso sofisticado que implica la excitación controlada y la inhibición de los canales iónicos a lo largo de la neurona. Los científicos en el campo de la medicina bioelectrónica han estado trabajando para desarrollar 'microcircuitos neuromórficos' que son capaces de procesar la información de los nervios y responder de la misma manera que lo haría una neurona biológica.
Sin embargo, el desarrollo exitoso de las neuronas artificiales ha resultado ser un desafío, ya que es difícil predecir cómo las neuronas biológicas responden a varios estímulos. Pero recientemente, los investigadores de la Universidad de Bath han tenido un gran avance en su intento de construir neuronas artificiales. En su estudio publicado en Nature Communications, los investigadores trabajaron para crear un modelo de 'neurona de estado sólido' que pudiera replicar con precisión la actividad de una neurona biológica. Estimaron los parámetros para su modelo y las ecuaciones derivadas que representarían "corrientes intracelulares y voltajes de membrana" para su neurona analógica de estado sólido. Además, mediante el uso de registros electrofisiológicos previamente documentados, pudieron estimar parámetros para canales iónicos individuales. Esto les permitió "transferir con éxito la dinámica completa de las neuronas hipocampales y respiratorias" a un chip de silicio.
En general, los investigadores pudieron desarrollar con éxito neuronas de estado sólido que mostraron respuestas que eran casi exactamente las mismas que las neuronas biológicas cuando se evaluaron con varias inyecciones de corriente. Los investigadores atribuyen su exitoso logro a tres características específicas de su enfoque. Primero, pudieron evitar que se establecieran criterios subjetivos para su modelo utilizando el proceso de 'asimilación de datos', que permitió que la estimación de los parámetros ocurriera como un proceso automatizado. En segundo lugar, los investigadores pudieron derivar un "modelo físico del hardware" para su modelo de neurona de estado sólido y pudieron demostrar que el hardware podía integrar con éxito la información de las neuronas biológicas. Tercero, Los investigadores señalan que un beneficio para su enfoque es que el modelo de neurona de estado sólido es versátil, ya que puede adoptar una variedad de propiedades neuronales, como diferentes tipos de canales iónicos, por ejemplo. Esto permite que el modelo de neurona en estado sólido pueda "describir neuronas complejas de mamíferos".
Los investigadores han podido desarrollar una metodología que puede transferir información neuronal de una neurona biológica al modelo de neurona de estado sólido, y luego del modelo de neurona de estado sólido a un chip de silicio. Otra hazaña notable que pudieron lograr es que las neuronas artificiales que pudieron crear solo requieren "una billonésima parte del poder de un microprocesador". Los investigadores concluyen que estos hallazgos son "más relevantes para la medicina bioelectrónica, donde se necesitan bioimplantes de baja potencia que se adapten a la retroalimentación fisiológica en tiempo real y terapias para enfermedades crónicas que se basan en la reparación de los circuitos enfermos del sistema nervioso central".
Las enfermedades y afecciones de salud conocidas como el Alzheimer, la insuficiencia cardíaca o la apnea del sueño pueden parecer completamente ajenas, pero en realidad tienen una cosa en común: surgen debido a problemas con las neuronas . El daño a las neuronas y / o los circuitos neuronales es un problema grave que está asociado con una multitud de resultados negativos para la salud. Como tal, la investigación sobre posibles estrategias para reparar neuronas o posibles formas de reemplazar las neuronas dañadas ha ido en aumento.
La medicina bioelectrónica es un campo relativamente nuevo de la medicina que "trata con el control electrónico de la función fisiológica, especialmente cuando se aplica en medicina para compensar los defectos del sistema nervioso". El componente principal del sistema nervioso, las neuronas, recibe y transmite información a través de señales eléctricas. La transferencia de información a través de los impulsos nerviosos es un proceso sofisticado que implica la excitación controlada y la inhibición de los canales iónicos a lo largo de la neurona. Los científicos en el campo de la medicina bioelectrónica han estado trabajando para desarrollar 'microcircuitos neuromórficos' que son capaces de procesar la información de los nervios y responder de la misma manera que lo haría una neurona biológica.
Sin embargo, el desarrollo exitoso de las neuronas artificiales ha resultado ser un desafío, ya que es difícil predecir cómo las neuronas biológicas responden a varios estímulos. Pero recientemente, los investigadores de la Universidad de Bath han tenido un gran avance en su intento de construir neuronas artificiales. En su estudio publicado en Nature Communications, los investigadores trabajaron para crear un modelo de 'neurona de estado sólido' que pudiera replicar con precisión la actividad de una neurona biológica. Estimaron los parámetros para su modelo y las ecuaciones derivadas que representarían "corrientes intracelulares y voltajes de membrana" para su neurona analógica de estado sólido. Además, mediante el uso de registros electrofisiológicos previamente documentados, pudieron estimar parámetros para canales iónicos individuales. Esto les permitió "transferir con éxito la dinámica completa de las neuronas hipocampales y respiratorias" a un chip de silicio.
En general, los investigadores pudieron desarrollar con éxito neuronas de estado sólido que mostraron respuestas que eran casi exactamente las mismas que las neuronas biológicas cuando se evaluaron con varias inyecciones de corriente. Los investigadores atribuyen su exitoso logro a tres características específicas de su enfoque. Primero, pudieron evitar que se establecieran criterios subjetivos para su modelo utilizando el proceso de 'asimilación de datos', que permitió que la estimación de los parámetros ocurriera como un proceso automatizado. En segundo lugar, los investigadores pudieron derivar un "modelo físico del hardware" para su modelo de neurona de estado sólido y pudieron demostrar que el hardware podía integrar con éxito la información de las neuronas biológicas. Tercero, Los investigadores señalan que un beneficio para su enfoque es que el modelo de neurona de estado sólido es versátil, ya que puede adoptar una variedad de propiedades neuronales, como diferentes tipos de canales iónicos, por ejemplo. Esto permite que el modelo de neurona en estado sólido pueda "describir neuronas complejas de mamíferos".
Los investigadores han podido desarrollar una metodología que puede transferir información neuronal de una neurona biológica al modelo de neurona de estado sólido, y luego del modelo de neurona de estado sólido a un chip de silicio. Otra hazaña notable que pudieron lograr es que las neuronas artificiales que pudieron crear solo requieren "una billonésima parte del poder de un microprocesador". Los investigadores concluyen que estos hallazgos son "más relevantes para la medicina bioelectrónica, donde se necesitan bioimplantes de baja potencia que se adapten a la retroalimentación fisiológica en tiempo real y terapias para enfermedades crónicas que se basan en la reparación de los circuitos enfermos del sistema nervioso central".
