تراشه مغزی میکروسکوپی می‌تواند نابینایی را درمان کند

استفاده از فناوری تراشه‌های میکروسکوپی در پزشکی موضوع جدیدی نبوده و همچنین بازگرداندن بینایی به بیمارانی که دید خود را از دست داده‌اند، امر تازه‌ای نیست و قبلا هم‌چنین این قبیل تلاش‌های پزشکی مشاهده‌ شده است و این کار با استفاده از کارهایی مانند پیوند چشم امکان‌پذیر است. در این نوع عمل تنها مشکلی که ممکن است برای بیمار پیش بیایید این بوده که باید تا فراهم شدن عضو صبر کند که در بعضی موارد وجود بازار سیاه عضو می‌تواند برای بیمار دردسرساز باشد.

بااین‌حال، محققین دانشگاه رایس (Rice) توانسته‌اند به فناوری دیگری در این زمینه دست یابند که نه‌تنها می‌تواند بینایی ازدست‌رفته فرد را به وی بازگرداند بلکه قادر است تمامی اختلالات حسی را در آینده با استفاده از این تراشه مغزی رفع نماید.

این قطعه، یک شی مسطح میکروسکوپی است که بر روی مغز شما قرار داده می‌شود و قادر به نمایش و راه‌اندازی اعصاب بوده و در زمان فعال شدن با تشعشعاتی باعث اصلاح رشته‌های عصبی می‌شود.

بنابراین با قابلیت نمایش آن‌ها توسط این قطعه، اجازه ایجاد سنسورهایی را صادر می‌کند که قادر به ارسال داده‌های سمعی و بصری به مغز بوده و بنابراین باعث‌ ترمیم عصب‌های آسیب‌دیده مانند اعصاب صوتی و بینایی می‌شود.

بااین‌حال ما این فناوری را به‌عنوان یک شروع به‌حساب می‌آوریم و می‌دانیم که راه بسیار طولانی برای کاربرد قطعی آن در پیش خواهد بود ولی به‌نظر می‌رسد که این فناوری قدم در راه درستی نهاده است.

FlatScope از دانشگاه رایس قسمتی از بخش نوآوری‌های دارپا است که بر روی حوزه ایجاد رشته‌های عصبی باکیفیت بالا فعالیت می‌کند. Phillip Alvelda یکی از مدیران ارشد برنامه‌ریزی NESD می‌گوید:

با افزایش ظرفیت رشته‌های عصبی پیشرفته و قرار دادن بیش از 1 میلیون رشته عصبی در یک راستا، NESD تلاش می‌کند تا ارتباط دوطرفه بسیار قوی با مغز ایجاد نموده و کمک کند درک عمیق‌تری از رفتار اعضا مختلف براساس زیست شناسی، پیچیدگی و عملکرد داشته باشیم.

نوشته تراشه مغزی میکروسکوپی می‌تواند نابینایی را درمان کند اولین بار در پدیدار شد.

یک بازی آتاری ساختار مغز را به چالش کشید

گروهی از محققان، روش های آنالیز داده که توسط دانشمندان علوم اعصاب به کار می روند را به کار بسته اند تا یک شبکه عصبی ساده ساخته دست انسان را بررسی کنند: یعنی یک بازی آتاری ۲۶۰۰ به نام “Donkey Kong”. آنها به این نتیجه رسیدند که تصویری که از شیوه کار مغز در ذهن دانشمندان علوم اعصاب است، تصویر ناقصی می باشد.

گویا آی تی – امروزه دانشمندان علوم اعصاب ابزارهایی در اختیار دارند که متخصصان این حوزه تا همین چند دهه پیش خواب آن را می دیدند. اکنون می توانند در آن واحد، فعالیت تعداد بیشتری از نورون ها را با وضوح بهتری نسبت به گذشته ضبط کنند. اما، در عین حال که می توانیم حجم فوق العاده زیادی از داده ها را ضبط کنیم، هیچ راهی برای تست کردن اعتبار این نتایج نداریم، زیرا درحال حاضر نمی دانیم حتی ساده ترین مغز نیز چگونه کار می کند.

اریک جوناس، از یو. سی. برکلی (U. C. Berkeley) و کونارد کوردینگ از دانشگاه نورث وسترن (Northwestern University)، تصمیم گرفتند این الگوریتم ها را با استفاده از یک چهارچوب عصبی که برای ما قابل درک است، تست کنند: یک ریزپردازنده ۶۵۰۲ که در کنسول آتاری ۲۶۰۰ قرار می گیرد.
جوناس می گوید “به دلیل آنکه انسان ها این پردازنده را از طریق کنار هم قرار دادن ترانزیستورها طراحی کرده اند با روش ساخت آن آشنا هستیم، می توانیم شیوه کار آن را در هر سطحی بشناسیم و درک کنیم. ما میتوانیم آنچه به “درک و شناخت” این سیستم کمک می کند را با چشم ببینیم”.
“هدف ما آن بود که برخی از نقص های موجود در “درک ” خود، هنگام به کارگیری روش های تحلیلی مدرن در مورد مجموعه های داده های بزرگ موجود در سیستم های محاسباتی را برجسته کنیم”.

این محققان تکنیکهای استاندارد و کاربردی علوم اعصاب را برای تحلیل عملکرد این سخت افزار به کار بردند. آنها می خواستند ببیننند در ساخت مجدد مشخصات شناخته شده ای مانند معماری چیپ ست یا تاثیر نابود شدن ترانزیستورهای منفرد ، تا چه اندازه می توانند خوب عمل کنند. البته زیاد هم خوب نبودند. این تکنیک ها با آن اندازه از اطلاعاتی که یک دانشجوی معمولی مهندسی برق در مورد پردازنده ها دارد، کار نمی کنند.
جوناس می گوید “بدون تفکر دقیق، روش های فعلی برای تحلیل داده های بزرگ در علوم اعصاب، نمی توانند به ادامه حیات خود امیدوار باشند یا زمانی که این حوزه بیشتر توسعه پیدا کرد، نمی توانند به موفقیت خود ادامه دهند”.

کوردینگ اضافه می کند “پیشرفت، به آزمایش ها، نظریه ها و روش های بیشتری برای تحلیل داده ها نیاز دارد”.
البته در انجام این پژوش محدودیت هایی هم وجود داشت. جوناس و کوردینگ از همه تکنیک های مورد استفاده دانشمندان علوم اعصاب استفاده نکردند، و مهم تر از آن، ریزپردازنده ها تفاوت های زیادی با مغز انسان دارند. علاوه بر آن، یافته های آنها نشان می دهند آنچه علوم اعصاب نوین در مورد مغز دریافته، با محدودیت هایی همراه است. این دو محقق امیدوارند که با دستکاری سیستم های مصنوعی با مهندسی معکوس، بتوانیم درک بهتری از انجام همین کار با مغز به دست آوریم.
مقاله کامل، با عنوان “آیا یک دانشمند علوم اعصاب می تواند یک ریزپردازنده را بشناسد؟” در نشریه زیست شناسی محاسباتی PLOS منتشر شده است.

یک بازی آتاری ساختار مغز را به چالش کشید

گروهی از محققان، روش های آنالیز داده که توسط دانشمندان علوم اعصاب به کار می روند را به کار بسته اند تا یک شبکه عصبی ساده ساخته دست انسان را بررسی کنند: یعنی یک بازی آتاری ۲۶۰۰ به نام “Donkey Kong”. آنها به این نتیجه رسیدند که تصویری که از شیوه کار مغز در ذهن دانشمندان علوم اعصاب است، تصویر ناقصی می باشد.

گویا آی تی – امروزه دانشمندان علوم اعصاب ابزارهایی در اختیار دارند که متخصصان این حوزه تا همین چند دهه پیش خواب آن را می دیدند. اکنون می توانند در آن واحد، فعالیت تعداد بیشتری از نورون ها را با وضوح بهتری نسبت به گذشته ضبط کنند. اما، در عین حال که می توانیم حجم فوق العاده زیادی از داده ها را ضبط کنیم، هیچ راهی برای تست کردن اعتبار این نتایج نداریم، زیرا درحال حاضر نمی دانیم حتی ساده ترین مغز نیز چگونه کار می کند.

اریک جوناس، از یو. سی. برکلی (U. C. Berkeley) و کونارد کوردینگ از دانشگاه نورث وسترن (Northwestern University)، تصمیم گرفتند این الگوریتم ها را با استفاده از یک چهارچوب عصبی که برای ما قابل درک است، تست کنند: یک ریزپردازنده ۶۵۰۲ که در کنسول آتاری ۲۶۰۰ قرار می گیرد.
جوناس می گوید “به دلیل آنکه انسان ها این پردازنده را از طریق کنار هم قرار دادن ترانزیستورها طراحی کرده اند با روش ساخت آن آشنا هستیم، می توانیم شیوه کار آن را در هر سطحی بشناسیم و درک کنیم. ما میتوانیم آنچه به “درک و شناخت” این سیستم کمک می کند را با چشم ببینیم”.
“هدف ما آن بود که برخی از نقص های موجود در “درک ” خود، هنگام به کارگیری روش های تحلیلی مدرن در مورد مجموعه های داده های بزرگ موجود در سیستم های محاسباتی را برجسته کنیم”.

این محققان تکنیکهای استاندارد و کاربردی علوم اعصاب را برای تحلیل عملکرد این سخت افزار به کار بردند. آنها می خواستند ببیننند در ساخت مجدد مشخصات شناخته شده ای مانند معماری چیپ ست یا تاثیر نابود شدن ترانزیستورهای منفرد ، تا چه اندازه می توانند خوب عمل کنند. البته زیاد هم خوب نبودند. این تکنیک ها با آن اندازه از اطلاعاتی که یک دانشجوی معمولی مهندسی برق در مورد پردازنده ها دارد، کار نمی کنند.
جوناس می گوید “بدون تفکر دقیق، روش های فعلی برای تحلیل داده های بزرگ در علوم اعصاب، نمی توانند به ادامه حیات خود امیدوار باشند یا زمانی که این حوزه بیشتر توسعه پیدا کرد، نمی توانند به موفقیت خود ادامه دهند”.

کوردینگ اضافه می کند “پیشرفت، به آزمایش ها، نظریه ها و روش های بیشتری برای تحلیل داده ها نیاز دارد”.
البته در انجام این پژوش محدودیت هایی هم وجود داشت. جوناس و کوردینگ از همه تکنیک های مورد استفاده دانشمندان علوم اعصاب استفاده نکردند، و مهم تر از آن، ریزپردازنده ها تفاوت های زیادی با مغز انسان دارند. علاوه بر آن، یافته های آنها نشان می دهند آنچه علوم اعصاب نوین در مورد مغز دریافته، با محدودیت هایی همراه است. این دو محقق امیدوارند که با دستکاری سیستم های مصنوعی با مهندسی معکوس، بتوانیم درک بهتری از انجام همین کار با مغز به دست آوریم.
مقاله کامل، با عنوان “آیا یک دانشمند علوم اعصاب می تواند یک ریزپردازنده را بشناسد؟” در نشریه زیست شناسی محاسباتی PLOS منتشر شده است.