Sono stati sviluppati dei neuroni artificiali su chip di silicio, che si comportano proprio come quelli reali, una conquista prima nel suo genere con enormi possibilità per i dispositivi medici di curare malattie croniche, come l'insufficienza cardiaca, l'Alzheimer e altre malattie di degenerazione neuronale.
I neuroni artificiali non solo si comportano proprio come quelli biologici, ma hanno bisogno solo di un miliardesimo della potenza di un microprocessore, che li rende ideali per impianti medici e altri dispositivi bio-elettronici.
Il team di ricerca, guidato dall'Università di Bath e che comprende ricercatori delle Università di Bristol, Zurigo e Auckland, descrive i neuroni artificiali in uno studio pubblicato su Nature Communications.
Progettare neuroni artificiali che rispondono ai segnali elettrici provenienti dal sistema nervoso, come i neuroni reali, è stato per decenni un obiettivo importante nella medicina, in quanto apre alla possibilità di curare condizioni in cui i neuroni non funzionano correttamente, hanno una interruzione dei loro processi (come nelle lesioni del midollo spinale) o sono morti.
I neuroni artificiali potrebbero riparare i bio-circuiti malati replicando la loro funzione sana e rispondendo adeguatamente agli stimoli biologici per ripristinare la funzione corporea.
Nell'insufficienza cardiaca, ad esempio, i neuroni alla base del cervello non rispondono adeguatamente agli impulsi del sistema nervoso, che a sua volta non invia i segnali giusti al cuore, che poi non pompa così forte come dovrebbe.
Tuttavia lo sviluppo di neuroni artificiali è stata una grande sfida a causa delle difficoltà per la biologia complessa e per le risposte neuronali difficili da prevedere.
I ricercatori hanno modellato e derivato con successo le equazioni che spiegano come i neuroni rispondono a stimoli elettrici provenienti da altri nervi. Questo è incredibilmente complicato poiché le risposte sono ‘non lineari’; in altre parole, se un segnale diventa forte il doppio, non dovrebbe necessariamente suscitare una reazione doppia, potrebbe essere tre volte più grande o qualcos'altro.
Hanno quindi progettato chip di silicio che modellano accuratamente i canali ionici biologici, prima di dimostrare che i loro neuroni al silicio imitano con precisione i neuroni reali e viventi che rispondono ad una serie di stimolazioni.
I ricercatori hanno replicato accuratamente le dinamiche complete dei neuroni dell'ippocampo e dei neuroni respiratori dei ratti, per un'ampia gamma di stimoli.
Il professor Alain Nogaret, del Dipartimento di Fisica dell'Università di Bath ha guidato il progetto. Egli ha detto:
“Fino ad ora il neurone era rimasto una black box, ma siamo riusciti ad aprire la scatola e guardarci dentro. Il nostro lavoro è un cambio di paradigma, perché fornisce un metodo efficace per riprodurre le proprietà elettriche dei neuroni reali con dettagli precisi.
“Ma va anche oltre, perché i nostri neuroni hanno bisogno solo di 140 nanowatt di potenza. Questo è un miliardesimo del fabbisogno di potenza di un microprocessore, che hanno usato gli altri che hanno tentato di produrre neuroni sintetici. Questo rende i neuroni ben adatti per impianti bioelettronici per trattare malattie croniche.
“Per esempio stiamo sviluppando pacemaker intelligenti che non solo stimolano il cuore a pompare ad un tasso costante, ma usano questi neuroni per rispondere in tempo reale alle esigenze che il cuore deve soddisfare, che è ciò che accade naturalmente in un organo sano. Altre applicazioni possibili potrebbero essere nel trattamento di condizioni come l'Alzheimer e le malattie degenerative neuronali più in generale.
“Il nostro approccio combina diverse innovazioni. Possiamo stimare molto accuratamente i parametri precisi che controllano qualsiasi comportamento dei neuroni con elevata certezza. Abbiamo creato modelli fisici di hardware e abbiamo dimostrato che riesce ad imitare il comportamento dei neuroni viventi reali. Il terzo passo significativo è la versatilità del nostro modello che consente l'inserimento di diversi tipi e funzioni di una serie di neuroni complessi dei mammiferi“.
Il prof. Giacomo Indiveri, dell'Università di Zurigo e dell'ETF Zurich, coautore dello studio, ha aggiunto:
“Questo lavoro apre nuovi orizzonti per la progettazione di chip neuromorfici grazie al suo approccio unico per identificare parametri cruciali del circuito analogico”.
Un altro coautore, il prof. Julian Paton, fisiologo dell'Università di Auckland e dell'Università di Bristol, ha dichiarato:
“Replicare la risposta dei neuroni respiratori nella bioelettronica, che può essere miniaturizzata ed impiantata, è molto emozionante e apre enormi opportunità per dispositivi medici più intelligenti che ci portano alla medicina personalizzata per una serie di malattie e disabilità”.
Lo studio è stato finanziato dal programma Horizon 2020 / Future Emerging Technologies dell'Unione Europea e da una borsa di studio di dottorato dell'Engineering and Physical Sciences Research Council.
Fonte: University of Bath (> English text) - Traduzione di Franco Pellizzari.
Riferimenti: Kamal Abu-Hassan, Joseph Taylor, Paul Morris, Elisa Donati, Zuner Bortolotto, Giacomo Indiveri, Julian Paton & Alain Nogaret. Optimal solid state neurons. Nature Communications, 3 Dec 2019, DOI
Copyright: Tutti i diritti di eventuali testi o marchi citati nell'articolo sono riservati ai rispettivi proprietari.
Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non rappresenta necessariamente l'opinione dell'Associazione Alzheimer onlus di Riese Pio X ma solo quella dell'autore citato come "Fonte". I siti terzi raggiungibili da eventuali collegamenti contenuti nell'articolo e/o dagli annunci pubblicitari sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.
Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.