編程的深刻的腦子刺激智能算法在帕金森的開發大湖 NeuroTechnologies

Published on January 22, 2013 at 11:50 AM · No Comments

大湖 NeuroTechnologies (GLNT) 今天宣佈了他們展開研究確定使用智能算法的可行性協助編程帕金森病的深刻的腦子刺激設置。 這個研究在第$283,828階段之前資助我從國家衛生研究所,神經混亂國家學院和中風的小型企業創新研究經費。 技術在大湖 NeuroTechnologies [http://www.glneurotech.com] 和臨床可行性研究將被開發完成在阿拉巴馬的大學在伯明翰。

深刻的腦子刺激 (DBS)表示運動障礙的一種生長療法例如帕金森病 (PD)。 DBS 在腦子的特定區域介入種入電極,然後調整刺激設置對緩和 PD 症狀,无需導致副作用的級別。 當這種療法顯示了有效對待的帕金森的馬達症狀時,有在結果的一個巨大差距在被種入的患者中由於各種各樣的手術後管理,特別地關於 DBS 程序優化。 那裡可能在結果可變性的幾個原因在患者包括程序員培訓和體驗和需時確定最佳的套 DBS 參數。 程序員可能調整設置的幾種類型包括聯絡、極性、頻率、脈衝寬度和高度刺激。 這創建必須評估在馬達症狀的多個類型在一個限制時間框架的在辦公室訪問期間 的一個極大數量可能的組合。

「當 neuromodulation 市場繼續增長,我們看到對可能改進兩名醫師和患者的 DBS 編程的經驗」的增值工具的嚴格的需要,說 Dustin Heldman、生物醫學的研究經理和主要調查人在 GLNT。 「開發可能減少時期和優選結果的編程深刻的腦子刺激的智能算法的此研究目標。 它編譯在我們的評定的帕金森的馬達症狀 Kinesia 技術的嚴格的基礎在這個診所和在耐心的家」。 這個系統將利用現有的 Kinesia™技術 [http://glneurotech.com/kinesia/] 定量帕金森的馬達症狀例如震顫、動作遲緩和運動障礙開發功能映射。 智能算法將駕駛 DBS 參數空間確定最大化根據症狀的福利,當使副作用和電池衝減減到最小時的最佳的套程序參數。

Heldman 博士感謝神經混亂國家學院和中風資助階段我 NIH SBIR 項目 (1R43NS081902-01)。

關於大湖 NeuroTechnologies

大湖 NeuroTechnologies [http://www.glneurotech.com] 做對作早期工作在對服務研究、教育和醫學界的創新生物醫學的技術,改進對醫療技術的存取不同的人口的和確實地影響生活水平人的環球。

Read in | English | Español | Français | Deutsch | Português | Italiano | 日本語 | 한국어 | 简体中文 | 繁體中文 | Nederlands | Русский | Svenska | Polski