Développement d'un système de neuromodulation en boucle fermée sous contrôle IA pour les maladies chroniques
Résumé
Le traitement des maladies chroniques a représenté 58% des dépenses annuelles en soins de santé au Canada en 2012, principalement au moyen de produits pharmaceutiques. Cependant, ces médicaments sont généralement mieux adaptésaux maladies aigues, car avec une utilisation chronique, les effets secondaires s’accumulent avec le temps, alors que les effets thérapeutiques diminuent. La neuromodulation du système nerveux périphérique (SNP) représente une alternative thérapeutique prometteuse et adaptable aux produits pharmaceutiques. Ces traitements en sont encore à leurs balbutiements et sont actuellement dominés (>99.5%) par des dispositifs à stimulation en boucle ouverte avec un ajustement manuel dirigé par un clinicien. Un système en boucle fermée qui répond en temps réel à l’activité des nerfs périphériques permettrait des traitements ciblés et sensibles au dosage.Cependant, les systèmes de euromodulation en boucle fermée sont confrontés à un défi important; Une adaptation habile necessite de comprendre comment certains nerfs encodent l’information régissant le comportement des tissus ou des organes. De nouvelles méthodes doivent donc être développées pour décoder et exploiter le grand volume d’information extrêmement complexe transmise par le SNP. Ce projet utilisera les plus récentes découvertes en apprentissage autoatique pour décoder les signaux du SNP, les associer à leur effet physiologique et déclancher de mani`re optimale une stimulation ciblée du nerf. L’approche proposée produira des méthodes de calcul robuste, en temps réel, des biomarqueurs neuronaux et des modèles de stimulation nerveuse ciblée, qui serviront de base à des dispositifs fiables de neuromodulation implantés de manière chronique.
Partenaires
