Aplicación de algoritmos de aprendizaje por refuerzo al control de un estimulador cerebral

Abstract

La estimulación cerebral profunda es una técnica empleada en el tratamiento de algunas enfermedades neurológicas que no se pueden tratar adecuadamente con medicación. Consiste en la implantación de electrodos en regiones específicas del cerebro, que envían impulsos eléctricos para modular la actividad cerebral de los pacientes. La selección de los parámetros óptimos para la estimulación es un problema abierto, que se puede abordar con diferentes estrategias. En este trabajo se estudia la aplicación de una metodología de aprendizaje por refuerzo para la regulación automática de la amplitud de los pulsos eléctricos generados en la estimulación cerebral en función de las señales neurológicas observadas. Los algoritmos propuestos se aplican sobre un modelo neuronal simulado, en el que el objetivo del problema se caracteriza como la supresión de las oscilaciones colectivas de una población de neuronas sincronizadas.

Deep brain stimulation is a technique used in the treatment of certain neurological diseases that cannot be adequately controlled with medications. It involves the implantation of electrodes in specific brain regions, which send electrical impulses to modulate the brain activity of patients. Optimal selection of parameters for the stimulation is an open problem, that can be tackled with different strategies. In this work, we study the application of a reinforcement learning methodology to automatically regulate the amplitude of the generated electrical pulses based on observed neurological signals. The proposed algorithms are applied to a simulated neuronal model, where the objective of the problem is characterized as suppression of collective oscillations of a population of synchronized neurons.