Valutazione comparativa degli algoritmi che costituiscono lo stato dell’arte nel rilevamento di up state in registrazioni intracorticali in vivo.

Abstract

L'identificazione accurata degli stati transitori delle reti corticali a partire dalle registrazioni neurali è essenziale per comprendere le dinamiche cerebrali e consentire interventi di precisione nei disturbi neurologici. Sebbene le oscillazioni lente corticali modulino processi fondamentali come il consolidamento della memoria e la responsività della rete, la traslazione clinica delle terapie stato-dipendenti è stata ostacolata dalla limitata disponibilità di strumenti algoritmici specificamente progettati per le modalità di segnale accessibili in contesti reali. Rilevare gli stati corticali "Up" e "Down" in tempo reale è cruciale poiché questi ritmi segnano periodi in cui l'eccitabilità della rete cambia dinamicamente. Le transizioni tra questi stati, in particolare quelle da Down a Up, creano finestre temporali ottimali per indurre plasticità sinaptica. Ad esempio, la stimolazione stato-dipendente è stata sfruttata per influenzare il consolidamento della memoria durante il sonno. Questa tesi presenta un'analisi comparativa offline degli algoritmi allo stato dell'arte per il rilevamento degli stati corticali, colmando l'attuale lacuna nel campo riguardante studi di benchmarking completi. Inoltre, viene descritta l'implementazione e la validazione di un algoritmo di rilevamento in tempo reale degli stati corticali Up registrati tramite potenziali di campo locale (LFP) extracellulari, senza richiedere registrazioni intracellulari o iuxtacellulari, che risultano tecnicamente impegnative e meno facilmente disponibili. Questi risultati pongono le basi per applicazioni di neurostimolazione a ciclo chiuso (closed-loop) volte a migliorare il recupero funzionale nei cervelli lesionati.

Accurate identification of transient cortical network states from neural recordings is essential for understanding brain dynamics and enabling precision interventions in neurological disorders. While cortical slow oscillations modulate fundamental processes including memory consolidation and network responsivity, clinical translation of state-dependent therapies has been hindered by limited algorithmic tools specifically designed for the signal modalities available in real-world settings. Detecting cortical up and down states in real time is crucial because these rhythms mark periods of dynamically changing network excitability. The transitions between these states, particularly down-to-up transitions, create optimal temporal windows for inducing synaptic plasticity. For example, state-dependent stimulation has been exploited to influence memory consolidation during sleep. This thesis presents a comparative offline analysis of state of the art cortical states detection algorithms, addressing the current lack of comprehensive benchmarking studies in the field. In addition, it’s described the implementation and validation of a real-time detection algorithm for cortical up states recorded via extracellular local field potentials (LFPs), without requiring intracellular or juxtacellular recordings, which are technically demanding and less readily available. These findings lay the groundwork for closed-loop neurostimulation applications to enhance functional recovery in lesioned brains.