Czynniki mózgowo-cielesne pośredniczące w zmienionych reprezentacjach cielesnych w wielu stanach patologicznych

Projekt dofinansowany przez Narodowe Centrum Badań i Rozwoju w ramach IV konkursu programu Era-Net Neuron

Tytuł projektu: Czynniki mózgowo-cielesne pośredniczące w zmienionych reprezentacjach cielesnych w wielu stanach patologicznych

Tytuł projektu w języku angielskim: Brain-Body factoRs mediating altEred Bodily representations in mUltiple pathological conditionS

Numer umowy: NeuronC2/IV/61/BB-REBUS/2025

Nazwa programu: Era-Net Neuron

Wartość dofinansowania: 1 222 453,13 PLN

Całkowita wartość projektu: 1 222 453,13 PLN

Okres realizacji: 01.05.2025 – 30.04.2028

Kierownik Projektu: dr hab. inż. Kamil Jonak, profesor uczelni

Streszczenie:

Projekt BB-REBUS koncentruje się na informatycznym modelowaniu zakłóconej komunikacji mózg–ciało i wykorzystuje zaawansowane algorytmy analizy danych do wyjaśnienia zaburzeń percepcji ciała u pacjentów po udarze, z uszkodzeniem rdzenia kręgowego oraz w stwardnieniu rozsianym. Kluczowym wkładem zespołu z Politechniki Lubelskiej jest zaprojektowanie pełnego łańcucha przetwarzania sygnału EEG – od algorytmów akwizycji, przez filtrację, segmentację i usuwanie artefaktów, aż po automatyczną ekstrakcję cech istotnych klinicznie. W tym celu tworzone będą dedykowane procedury programistyczne w środowisku Matlab, w tym moduły wykorzystujące szybką transformatę Fouriera do przejścia z dziedziny czasu do dziedziny częstotliwości i wyznaczania widm mocy w pasmach delta, theta, alfa, beta i gamma. Na tej podstawie powstaną algorytmy obliczające wskaźniki asymetrii między półkulami oraz wewnątrzpółkulowe profile aktywności czołowo-ciemieniowej, co pozwoli informatycznie scharakteryzować zróżnicowane stany neuronalne badanych pacjentów. Równolegle zespół opracuje oprogramowanie do oceny łączności funkcjonalnej mózgu z wykorzystaniem wskaźnika opóźnienia fazowego PLI i transformaty Hilberta, umożliwiające precyzyjne wyznaczanie chwilowych różnic fazowych między sygnałami z wielu elektrod. Wyniki tych obliczeń zasilą kolejny moduł algorytmiczny, w którym przy użyciu metod teorii grafów i algorytmu minimalnego drzewa rozpinającego MST odtwarzana będzie struktura biologicznych sieci neuronalnych dla każdego pacjenta. Cały pipeline informatyczny zostanie wdrożony i przetestowany na nowo utworzonym stanowisku EEG, a następnie przeniesiony – w postaci gotowych procedur i skryptów – do ośrodków klinicznych w Szwajcarii, Niemczech, i Włoszech. Dane rejestrowane przez partnerów zagranicznych będą standaryzowane i automatycznie przetwarzane przez opracowane algorytmy, tak aby zapewnić porównywalność wyników oraz wysoką jakość cyfrowych rekordów wykorzystywanych w dalszym modelowaniu. W drugim zasadniczym etapie projektu zespół z Politechniki Lubelskiej zbuduje scentralizowaną bazę danych, do której trafią zakodowane wyniki EEG, obrazy uszkodzeń mózgu, dane kliniczne, demograficzne oraz rezultaty z kwestionariuszy i zadań eksperymentalnych. Na bazie tego repozytorium zostanie przygotowany zestaw skryptów do wstępnego przetwarzania, uzupełniania braków, równoważenia klas oraz konwersji wielu zmiennych na postać binarną opisującą obecność lub brak zaburzeń BP i powiązanych deficytów. Następnie zastosowane zostaną algorytmy redukcji wymiarowości, takie jak analiza składowych głównych PCA i t-SNE, które pozwolą informatycznie wyodrębnić kluczowe kombinacje cech oraz wizualizować strukturę klastrów w wielowymiarowej przestrzeni danych. Na tym fundamencie zespół opracuje i zaimplementuje różne modele uczenia maszynowego, obejmujące maszyny wektorów nośnych SVM, drzewa decyzyjne i metody boosting, służące do klasyfikacji pacjentów z zaburzeniami BP i bez tych zaburzeń. Modele te będą trenowane najpierw na danych pacjentów po udarze, a następnie – w ścisłej współpracy z pozostałymi partnerami – transferowane i walidowane na zbiorach dotyczących stwardnienia rozsianego i urazów rdzenia kręgowego. W ramach prac informatycznych przewidziano systematyczną walidację krzyżową i analizy wrażliwości modeli, polegające na stopniowym włączaniu i wyłączaniu zmiennych demograficznych, klinicznych, behawioralnych oraz biomarkerów EEG, aby ocenić ich wpływ na trafność klasyfikacji. Wyniki tych obliczeń posłużą do identyfikacji algorytmicznych wzorców relacji mózg–ciało, które najlepiej prognozują rozwój zaburzeń percepcji ciała, przebieg rehabilitacji i potencjał powrotu do sprawności. Istotnym rezultatem technologicznym projektu będzie zestaw otwarto-źródłowych algorytmów BB-REBUS, obejmujących moduły do przetwarzania sygnału EEG, analizy sieci neuronalnych, redukcji wymiarowości i uczenia maszynowego. Oprogramowanie to zostanie udostępnione międzynarodowemu środowisku badawczemu, co umożliwi replikację wyników, dalsze rozwijanie narzędzi i ich adaptację do innych populacji klinicznych z zaburzeniami czuciowo-ruchowymi. Całość zaprojektowanych rozwiązań informatycznych będzie ściśle zintegrowana z potrzebami praktyki klinicznej, tak aby lekarze i terapeuci mogli otrzymywać przejrzyste raporty generowane automatycznie na podstawie złożonych analiz algorytmicznych. Projekt przewiduje również przygotowanie materiałów szkoleniowych i kursów opartych na wypracowanych narzędziach cyfrowych, co ułatwi wdrożenie algorytmicznych metod oceny i monitorowania zaburzeń BP do rutynowej opieki nad pacjentem. W rezultacie BB-REBUS stanie się kompleksową, mocno zinformatyzowaną platformą badawczo-kliniczno-edukacyjną, w której centrum znajdują się nowatorskie algorytmy przetwarzania szeregów czasowych EEG i uczenia maszynowego wspierające personalizowaną neurorehabilitację pacjentów z zaburzeniami percepcji ciała.