Exploring micro-Electrocorticographic Signals: from Animal Models to Humans

L’elettocorticografia (ECoG) è una tecnica di registrazione delle variazioni nell’attività nervosa utilizzata sia in clinica sia nell’ambito della ricerca scientifica, caratterizzata da un’alta risoluzione spazio-temporale. In studi recenti, sono state esplorate diverse strategie al fine di decodificare il linguaggio a partire da segnali elettrocorticografici, con risultati altamente promettenti. Tuttavia, molteplici aspetti della sintesi del linguaggio a partire dall’attività cerebrale devono essere migliorati prima di intraprendere la sfida dei trial clinici. Il primo aspetto che potrebbe essere migliorato riguarda la tollerabilità dell’impianto in cronico. L’utilizzo dell’ECoG standard costituisce un vantaggio nella decodifica del linguaggio, per la sua capacità di coprire diverse aree coinvolte nella produzione del linguaggio; tuttavia, questo aspetto è anche uno dei suoi più grandi svantaggi. Infatti, la procedura standard di impianto delle matrici ECoG richiede operazioni chirurgiche invasive, a causa della loro dimensione. Un nuovo approccio basato su matrici ad alta densità di micro-elettrodi posizionate direttamente sulla zona di interesse potrebbe massimizzare la specificità del segnale registrato. Inoltre, l’uso di materiali conformabili minimizzerebbe il rischio di danno alla corteccia e di morte neuronale per reazioni infiammatorie. Il secondo aspetto che potrebbe essere migliorato è dovuto alla necessità di progettare neuro-protesi per la codifica e la decodifica del linguaggio implicito a partire da segnali neurali. L’obiettivo di questi sistemi è di migliorare la qualità della vita di pazienti affetti da sindromi locked-in (LIS). In tali pazienti, la vocalizzazione è resa impossibile da gravi paralisi, nonostante la capacità di generare il linguaggio a livello corticale sia essere ancora intatta. Un miglioramento chiave nello sviluppo di neuroprotesi per il linguaggio consisterebbe nell’implementare un sistema di trigger per la decodifica del linguaggio, basato su segnali neurali registrati in aree coinvolte nella produzione. Una volta determinata la configurazione ottimale per la registrazione dei segnali in vivo su ratti Long Evans in termini di configurazioni elettriche di reference e ground, Single-Ended-Screw (senza reference), Differential o Single-Ended-Reference (con reference), è stato possibile traslare la conoscenza sull’uomo. La miglior configurazione validata in vivo è stata anche testata durante un esperimento condotto su un paziente sottoposto alla rimozione chirurgica di un glioma. Durante l’esperimento sono stati testati due dispositivi μECoG, appoggiati su un’area eloquente nota come speech arrest. Il soggetto durante l’esperimento ha eseguito un compito di denominazione di oggetti per un totale di trenta ripetizioni per dispositivo. Le features estratte dall’analisi tempo-frequenza in diverse bande sono state usate per addestrare un classificatore al riconoscimento della fase preparatoria del linguaggio. I segnali registrati mostrano pattern temporalmente specifici nelle diverse bande di frequenza di interesse (15-30 Hz, 30-60 Hz, 70-150 Hz). In particolare, l’attività anticipatoria nella banda del gamma alto ha permesso di predire con elevata accuratezza le fasi preparatorie del linguaggio. Tale scoperta potrebbe essere integrata in neuro-protesi per il linguaggio, come trigger per iniziare la decodifica quando non è possibile misurare un evento esplicito. I risultati di questa tesi forniscono nuove prospettive per la comprensione di processi complessi e ancora poco chiari come la produzione del linguaggio.

Electrocorticography (ECoG) is a neural recording technique employed in both clinical and research fields characterized by a relatively high spatiotemporal resolution. ECoG has an extremely low susceptibility to noise and motion artefacts when compared to other techniques, e.g., Electroencephalography (EEG). Recently, the possibility of decoding speech from ECoG signals has been investigated with promising results, profoundly advancing the clinical viability of using speech-related Brain-Computer Interfaces to restore communication. Speech neuroprosthetic devices aim to improve the quality of life of people suffering from communication deficits because of locked-in syndrome (LIS) or other serious motor disabilities. In such patients, vocalization might not be possible due to severe paralysis, even though language areas are still intact. However, two technical aspects shall be improved before researchers could start clinical trials in patient populations. The first key improvement regards the tolerability of chronic ECoG implants. Standard ECoG grids cover different brain areas recruited in language processing, which is considered an advantage for speech decoding. However, their employment requires invasive procedures due to the large size of the grid, while its stiffness can lead to inflammatory response. One critical improvement could involve flexible high-density micro-grids directly placed over eloquent areas. The second key improvement of the current approaches goes beyond the technical implantation limits. To make use of the promising results obtained in speech decoding from neuronal signals for neuroprosthetic applications, more attention should be paid to the feasibility of their use in a natural setting, e.g. communication deficits. One critical issue in the development of assistive devices is the lack of detectable speech-related events to control the decoding. Detecting speech-related motor intentions would represent a fundamental step toward speech neuroprosthetics. In fact, this achievement could function as trigger to start the decoding whenever an explicit alignment is not possible (e.g. the case of covert speech). As the vocal cue is employed to start the most common virtual assistants (e.g. Google Assistant, Alexa, Siri), a neuronal cue to activate the speech decoder is fundamental in application for patients unable to speak. Firstly, a new generation of devices known as micro-ECoG (μECoG, electrode pitch below 1 mm) arrays was tested in rats to determine the best recording configuration in terms of reference and ground connections, Single-Ended Screw (without reference), Differential or Single-Ended Reference (with reference). Afterwards, two ultra-conformable polyimide-based μECoG arrays (afterwards referred to as MuSA and CaLEAF) were validated with the best recording configuration, in order to test whether all the electrodes could record the high-frequency components of the evoked responses independently from their geometry. Finally, two μECoG arrays were acutely implanted in a human patient undergoing awake neurosurgery for tumor resection (low-grade glioma), to investigate speech production processes in speech-related cortical regions. Neural signals recorded were characterised by different and well-defined time-frequency components, time-locked to speech production. The results of this work provide new insights into the understanding of the complex and still unclear neural processes behind speech production with a spatial resolution never reached before in cortical recordings. The μECoG data provide valuable information at a very high spatiotemporal resolution, which could have important implications for the design of speech Brain-Computer Interface.