UNIVERSIDADE FEDERAL DE UBERLNDIA FACULDADE DE ENGENHARIA ELTRICA

PS-GRADUAO EM ENGENHARIA ELTRICA

Modelos de Predio Linear para a Anlise

de Sinais Eletroencefalogrficos (EEG) e de Matrizes Multieletrodo (MEA)

Jaqueline Alves Ribeiro

Maio 2006

Livros Grtis

http://www.livrosgratis.com.br

Milhares de livros grtis para download.

UNIVERSIDADE FEDERAL DE UBERLNDIA FACULDADE DE ENGENHARIA ELTRICA

PS-GRADUAO EM ENGENHARIA ELTRICA

Modelos de Predio Linear para a Anlise de Sinais Eletroencefalogrficos (EEG) e

de Matrizes Multieletrodo (MEA)

Jaqueline Alves Ribeiro

Texto da dissertao apresentada Universidade Federal de

Uberlndia, perante a banca de examinadores abaixo, como parte dos

requisitos necessrios para a obteno do ttulo de Mestre em Cincias.

Aprovada em 29 de maio de 2006.

Banca Examinadora:

Prof. Elisngela P. Silveira Lacerda, Dra. (ICB/UFG)

Prof. Gilberto Arantes Carrijo, Dr. (FEELT/UFU)

Prof. Joo Batista Destro Filho, Dr. - Orientador (FEELT/UFU)

Prof. Joo Yoshiyuki Ishihara, Dr. (ENE/UnB)

Prof. Ubirajara Coutinho Filho, Dr. (Fequi/UFU)

Prof. Wilson Felipe Pereira, Dr. (ICBIM/UFU)

FICHA CATALOGRFICA Elaborada pelo Sistema de Bibliotecas da UFU / Setor de Catalogao e Classificao

R482m

Ribeiro, Jaqueline Alves, 1981- Modelos de predio linear para a anlise de sinais eletroencefalogrficos (EEG) e de matrizes multieletrodo (MEA) / Jaqueline Alves Ribeiro. - Uberlndia, 2006. 174 f. : il. Orientador: Joo Batista Destro Filho. Dissertao (mestrado) - Universidade Federal de Uberlndia, Programa de Ps-Graduao em Engenharia Eltrica. Inclui bibliografia. 1. Engenharia biomdica - Teses. 2. Processamento de sinais - Teses. I. Destro Filho, Joo Batista. II. Universidade Federal de Uberlndia. Programa de Ps-Graduao em Engenharia Eltrica. III. Ttulo. CDU: 61:62

Modelos de Predio Linear para a Anlise de Sinais Eletroencefalogrficos (EEG) e

de Matrizes Multieletrodo (MEA)

Jaqueline Alves Ribeiro

Texto da dissertao apresentada Universidade Federal de Uberlndia como parte dos

requisitos para obteno do ttulo de Mestre em Cincias.

Prof. Joo Batista Destro Filho, Dr.

Orientador

Prof. Darizon Alves de Andrade, Ph.D.

Coordenador do curso de Ps-Graduao

Aos meus pais, Antnio e Luzia, as minhas irms Adriana e Andrea

e ao meu afilhado Gabriel Victor pelo apoio e incentivo.

Esta no apenas uma conquista minha, mas sim de todos vocs, por tudo que fizeram por mim.

Obrigada!

iv

Agradecimentos A Deus pela vida e por guiar meus caminhos, por todas as bnos concedidas

para superar os momentos difceis nesta jornada. Minha f em Ti me fez acreditar que as

vitrias surgem atravs de esforos.

Aos meus amados pais, Antnio e Luzia, pelos princpios com que me criaram,

carinho e amor que tenho recebido; as minhas irms, Adriana e Andrea, em especial

Andrea por me ajudar a superar a dor nos momentos mais difceis, pela amizade, e

sempre estar do meu lado, incondicionalmente. Ao meu sobrinho Gabriel Victor, o

filho da dindinha, que me faz ver a vida do jeito dele, com as brincadeiras e risadas; ao

meu cunhado Alessandro, pelo apoio prestado, s vindas em Uberlndia, s mudanas,

e a toda minha famlia, tios, tias, avs, primos e primas, que sempre torceram pelo

meu sucesso.

madrinha Ondina por todo carinho e apoio prestado durante esta caminhada,

seus conselhos e sua amizade. Suas filhas Lara e Las, pelas descontraes.

amiga Flvia, minha mezinha de Uberlndia, pelo carinho, fora e

dedicao, por estar sempre por perto me auxiliando, em particular, s idas ao

supermercado, hidroginstica, fisioterapia, e aos amigos que conheci a partir dela,

clula Gerao guia pelos ensinamentos bblicos. Foi muito gratificante conhecer

vocs!

Aos meus amigos de longe e de perto pela fora e inspirao nessa jornada, as

conversas jogadas fora, as brincadeiras, as comidas comunitrias na Kitnet, os

conselhos, os passeios, os puxes de orelha merecidos, enfim... S Deus sabe o quanto

v

foram importantes quando os colocaram em meu caminho. Obrigada por fazerem parte

da minha vida!

Ao meu orientador Joo Batista Destro Filho, pelo constante estmulo e toda

ateno dedicada, e tambm pela compreenso nas minhas ausncias, por toda

confiana depositada em mim para a finalizao da dissertao.

Aos coordenadores da Ps-graduao com os quais tive contato durante minha

caminhada pela compreenso e apoio, acreditando em minha capacidade para concluir

esta jornada; secretria Marli Junqueira Buzzi pela dedicao e carinho e a todos os

funcionrios da Faculdade de Engenharia Eltrica da Universidade Federal de

Uberlndia que contriburam de alguma maneira para a concluso desta dissertao.

CAPES pela oportunidade do financiamento, mas que no foi possvel at o

final, pois tive que me ausentar durante o tratamento.

Ao Laboratrio de Engenharia Biomdica (BIOLAB) pelo amparo

tecnolgico e estrutural, aos colegas do BIOLAB, pela amizade e apoio durante esta

jornada, em especial, queles que conviveram comigo, Ailton Jr., Eduardo, Geovane,

Guilherme, Fbio, Karina, Marcelle, Saulo, Tiago Finotti. Obrigada a todos pelas

contribuies!!

A todos os professores que compem a banca, pelas discusses realizadas para a

finalizao deste trabalho, e tambm a disponibilidade em participar da defesa.

Aos alunos de Iniciao Cientfica, Rodrigo R. Cardoso e Aline R. de Assis

pela ajuda no processamento dos sinais, com esforo e dedicao. Ao acadmico de

Graduao de Engenharia Eltrica (UFU) Ronaldo J. Viana, por ter estudado toda a

base de dados EEG que compem este trabalho.

Universidade de Tampere (Finlndia), em particular ao Prof. A. Vrri, pelo

fornecimento da base de dados EEG. Tambm ao Prof. S. Martinoia, ao doutorando A.

N. Ide e todos os colegas da DIBE Universidade de Gnova, Itlia, pelo fornecimento

dos dados MEA utilizados neste trabalho. Prof. Nathalia Peixoto, Universidade de

Washington, USA, pelo registro das atividades eltricas neurais em microcrustceos.

vi

Ao Dr. Aguinaldo Bertucci (Hospital de Clnicas de Uberlndia),

neurocirurgio, e ao doutorando Fbio J. Parreira (BIOLAB), pelo intenso trabalho de

anlise e classificao do banco de dados EEG.

Ao Prof. Rodrigo Lemos Pinto (UFG) pelas referncias bibliogrficas, quando

estava em Goinia.

Aos colegas da Ps-Graduao, pelo companheirismo, colaborao e

aprendizagem que desenvolvemos juntos.

Por fim, agradeo a todos que direta e indiretamente contriburam para a

realizao desse feito, por me auxiliarem na imensa e inacabvel tarefa de auto-

conhecimento.

vii

No sei... Se a vida curta ou longa demais pra ns,

Mas sei que nada do que vivemos tem sentido, Se no tocamos o corao das pessoas.

Muitas vezes basta ser: Colo que acolhe,

Brao que envolve, Palavra que conforta, Silncio que respeita, Alegria que contagia,

Lgrima que corre, Olhar que acaricia,

Desejo que sacia, Amor que promove.

E isso no coisa de outro mundo, o que d sentido vida. o que faz com que ela no seja nem curta, nem longa demais,

Mas que seja intensa, verdadeira, pura... Enquanto durar...

Feliz aquele que transfere o que sabe e aprende o que ensina.

Cora Coralina

viii

Resumo RIBEIRO, J. A. Modelos de Predio Linear para anlise de Sinais

Eletroencefalogrficos (EEG) e de Matrizes Multieletrodo (MEA). Uberlndia: FEELT-

UFU, 2006, 174 f.

Esta dissertao objetiva propor modelos de sinais neurofisiolgicos, oriundos

de matrizes multieletrodo (MEA), utilizadas para a aquisio da atividade neural

espontnea a partir de clulas em cultura; bem como medidas neurolgicas obtidas de

eletroencefalografia (EEG). Os modelos so desenvolvidos no contexto aplicativo de

MEAs utilizadas como neuroimplantes, com especial enfoque na deteco e preveno

de crises epilpticas a partir de sinais EEG ou de medidas mais invasivas, obtidas em

nvel celular. Sob este enfoque, as tcnicas de processamento de sinais devem satisfazer

um compromisso complicado, exigindo baixa complexidade computacional e operao

em tempo real. Tais restries levam escolha da filtragem linear adaptativa, baseada

em modelo auto-regressivo, e teoria de estatsticas de ordem elevada (EOE) para,

respectivamente, processar sinais no-estacionrios e considerar a no-linearidade dos

sistemas envolvidos. O filtro de predio linear funcionou adequadamente para ambos

os sinais, sendo que para o caso da MEA, ele foi mais estvel e preciso. Observou-se

um menor tempo de convergncia para sinais EEG relativamente aos sinais MEA, os

quais, em sua maioria, podem ser considerados no-gaussianos e correlacionados,

ocorrendo uma atividade peridica em eletrodos vizinhos. A atividade neural

espontnea de pequenos grupos de neurnios pode ser considerada um rudo branco.

ix

Palavras-chave: predio linear, estatstica de ordem elevada,

eletroencefalografia, matriz multieletrodo, neuroimplante, codificao neural.

x

Abstract RIBEIRO, J. A. Linear-Prediction Models for Electroencephalographic (EEG) and

Multielectrode-Array (MEA) Signal Analysis. Uberlndia: FEELT-UFU, 2006, 174 f.

This work establishes models of neurophysiological signals, which are

composed of spontaneous activity measurements taken by means of multielectrode

arrays (MEAs) applied on in vitro cell cultures; as well as of neurological signals based

on electroencephalography. These models suppose that MEAs are employed as

neuroprostheses applied for detection and forecast of epileptic seizures, based on EEG

signals or on invasive measurements which are taken in a cellular level. From this point

of view, the signal processing tools must fulfil a problematic trade-off involving low

computational complexity and real-time operation. Such requirements lead to the choice

of auto-regressive adaptive-linear filtering and high-order statistics (HOE) as the

techniques to be used in order to cope with, respectively, non-stationary signals and

nonlinear systems. Linear prediction of both signals is quite efficient, particularly in the

case of MEA signals, for which the model is stable and accurate. On the other hand, the

convergence times for EEG signals are lower then their respective counterparts for

MEA signals, which may be considered mainly non-Gaussian and correlated. Cyclic

activity was also observed for MEA signals associated with neighboring electrodes,

whereas signals recorded from small groups of neurons present a white-noise behaviour.

Key-words: linear prediction, high-order statistics, electroencephalography,

multielectrode arrays, neuroprostheses, neural coding.

xi

Contedo Lista de Figuras................................................................................ XVI

Lista de Tabelas...............................................................................XXII

Lista de Abreviaturas e Smbolos................................................ XXIV

1. Introduo .......................................................................................26

2. Conceitos bsicos em neurofisiologia e neurologia .....................31

2.1 Introduo.................................................................................................... 31

2.2 O neurnio .................................................................................................. 32

2.2.1 Membrana Celular ............................................................................ 34

2.2.2 Canais inicos................................................................................... 36

2.3 Sinapses entre neurnios ............................................................................. 39

2.4 Potencial de membrana dos neurnios ........................................................ 42

2.4.1 Potencial de ao .............................................................................. 42

2.4.2 Potencial Ps-Sinptico (PPS).......................................................... 46

2.5 Medidas Neurofisiolgicas: Matrizes Multieletrodo (MEA) ...................... 47

2.5.1 Culturas Celulares ............................................................................ 47

2.5.2 Interface bioeletrnica ...................................................................... 49

2.5.3 Matrizes Multieletrodo ..................................................................... 50

2.5.4 Utilizao e Fabricao das MEAs................................................... 52

xii

2.5.5 Histrico ........................................................................................... 55

2.5.6 Aplicaes ........................................................................................ 56

2.6 O Sistema Nervoso (SN) ............................................................................. 62

2.6.1 Sistema Nervoso Central .................................................................. 64

2.6.1.1 A medula.................................................................................................. 65

2.6.1.2 O encfalo ................................................................................................ 67

2.6.2 Sistema Nervoso Perifrico .............................................................. 70

2.6.2.1 Sistema nervoso Autnomo. .................................................................... 70

2.6.3 Crebro ............................................................................................. 71

2.6.3.1 O crtex cerebral...................................................................................... 72

2.7 Medidas Neurolgicas: O Eletroencefalograma (EEG) .............................. 74

2.7.1 Introduo......................................................................................... 74

2.7.2 Medio ............................................................................................ 76

2.7.3 Caractersticas estatsticas do sinal EEG.......................................... 80

2.7.4 Tipos de ondas EEG ......................................................................... 81

2.8 Epilepsia ...................................................................................................... 83

2.9 Concluso .................................................................................................... 85

3. Sntese Bibliogrfica sobre Processamento de Sinais EEG e MEA .................................................................................................88

3.1 Introduo.................................................................................................... 88

3.2 Consideraes gerais e processamento digital de sinais EEG..................... 88

3.3 Processamento de sinais MEA .................................................................... 90

3.3.1 Pr-processamento e gerao da srie temporal e intervalos entre

spikes ............................................................................................... 90

3.3.2 Classificao dos spikes .................................................................. 93

xiii

3.3.3 Estimao da conectividade neural ................................................. 95

3.4 Concluso .................................................................................................... 97

4. Predio Linear Adaptativa e Estatstica de Ordem Elevada (EOE) .............................................................................................100

4.1 Introduo.................................................................................................. 100

4.2 Filtragem Adaptativa................................................................................. 101

4.3 Clculo dos Filtros .................................................................................... 105

4.3.1 Filtro timo: aproximaes de Wiener .......................................... 105

4.3.2 Filtros subtimos: aproximao estocstica .................................. 109

4.4 Predio Linear Direta (forward)........................................................... 111

4.4.1 Modelo auto-Regressivo (AR) ....................................................... 112

4.4.2 Modelo da Predio Linear Direta ................................................. 112

4.4.3 Critrios para uma boa predio..................................................... 113

4.4.4 Soluo tima de Wiener para Predio Linear Direta .................. 113

4.4.5 Soluo subtima usando aproximao estocstica do Gradiente . 117

4.5 Predio Linear Reversa (backward) .................................................... 119

4.5.1 Modelo auto-Regressivo (AR) Reverso ......................................... 119

4.5.2 Modelo da Predio Linear Reversa............................................... 119

4.5.3 Critrios para uma boa predio..................................................... 120

4.5.4 Soluo tima de Wiener para Predio Linear Reversa ............... 120

4.5.5 Soluo subtima usando aproximao estocstica do Gradiente

Reversa ........................................................................................... 121

4.6 Estatsticas de Ordem Elevada (EOE)....................................................... 122

4.6.1 Funes com uma varivel aleatria ............................................. 123

4.6.2 Funes com vrias variveis aleatrias......................................... 125

xiv

4.6.3 O rudo branco e os ndices de descorrelao ................................ 128

4.7 Concluso .................................................................................................. 129

5. Simulaes e Resultados...............................................................132

5.1 Introduo.................................................................................................. 132

5.2 Aquisio dos Sinais ................................................................................. 133

5.3 Ferramentas e Metodologia ....................................................................... 135

5.3.1 Processamento dos dados e critrios utilizados na Predio Linear135

5.3.2 Processamento de dados utilizado para estimao dos ndices de

descorrelao .................................................................................. 140

5.4 Resultados 1: EEG e Predio Linear ....................................................... 142

5.4.1 Processamento do banco de dados contendo sinais EEG com crise142

5.4.2 Processamento do banco de dados contendo sinais EEG sem crise144

5.4.3 Comparao dos resultados do banco de dados EEG/Crise e

EEG/SemCrise................................................................................ 146

5.5 Resultados 2: MEA e Predio Linear ...................................................... 147

5.5.1 Processamento de dados de sinais MEA Teste 1......................... 147

5.5.2 Processamento de dados de sinais MEA Teste 2......................... 150

5.5.3 Resumo dos resultados dos Testes 1 e 2 e comparao dos resultados

obtidos com os sinais EEG............................................................. 151

5.6 Resultados 3: MEA como Rudo Branco .................................................. 153

5.7 Concluso .................................................................................................. 155

6. Concluses e Trabalhos Futuros .................................................158

6.1 Concluses gerais ...................................................................................... 158

6.2 Trabalhos futuros....................................................................................... 162

Referncias Bibliogrficas.................................................................163

xv

Anexos .................................................................................................174

xvi

Lista de Figuras Figura 1.1 Neurnios reais (adaptada de (LENT, 2001).......................................... 27

Figura 2.1 Um neurnio motor e suas partes constituintes (adaptada de (URL 1)). 33

Figura 2.2 Neurnios em conexo e o boto sinptico no detalhe (adaptada de

(URL 2)) ................................................................................................. 34

Figura 2.3 Desenho esquemtico de uma clula, evidenciando suas organelas e a

membrana plasmtica (adaptada de (URL 4))........................................ 35

Figura 2.4 Desenhos esquemticos da membrana plasmtica com seus canais

proticos. Acima uma membrana com seus vrios canais numa viso

tridimensional (adaptada de (CARDOSO, 2005)). Abaixo os canais

inicos em evidncia (adaptada de (LENT, 2001))................................ 37

Figura 2.5 Sinapse qumica (adaptada de (URL 5)) ................................................ 39

Figura 2.6 Botes sinpticos em um neurnio receptor. Eles existem tanto no

soma como nos dendritos, s vezes ocorrendo tambm no incio do

axnio (cone axonal) (adaptada de (GUYTON, 2002)) ......................... 40

Figura 2.7 Boto sinptico em detalhe, evidenciando as vesculas e as

mitocndrias. Na fenda sinptica esto os neurotransmissores

(adaptada de (FRISN, 1999))............................................................... 41

Figura 2.8 Potencial de ao exibido em um osciloscpio (adaptada de (URL 6)). 43

Figura 2.9 Representao de uma onda de despolarizao e repolarizao

associada ao potencial de ao (adaptada de (GUYTON, 2002)) .......... 43

xvii

Figura 2.10 Potencial de ao (adaptada de (VILELA, 2005)) ................................. 44

Figura 2.11 Princpio do tudo-ou-nada: em A), o potencial de ao (PA) do

neurnio pr-sinptico gera um potencial ps-sinptico excitatrio

(PPSE) que no chega a atingir o limiar; em B), um trem de PAs gera

um PPSE que ultrapassa o valor de limiar, o que faz com que seja

deflagrado um PA no neurnio ps-sinptico (adaptada de (LENT,

2001)) ..................................................................................................... 45

Figura 2.12 Eventos eletroqumicos da sinapse excitatria e sinapse inibitria

(adaptada de (GUYTON, 2002))............................................................ 47

Figura 2.13 Interface bioeletrnica (adaptada de (FROMHERZ, 2003)).................. 49

Figura 2.14 Caminho neurnio- chip - neurnio (adaptada de (FROMHERZ,

2003)). Vide arranjo (c) da Figura 2.13.................................................. 50

Figura 2.15 Conjunto de eletrodos em um tecido nervoso (adaptada de

(RENNAKER, 2005)) ............................................................................ 51

Figura 2.16 Exemplos de aplicao das matrizes de microeletrodos (adaptada de

PEIXOTO, 2001) (a) corte de cultura em tecido do cerebelo sobre

MEA, (b) cultura celular de neurnios isolados do gnglio da raiz

dorsal de ratos em cultura (14 dias)........................................................ 52

Figura 2.17 Matriz tridimensional fabricada com tcnicas de

microeletromecanismos (adaptada de (BAY, 2000)) ............................. 53

Figura 2.18 Esquema geral da fabricao da MEA (adaptada de (PEIXOTO, 2001))53

Figura 2.19 (a) Matriz de microeletrodos com neurnios e sinais extracelulares

medidos de vrios neurnios em cada eletrodo. Gnglio abdominal de

Aplysia (adaptada de (STENGER, 1994)). (b) Sinais de uma matriz

extracelular versus sinais medidos com eletrodos intracelulares

(adaptada de (BEADLE, 1988)) ............................................................. 58

Figura 2.20 MEA funcionando como neuroimplante em um nervo fibular (adaptada

de (RUTTEN, 1999)).............................................................................. 59

xviii

Figura 2.21 Esquema de um neuroimplante inteligente (adaptada de (PEREIRA,

2004)) ..................................................................................................... 60

Figura 2.22 Clulas gliares: astrcitos (nutrio), oligodentrcitos (sustentao) e

clulas microgliais (defesa) (adaptada de (VILELA, 2005)................... 63

Figura 2.23 Figura esquemtica mostrando o SNC, representado pelo encfalo e

pela medula e o SNP, representado pelos nervos (adaptada de

(FRISN, 1999)).................................................................................... 64

Figura 2.24 Meninges: Dura-mter (mais externa), Aracnide (Intermediria) e

Pia-mter (mais interna)(adaptada de (CARDOSO, 2005))................... 65

Figura 2.25 Medula Espinhal e Encfalo (adaptada de (CARDOSO, 2005)) ........... 66

Figura 2.26 O encfalo (adaptada de (URL 6)) ......................................................... 67

Figura 2.27 Diencfalo e Tronco Enceflico. Vista posterior do encfalo com

excluso do cerebelo (adaptada de (VILELA, 2005))............................ 68

Figura 2.28 Ponte e Bulbo em evidncia, com o cerebelo ao fundo e parte do

telencfalo acima. Vista anterior do encfalo (adaptada de CARDOSO,

2005)) ..................................................................................................... 69

Figura 2.29 Seco mostrando a metade direita do encfalo vista por dentro,

evidenciando suas subdivises (adaptada de (VILELA, 2005)) ............ 69

Figura 2.30 Sistema Nervoso Central e Perifrico. Evidncia de parte do Sistema

Nervoso Autnomo (Simptico e Parassimptico), bem como de

exemplo de nervos motores e sensoriais (adaptada de (CARDOSO,

2005)) ..................................................................................................... 71

Figura 2.31 Lobos do crtex cerebral (adaptada de (VILELA, 2005)) ..................... 72

Figura 2.32 Subdivises funcionais corticais, cerebelo e tronco enceflico

(adaptada de (VILELA, 2005)) .............................................................. 73

Figura 2.33 Eletrodos posicionados no escalpo e o registro eletroencefalogrfico

(adaptada de (LENT, 2001))................................................................... 76

Figura 2.34 Eletrodos de disco de prata (modelos da Grass) (adaptada de

(BUTTON, 2000)).................................................................................. 77

xix

Figura 2.35 Eletrodos de agulha de platina (modelos da Grass) (adaptada de

(BUTTON, 2000)).................................................................................. 77

Figura 2.36 Eletrodos nasofarngeo (adaptada de (BUTTON, 2000))....................... 78

Figura 2.37 Eletrodos prefixados em grade (adaptada de (BUTTON, 2000)). Touca

com eletrodos posicionados (adaptada de (CARDOSO, 2005)) ............ 78

Figura 2.38 Eletrodos tipo clipe de orelha (ear clip) (adaptada de (BUTTON,

2000)) ..................................................................................................... 79

Figura 2.39 Eletrodos corticais (adaptada de (BUTTON, 2000)).............................. 79

Figura 2.40 Exemplos de ondas cerebrais (adaptada de (BUTTON, 2000) &

BERNARDI, 1999)) ............................................................................... 83

Figura 3.1 Forma de onda extracelular com diferentes potenciais de ao (adaptada

de (LEWICKI, 1998)) ............................................................................ 90

Figura 3.2 Mtodos de extrao da populao dos spikes (PS) (adaptada de (CHAN,

2004)) ..................................................................................................... 93

Figura 3.3 Histograma de intervalo de neurnio cruzado. Eixo y: intervalo entre

spikes [ms]. Eixo x: tempo [ms] (adaptada de (CASTELLONE, 2003))96

Figura 4.1 Diagrama de blocos representando o problema de filtragem estatstica

(adaptada de (WIDROW, 1985)) ......................................................... 102

Figura 4.2 Filtro Adaptativo usado para a identificao de um sistema (adaptada

de (HAYKIN, 1991))............................................................................ 103

Figura 4.3 Aplicao da filtragem adaptativa ao modelamento inverso (adaptada

de (HAYKIN, 1991))............................................................................ 104

Figura 4.4 Filtragem adaptativa aplicada predio. A sada 1 corresponde

predio do valor de entrada; A sada 2 refere-se ao erro de predio

( adaptada de (HAYKIN, 1991)) .......................................................... 104

Figura 4.5 Filtro adaptativo utilizado no cancelamento de interferncias (adaptada

de (HAYKIN, 1991))............................................................................ 105

xx

Figura 4.6 Ilustrao do problema geral do Filtro de Wiener. Dados dois

processos estacionrios, x(n) e d(n), que so estatisticamente

descorrelacionados entre si, o filtro W(z) minimiza a estimativa do erro

mdio quadrtico, d (n), de d(n). (adaptada de (DE FATTA, 1988)). 106

Figura 4.7 Filtro Transversal com N coeficientes (adaptada de (HAYKIN, 1991))107

Figura 4.8 Representao grfica de w1 x freqncia ........................................... 116

Figura 4.9 Representao grfica de w2 x freqncia ........................................... 116

Figura 4.10 Grfico da Funo Laplaciana, com seus momentos e cumulantes de

ordem 1 a 4 ........................................................................................... 127

Figura 4.11 Grfico da Funo Gaussiana, com seus momentos e cumulantes de

ordem 1 a 4. .......................................................................................... 127

Figura 4.12 Grfico da Funo Uniforme, com seus momentos e cumulantes de

ordem 1 a 4 ........................................................................................... 127

Figura 5.1 Potenciais de ao associados a neurnios do gnglio cerebral do

caramujo Tritonia diomedea (adaptada de (PEIXOTO, 2002)) ........... 134

Figura 5.2 Exemplo de um grfico tpico de eqm x n. Eixo x: tempo. Eixo y: erro

quadrtico mdio................................................................................... 137

Figura 5.3 Exemplo de EQMr, em um grfico tpico de eqm x n. O valor de EQMr,

calculado como mdia entre n=400 e n=600, . ................... 138 68EQMr

Figura 5.4 Exemplo de um grfico tpico de eqm x n em que o PM representa o

ponto mais alto do grfico, ocorrendo em n 600. ............................. 138

Figura 5.5 Exemplo de um grfico tpico de eqm x n em que o TC representa a

convergncia do sinal MEA TC 600. ................................................ 139

Figura 5.6 Exemplo de grfico tpico de eqm x n para o caso de um sinal EEG

com crise TE 600 ............................................................................... 140

Figura 5.7 Grfico PM x N para o processamento do banco de dados EEG/Crise.142

xxi

Figura 5.8 Grfico EQMr x N para o processamento do banco de dados

EEG/Crise............................................................................................. 142

Figura 5.9 Grfico TC x N para o processamento do banco de dados EEG/

Crise. .................................................................................................... 143

Figura 5.10 Grfico TE x N para o processamento do banco de dados EEG/Crise. 143

Figura 5.11 Grfico PM x N para o processamento do banco de dados EEG/Sem

Crise...................................................................................................... 144

Figura 5.12 Grfico EQMr x N para o processamento do banco de dados EEG/Sem

Crise...................................................................................................... 145

Figura 5.13 Grfico TC x N para o processamento do banco de dados EEG/Sem

Crise...................................................................................................... 145

Figura 5.14 Grfico PM x N para o sinal de MEA. ................................................. 148

Figura 5.15 Grfico EQMr x N para o sinal de MEA.............................................. 148

Figura 5.16 Grfico TC x N para sinal de MEA...................................................... 149

Figura 5.17 Grfico PM x N para o sinal de MEA. ................................................. 150

Figura 5.18 Grfico EQMr x N para o sinal de MEA.............................................. 150

Figura 5.19 Grfico TC x N para sinal de MEA...................................................... 151

xxii

Lista de Tabelas Tabela 2.1 Ondas cerebrais (adaptada de (BUTTON, 2000)) ................................. 81

Tabela 4.1 Algumas aplicaes da filtragem adaptativa. ....................................... 103

Tabela 4.2 Funo Laplaciana................................................................................ 127

Tabela 4.3 Funo Gaussiana................................................................................. 127

Tabela 4.4 Funo Uniforme.................................................................................. 127

Tabela 4.5 Sumrio das variveis do filtro de Wiener (adaptada de (HAYKIN,

1991)) ................................................................................................... 130

Tabela 5.1 Classificao dos sinais baseados nos ndices de descorrelao .......... 141

Tabela 5.2 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Ordem de

filtro e passo de adaptao.................................................................... 146

Tabela 5.3 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Tempo de

convergncia e tempo de estacionariedade........................................... 146

Tabela 5.4 Comparao dos resultados EEG/Crise e EEG/Sem Crise: Pico Mximo

e erro quadrtico mdio de regime permanente. .................................. 147

Tabela 5.5 Comparao dos Resultados MEA: Ordem de filtro e passo de

adaptao .............................................................................................. 152

Tabela 5.6 Comparao dos Resultados MEA: Pico Mximo e erro quadrtico

mdio de regime permanente................................................................ 152

Tabela 5.7 Comparao dos Resultados MEA: Tempo de convergncia .............. 152

xxiii

Tabela 5.8 ndices de descorrelao para diversos sinais ...................................... 153

Tabela 5.9 IDE para os sinais MEA descorrelacionados ....................................... 154

Tabela 5.10 IDE para os sinais MEA correlacionados............................................. 154

Tabela 5.11 IDE para os sinais MEA cclicos.......................................................... 155

xxiv

Lista de Abreviaturas e Smbolos ADP Adenosine Diphosphate (Difosfato de Adenosina ou Adenosina di-fosfato)

Ag-AgCl Prata-cloreto de prata

ATP Adenosine triphosphate (Trifosfato de Adenosina ou Adenosia tri-fosfato)

ANE Atividade Neural Espontnea

AR Modelo Auto-Regressivo

CMRR Common-Mode Rejection Ratio (Razo de Rejeio em Modo Comum)

EEG Eletroencefalografia, Eletroencefalograma ou Eletroencefalogrfico(a)

eqm Erro Quadrado Mdio

EOE Estatstica de Ordem Elevada

EQMr Erro Quadrado Mdio de Regime Permanente

ERG Eletroretinograma

GPS Global Positioning System (Sistema de Posicionamento Global)

ICM Interface Crebro-Mquina

IDE ndice de Descorrelao Elevada

K+ on Potssio

LMS Least Mean Square (Mnimos Quadrados Mdios)

MEA Multielectrode Array (Matriz Multieletrodo)

N Ordem do Filtro

xxv

Na+ on Sdio

P on Fosfato

PA Potencial de Ao

pdf Funo de densidade de probabilidade

PDS Processamento Digital de Sinais

PM Pico Mximo

PPS Potencial Ps-Sinptico

PPSE Potencial Ps-sinptico Excitatrio

PPSI Potencial Ps-sinptico Inibitrio

SN Sistema Nervoso

SNC Sistema Nervoso Central

SNP Sistema Nervoso Perifrico

SNR Signal-To-Noise Ratio (Relao Sinal-Rudo)

SUS Sistema Pblico de Sade

TC Tempo de Convergncia

TE Tempo de Estacionariedade

URL Uniform Resource Locator (localizao de informao na Internet)

USA Estados Unidos da Amrica

UTI Unidade de Tratamento Intensivo

Passo de Adaptao

Ohms

26

Captulo 1

Introduo O crebro um rgo que surpreende e impressiona. como uma ponte, por

assim dizer, entre conscincia e mundo exterior. Por isso mesmo tem sido, ao longo

da histria humana, objeto de inmeros questionamentos, instigando cientistas e

filsofos a elaborarem diferentes perspectivas a respeito de suas funes. Todavia,

graas ao avano dos instrumentos mdicos e aos estudos fisiolgicos do corpo

humano, o crebro est sendo melhor compreendido.

Alm de funes motoras e sensitivas, o crebro responsvel ainda pelo

desempenho de importantes atividades superiores como a memria e a cognio.

Trata-se de um dos mais misteriosos rgos do corpo humano. E por mais que

tentemos desvendar seus segredos, difcil compreend-lo.

No entanto, a cincia mdica, assim como a engenharia eletrnica, a

computao, e, atualmente, a engenharia neural, seguem de mos dadas com os

avanos tecnolgicos no intuito de melhor conhecer esta mquina, a qual, por sua vez

nos permite conhecer o mundo. Logo, o enfoque das pesquisas envolve o neurnio

(vide Figura 1.1), a unidade bsica do sistema nervoso, e o grande responsvel pelo

processamento das informaes no encfalo.

27

Figura 1.1 Neurnios reais (adaptada de (LENT, 2001)).

O desenvolvimento de diversas tcnicas, no sculo XX e no incio do sculo

XXI, capazes de realizar diferentes abordagens de estudo sobre o Sistema Nervoso

Central (SNC), vem possibilitando uma melhor compreenso do seu funcionamento

(HOLLAND, 2003). Contudo, ainda h muitos questionamentos acerca de diversas

patologias que afetam o SNC. Tornou-se possvel estudar as atividades cerebrais,

desde uma atividade motora ou sensitiva a uma atividade cognitiva, ou ainda o efeito

de uma patologia. Todavia, diversas disfunes do corpo humano consistem em

desafios para a medicina (Proc. IEEE, 2001). Dentre elas, devem-se destacar a

epilepsia, o controle da dor, e as distrofias. Esses desafios envolvem o

desenvolvimento de modelos matemticos eficientes e compatveis ao contexto

fisiolgico humano.

Uma das formas de modelar o crebro se baseia no estudo dos potenciais

eltricos evocados do crtex cerebral e captados por eletrodos dispostos no escalpo.

Para tal estudo, a eletroencefalografia (EEG) consiste em uma importante ferramenta

que permite o diagnstico e a anlise de diversas patologias que perturbam o crebro,

alm do monitoramento de pacientes em enfermarias ou UTIs e o acompanhamento

de fenmenos cognitivos.

Evidentemente, dentre estas patologias, pode-se citar a epilepsia, que atinge

cerca de 1% da populao mundial, ou 50 milhes de pessoas, dos quais 25% no

respondem ao tratamento com o mtodo tradicional (URL 10), que preconiza o uso de

28

drogas anticonvulsivantes. Pode-se citar, tambm, a dor crnica associada a processos

metastticos em pacientes terminais (Proc. IEEE, 2001).

As novas hipteses sobre os mecanismos desencadeantes das crises

epilpticas, fruto concreto da interao entre mdicos e engenheiros, aliada

moderna tecnologia de instrumentao biomdica, sugerem novas formas de terapia.

Em LITT e colaboradores (2003), os autores descrevem planos para a construo de

neuroimplantes que minimizariam crises epilpticas, incluindo experimentos

preliminares de eletroestimulao em animais. Tais circuitos funcionariam como

marcapassos cardacos, monitorando a atividade eltrica do crebro e identificando

fatores responsveis por uma crise. Uma vez detectada a possibilidade iminente de

crise, o dispositivo provocaria uma eletroestimulao no crebro ou em um nervo

perifrico, com objetivo de eliminar a crise. Similarmente, neuroimplantes tambm

poderiam ser utilizados para minimizar sensaes dolorosas, atravs da eletro-

estimulao, ou da neuromodulao obtida atravs da filtragem seletiva de potenciais

de ao do sistema nociceptivo.

Por outro lado, as recentes pesquisas esto causando uma revoluo nos

conceitos de instrumentao neurofisiolgica. Dentre elas, esto a interface

bioeletrnica, que permite mecanismos de transduo de um impulso nervoso de um

neurnio para dentro de um circuito eletrnico e vice-versa. Deve-se citar, tambm, as

matrizes multieletrodo (RUTTEN, 2002), que permitem a aquisio sistemtica de

potenciais de ao, utilizando os neurnios em cultura.

Alm disso, atravs de estmulos eltricos e da anlise da resposta neural celular

a estes, obtm-se resultados interessantes, diretamente aplicveis em neurocincia e em

procedimentos ligados reabilitao. Esta pesquisa constitui a base essencial para a

utilizao clnica de neuroimplantes especializados e/ou eletroestimulao em seres

humanos, as quais so atualmente limitadas pelos elevados custos da tecnologia de

matrizes multieletrodo (MEA).

De qualquer forma, o desenvolvimento tecnolgico da MEA, aliada ao

rompimento de barreiras no modelamento de sistemas complexos, tende em mdio e

longo prazos estabelecer novos pontos de vista sobre as patologias do sistema nervoso,

incluindo tambm os sinais EEG.

29

Enfim, surgem os desafios para a concretizao destas novas terapias, que so

paralelos ao desafio do modelamento dos fenmenos biolgicos associados. Dentre

estes, para o processamento de sinais, podem-se citar:

Propor modelos simples para compreenso intuitiva e desempenho eficiente,

atravs de algoritmos de baixa complexidade computacional;

Estabelecer um conhecimento sobre as caractersticas estatsticas do sinal MEA,

buscando novos pontos de vista sobre as patologias que envolvem a alterao da

neurodinmica, associada transmisso de informaes atravs do SNC;

Processar simultaneamente, atravs de MEA, vrios tipos de sinais biolgicos,

tanto em nvel celular, como em nvel neurolgico (EEG).

Esta dissertao representa um passo inicial para o desenvolvimento de

tecnologia prpria, em resposta aos desafios mencionados no pargrafo anterior. As

estratgias escolhidas para atingir as metas acima citadas esto descritas em detalhes em

cada um dos captulos deste trabalho.

No Captulo 2, faz-se uma sntese dos conceitos bsicos de neurofisiologia e

neurologia, bem como sobre as respectivas medidas que fornecem os sinais eltricos

utilizados nesta dissertao: a instrumentao atravs de MEAs, baseadas em culturas in

vitro, e os exames EEG. Discutem-se tambm aspectos fisiolgicos e epidemiolgicos

da epilepsia.

No Captulo 3, faz-se uma breve sntese das principais tcnicas atualmente

empregadas para o processamento de sinais oriundos de EEG e MEA, com enfoque

neste ltimo.

Com isso, no Captulo 4, apresentam-se as ferramentas tericas propostas que

tentam, de certa maneira, minimizar as limitaes das tcnicas atualmente utilizadas na

anlise da codificao neural e da epilepsia, buscando atender ao mximo os desafios

especificados como metas deste trabalho.

No Captulo 5, apresentam-se os resultados obtidos atravs da aplicao das

tcnicas apresentadas no Captulo 4 anlise de sinais MEA e EEG. Apresentam-se os

clculos e os resultados finais que conduzem aos modelos simples, em termos das

aproximaes auto-regressiva e rudo branco.

30

Por fim, no Captulo 6, so analisados os resultados obtidos em comparao aos

desafios iniciais. Sugestes importantes para trabalhos futuros, que podero ser

realizados a partir desta dissertao, so tambm apresentadas.

As principais contribuies desta dissertao so listadas logo abaixo:

A apresentao de um texto nico, reunindo informaes fisiolgicas em nvel

celular e neurolgico, que propicia uma conexo entre a epilepsia, o EEG, a

MEA e os fenmenos fisiolgicos associados (Captulo 2);

A discusso a respeito dos ndices de descorrelao elevada (Captulo 4);

O estabelecimento de modelos paramtricos AR para sinais EEG e MEA, de

baixa complexidade computacional (Captulo 5), permitindo concluses

importantes no contexto aplicativo de neuroimplantes;

A investigao detalhada, at a ordem n4, sobre a estrutura estatstica dos sinais

MEA (Captulo 5), que sugere novas perspectivas para o estudo da codificao

neural.

31

Captulo 2

Conceitos bsicos em neurofisiologia e neurologia

2.1 Introduo

Neste captulo apresentam-se os conceitos sobre os quais se baseiam as medidas

eletrofisiolgicas que contextualizam a aplicao deste trabalho. Tambm se apresentam

as estruturas biolgicas de interesse, com suas respectivas instrumentaes, em dois

nveis: celular e neurolgico.

Inicialmente, faz-se um estudo do neurnio, em particular de suas propriedades

especiais no que diz respeito aos potenciais eltricos. Em seguida, analisa-se o sinal de

matriz de multieletrodo (MEA), sua fabricao e aplicaes, como tambm as novas

tcnicas de instrumentao neurofisiolgica que sugerem a implementao de

neuroimplantes especializados.

Em seguida, de forma sucinta, explicam-se os princpios gerais do

funcionamento do sistema nervoso, destacando-se algumas reas funcionais do crebro,

uma vez que sua compreenso influencia a interpretao dos sinais de

eletroencefalografia (EEG). Consequentemente, faz-se uma breve reviso sobre os

sinais de EEG e suas caractersticas estatsticas; e tambm da epilepsia, suas causas,

tipos e conseqncias na populao mundial, particularmente no Brasil.

32

2.2 O neurnio

Todos os estmulos do nosso ambiente, causando sensaes como dor e calor; os

sentimentos, pensamentos, programao de respostas emocionais e motoras; a

aprendizagem e memria, a ao de drogas psicoativas, os distrbios mentais; bem

como qualquer outra ao ou sensao do ser humano, no podem ser entendidas sem o

conhecimento do processo de comunicao entre os neurnios.

O neurnio uma clula como qualquer outra: possui organelas, ncleo

individualizado, necessita de oxignio e nutrientes, e envolta por uma membrana

plasmtica. O que diferencia um tipo de clula de outra a sua funo no nosso

organismo. Portanto o que difere os neurnios de outras clulas, alm da sua maior

necessidade metablica, a sua funo especializada. Ela tem como funo receber,

processar e transmitir impulsos eletroqumicos, ou impulsos nervosos, que so sinais de

comunicao e codificao. Pode, assim, ser considerado como a unidade funcional

fundamental do sistema nervoso (LENT, 2001).

Cada neurnio compreende (vide Figura 2.1):

um corpo celular que contm um ncleo, retculo endoplasmtico muito

abundante (corpos de Nissl), mitocndrias, aparelho de Golgi e neurofibrilas;

uma ou mais ramificaes de filamentos citoplasmticos finos, denominados

dendritos, que conduzem os impulsos at ao corpo celular;

um prolongamento, o axnio, que pode ser muito longo e apresentar

ramificaes na sua parte distal ou, ao longo da sua extenso, formando

ramificaes colaterais. Em alguns casos, os axnios podem estar rodeados por

uma substncia esbranquiada, de natureza lipdica, a mielina, recoberta por

uma pelcula de citoplasma contendo ncleos, designada por bainha de

Schwann. A bainha de mielina descontnua, dando origem formao de

ndulos de Ranvier.

33

Figura 2.1 Um neurnio motor e suas partes constituintes (adaptada de (URL 1))

Os neurnios so clulas grandes, com numerosas projees, denominadas

dendritos. A maioria dos sinais recebida pelos neurnios em seus dendritos, outros

sinais so recebidos no corpo celular e alguns poucos no incio do axnio. Acredita-se

que no crebro existam cerca de 100 bilhes de neurnios.

Qualquer funo cognitiva, como pensar, mover, dormir, olhar, sentir, envolve a

integrao de um nmero desconhecido de neurnios, em reas especficas do crebro; e

de estruturas nervosas do organismo, fora do crebro. Os neurnios se interconectam em

complexas cadeias, e a mensagem viaja atravs de cada neurnio na forma de impulsos.

Os sinais eltricos transmitidos pelos neurnios se baseiam na movimentao de

ons (tomos, ou grupos de tomos, que perderam ou receberem eltrons), com cargas

positivas ou negativas, que se formam ao longo do neurnio como fruto de reaes

qumicas. Os neurnios podem ser classificados como:

Neurnios sensoriais ou aferentes: transmitem impulsos do exterior para

o sistema nervoso central;

Neurnios motores ou eferentes: transmitem impulsos do sistema

nervoso central para o exterior;

Neurnios de associao: conduzem impulsos entre os outros dois tipos

de neurnios.

Como qualquer outra clula, o neurnio possui um certo potencial de membrana,

a ser discutido mais adiante. O neurnio, por ser uma clula excitvel, tem este

potencial modificado dependendo dos estmulos que sofre atravs de sinapses (Figura

34

2.2), ou de outros estmulos. A variao do potencial de membrana percorre o axnio

como uma onda de despolarizao e repolarizao, que vai at os botes sinpticos.

Figura 2.2 Neurnios em conexo e o boto sinptico no detalhe (adaptada de (URL 2))

Devido bainha de mielina, a propagao do sinal ocorre de ndulo em ndulo,

uma vez que o potencial de ao somente pode ser regenerado nos ndulos, o que faz

com que este possa chegar ao seu destino de forma mais rpida. Este tipo de propagao

denominado de conduo saltatria. Alm disso, a resultante do somatrio de

capacitncias e resistncias adicionais das bainhas de mielina, envolvendo o axnio

neuronal, contribuem muito para o aumento da velocidade de conduo das fibras

nervosas.

2.2.1 Membrana celular

A membrana neuronal funciona como uma barreira para delimitar o citoplasma e

excluir certas substncias presentes que banham os neurnios. Sua espessura de 5 nm,

aproximadamente, e est repleta de protenas e lipdeos. A funo dos neurnios no

pode ser compreendida sem o conhecimento da estrutura e funo da sua membrana,

bem como das protenas associadas.

Quase 70% de toda massa corprea de um ser humano adulto basicamente

composto de gua, sendo o resto composto principalmente por sais dissolvidos na gua,

lipdios, protenas e glicose. Logo, pode-se dizer que toda clula pode ser considerada

como uma cpsula contendo uma soluo aquosa. O que separa esta cpsula do meio

externo, denominado meio extracelular, uma membrana semipermevel constituda

35

basicamente de lipdios e protenas (membrana lipoprotica), conhecida como

membrana plasmtica (Figura 2.3).

Quando um sal se dissolve em gua, suas ligaes inicas se desfazem, uma vez

que a elevada constante dieltrica da gua diminui a intensidade da fora inica e as

molculas de gua solvatem os ons. Ou seja, sais dissolvidos em gua se transformam

em ons livres (ctions e nions, molculas eletricamente carregadas positivamente e

negativamente), o que origina potenciais eltricos tanto no meio intra quanto no meio

extracelular.

Figura 2.3 Desenho esquemtico de uma clula, evidenciando suas organelas e a membrana

plasmtica (adaptada de (CARDOSO, 2005))

Devido a este fenmeno, e como a composio inica do meio intracelular se

difere da composio do meio extracelular, as clulas do nosso corpo apresentam uma

diferena de potencial eltrico entre o meio interno e o meio externo, que denominada

de potencial de membrana ou potencial de repouso da membrana. O interior da

membrana celular apresenta uma carga eltrica menor que a carga eltrica exterior.

Portanto, o potencial eltrico interno negativo em relao ao potencial eltrico

externo, que tomado por referncia.

A origem desse potencial eltrico pode ser explicada a partir da compreenso

dos fenmenos eletroqumicos protagonizados pela membrana plasmtica e por dois

importantes ons existentes em nosso corpo, dentro e fora das clulas: sdio (Na+) e

potssio (K+).

Quando em equilbrio (dinmico), existe uma diferena de concentrao desses

ons entre os meios intra e extracelular: h maior concentrao de Na+ no meio externo

clula e de K+ no meio interno, alm disso, h maior concentrao de nions orgnicos

dentro da clula. Isso acontece devido semipermeabilidade da membrana plasmtica e

36

devido sua capacidade de selecionar o trnsito de substncias entre a clula e o meio

em que ela se encontra, denominada permeabilidade seletiva.

A gua trafega de um lado ao outro da membrana celular por presso osmtica.

Ou seja, apesar de ser altamente insolvel nos lipdios da membrana, a gua atravessa

prontamente a totalidade da membrana celular, passando, quase toda ela, atravs dos

canais existentes nas molculas proticas (GUYTON, 2002).

Podemos afirmar que o canal protico se liga a uma molcula de ATP (trifosfato

de adenosina), que trafega no meio intracelular. Ocorre ento a quebra, formando ADP

(difosfato de adenosina) e P (fosfato), liberando energia. Assim, o canal se modifica,

atrai e se liga a trs ons de sdio (trs cargas positivas) no lado interno da membrana e

a dois ons de potssio (duas cargas positivas) do lado externo. Portanto, injeta o

potssio e ejeta o sdio. Isso ocorre de forma mais rpida que o funcionamento dos

canais de transporte passivo, o que contribui para a permanncia de um potencial de

cerca de -70 mV no meio intracelular em relao ao meio extracelular. Esse processo

denominado de equilbrio dinmico.

Alm de contribuir para a manuteno do potencial de membrana num dado

valor de tenso, uma das principais funes da bomba Na+/ K+ o controle do volume

das clulas. Sem o funcionamento dessa bomba, a maioria das clulas do corpo sofreria

tumefao, at ocorrer sua ruptura (GUYTON, 2002).

2.2.2 Canais inicos

Os canais inicos regulam o fluxo de ons atravs da membrana de todas as

clulas. Em particular, nas clulas neurais e musculares, eles so importantes para o

controle das rpidas variaes do potencial de membrana, associadas ao potencial de

ao e aos potenciais ps-sinpticos das clulas-alvo (KANDEL, 2000).

Esses canais so grandes protenas que atravessam toda a estrutura da

membrana, incluindo grupos carboidratos (glicoprotenas) presos sua superfcie,

conforme a Figura 2.4. Todos os canais apresentam um poro aquoso central, que se

estende de uma face outra da membrana. Muitos canais so formados por duas ou

mais subunidades, que podem ser idnticas ou diferentes, permitindo o fluxo de ons de

37

modo seletivo, continuamente ou em resposta a estmulos eltricos, qumicos ou

mecnicos (LENT, 2001).

Figura 2.4 Desenhos esquemticos da membrana plasmtica com seus canais proticos. Acima uma membrana com seus vrios canais numa viso tridimensional (adaptada de (CARDOSO, 2005)). Abaixo os canais inicos em evidncia (adaptada de (LENT, 2001))

A membrana plasmtica de todas as clulas, inclusive das neurais, consiste em

um mosaico de lipdios e de protenas. A superfcie dessa membrana formada por uma

dupla camada de fosfolipdios. Nessa lmina lipdica contnua, ficam embebidas as

molculas de protena, inclusive os canais inicos.

A facilidade com que um on se desloca dentro de uma soluo (sua

mobilidade ou constante de difuso) no depende simplesmente da sua dimenso, como

tambm do tamanho da molcula do solvente. O canal inico abre e fecha de forma

tudo-ou-nada, resultando em breves pulsos de corrente atravs da membrana. Se o

potencial eltrico variar atravs da membrana, a corrente que flui pelo canal se altera

38

proporcionalmente. A corrente linearmente relacionada fora propulsora; em outras

palavras, o canal se comporta como um resistor eltrico (KANDEL, 2000).

Os canais inicos so classificados em dois tipos:

os canais catinicos, que, na maioria das vezes, permitem a passagem de

ons sdio, quando esto abertos; mas s vezes, tambm permitem a

passagem de ons potssio e/ou clcio;

os canais aninicos, que permitem, sobretudo, a passagem de ons

cloreto, mas, tambm, de quantidades diminutas de outros nions

(GUYTON, 2002).

Os canais catinicos que conduzem ons sdio so revestidos por cargas

negativas. Essas cargas atraem os ons sdio carregados positivamente para dentro do

canal, quando o dimetro deste aumenta at um tamanho maior que aquele do on sdio

hidratado. Essas mesmas cargas negativas, porm, repelem os ons cloreto e outros

nions, impedindo sua passagem.

J para os canais aninicos, quando seu dimetro se torna suficientemente

grande, conduzem ons cloreto para seu interior e seguem para o lado oposto; enquanto

os ctions sdio, potssio e clcio so bloqueados, porque a dimenso de seus ons

hidratados impedem sua passagem pelos canais aninicos.

Portanto, uma substncia transmissora que abre os canais catinicos

denominada de transmissor excitatrio. Ao contrrio, a abertura de canais aninicos,

permitindo a entrada de cargas eltricas negativas, inibe o neurnio. Essas substncias

transmissoras que abrem estes canais so denominadas de transmissores inibitrios.

Quando a substncia transmissora ativa o canal inico, este se abre em frao de

milissegundos; quando a substncia transmissora no est mais presente, o canal se

fecha de modo igualmente rpido. Desta forma, a abertura e o fechamento dos canais

inicos permite um meio para o controle rpido dos neurnios.

39

2.3 Sinapses entre neurnios

Os neurnios devem desencadear informaes sobre o estado interno do

organismo e seu ambiente externo, avaliar esta informao, e coordenar atividades

apropriadas situao e s necessidades atuais do organismo. Cada neurnio se

comunica com o seguinte por meio de sinapses nervosas (Figura 2.5), que pode ser

definida como o conjunto de fenmenos bioqumicos ocorrendo no espao de conexo

entre os neurnios. O nmero de conexes de um nico neurnio pode variar de

algumas unidades at algumas centenas de milhares, segundo (GUYTON, 2002).

Figura 2.5 - Sinapse qumica (adaptada de (URL 3))

A clula nervosa cuja terminao do axnio se conecta ao soma ou ao dendrito

do outro neurnio denominado de neurnio pr-sinptico, sendo responsvel pelo

envio do impulso. O neurnio seguinte, que recebe o impulso, denominado de

neurnio ps-sinptico. Entre esses dois neurnios existe a fenda sinptica, de largura

compreendendo 200 a 300 Angstroms.

Aproximadamente 80% a 95% dos botes ou terminais pr-sinpticos (Figura

2.6) se situam nos dendritos dos neurnios ps-sinpticos, e apenas 5% a 20% se situam

sobre o soma (GUYTON, 2002).

40

Figura 2.6 Botes sinpticos em um neurnio receptor. Eles existem tanto no soma como nos dendritos, s vezes ocorrendo tambm no incio do axnio (cone axonal) (adaptada de (GUYTON, 2002))

So as sinapses que possibilitam a transmisso do impulso nervoso de um

neurnio ao outro, ou de um neurnio a uma fibra muscular, determinando, inclusive, o

sentido que este impulso deve tomar. Tal impulso a transmisso de um sinal

codificado, como resultado de um estmulo ocorrido ao longo da membrana do

neurnio. Dois tipos de fenmenos esto envolvidos no processamento do impulso

nervoso: eltricos e qumicos. Eventos eltricos propagam um sinal dentro do neurnio,

e processos qumicos transmitem o sinal de um neurnio a outro ou a uma clula

muscular. Os processos qumicos ocorrem no final do axnio, que libera substncias

qumicas ou neurotransmissores, os quais se unem a receptores qumicos situados nos

canais inicos da membrana do neurnio seguinte, permitindo assim a troca de

informaes entre duas clulas nervosas.

Por exemplo, um neurnio motor colinrgico cujo neurotransmisssor principal

a acetilcolina, e que inerva uma clula muscular esqueltica, produzir uma ao

sinptica excitatria nesta clula. J um neurnio motor, tambm colinrgico, que inerva

41

uma clula muscular cardaca, produzir uma ao sinptica inibitria (LENT, 2001),

permitindo que a ao do neurnio ps-sinptico seja restringida ou estimulada.

As sinapses qumicas so extremamente importantes porque permitem a

conduo do impulso nervoso numa nica direo: o impulso segue do neurnio pr-

sinptico (transmissor) ao neurnio ps-sinptico (receptor). A importncia dessa

transmisso unidirecional se justifica pela necessidade do sinal ser enviado a

determinadas reas especificas do sistema nervoso, bem como pela necessidade de

atuao de controle em determinados grupos musculares, ou em glndulas secretoras.

No terminal pr-sinptico, temos duas estruturas bastante importantes: as

vesculas sinpticas, que contm as substncias neurotransmissoras a serem liberadas na

fenda sinptica; e as mitocndrias, que fornecem energia (ATP trifosfato de

adenosina) para a sntese desses mesmos neurotransmissores (Figura 2.7). Estes ltimos

apresentam ao rpida. Cada vez que um potencial de ao atinge o terminal pr-

sinptico, algumas vesculas liberam, ao mesmo tempo, o transmissor para o interior da

fenda sinptica, dentro de um intervalo de 1 ms ou menos. A ao desses transmissores

sobre os canais inicos da membrana do neurnio ps-sinptico tambm ocorre dentro

de 1 ms ou menos.

Figura 2.7 Boto sinptico em detalhe, evidenciando as vesculas e as mitocndrias. Na fenda sinptica esto os neurotransmissores (adaptada de (FRISN, 1999))

42

2.4 Potencial de membrana dos neurnios

A membrana do neurnio apresenta uma propriedade muito particular que o

distingue da maioria das clulas do organismo. Essa propriedade, a excitabilidade,

permite que o neurnio produza e transmita a outros neurnios os sinais eltricos em

cdigo, que constituem a linguagem do sistema nervoso (LENT, 2001).

Os biopotenciais enceflicos podem ser diferenciados em dois tipos (BUTTON,

2000): o Potencial de Ao e o Potencial Ps-Sinptico (PPS). O primeiro caracteriza a

transmisso dos impulsos eletroqumicos pelos axnios, ocorrendo de forma assncrona

e em direes ortogonais superfcie do escalpo. O segundo o potencial de membrana

resultante no neurnio ps-sinptico, com amplitude muito reduzida (LENT, 2001).

2.4.1 Potencial de ao

Os pesquisadores britnicos Alan Hodgkin (1914-1998) e Andrew Huxley

(1917) foram os pioneiros em estudos para desvendar a bioeletrognese do impulso

eltrico do neurnio (LENT, 2001). Na converso entre a energia bioeltrica, que ocorre

na sinapse, os potenciais de ao convergem para o terminal sinptico, e a energia

qumica, representada pela quantidade de neurotransmissor, liberada na fenda

sinptica.

O potencial de ao uma alterao rpida e brusca da diferena de potencial

transmembrana. A membrana do neurnio polarizada em repouso em torno de -70

mV. O potencial de ao consiste de uma reduo rpida da negatividade da membrana

at 0 mV e inverso deste potencial at valores de aproximadamente de +30 mV,

seguido de um retorno tambm rpido at valores negativos entre zero e o potencial de

repouso, -70mV, conforme a Figura 2.8.

43

Figura 2.8 - Potencial de ao exibido em um osciloscpio (adaptada de (URL 4))

O potencial de ao um fenmeno de natureza eletroqumica e ocorre devido a

modificaes na permeabilidade da membrana do neurnio, que permitem a passagem

de ons de um lado para o outro da membrana. Como os ons so partculas carregadas

eletricamente, ocorrem tambm modificaes no campo eltrico gerado por essas

cargas.

A membrana de alguns tipos de neurnios polarizada em repouso com valor

cerca de -90 mV (GUYTON, 2002). Com a despolarizao, h um pico de at cerca de

+35 mV. Observa-se um aumento rpido do potencial de membrana; seguido de uma

descida tambm rpida, at um valor inferior ao valor de repouso (cerca de -100 mV), e,

por fim, um lento retorno at o valor de repouso de -90 mV (Figura 2.9).

Figura 2.9 Representao de uma onda de despolarizao e repolarizao associada ao potencial de ao (adaptada de (GUYTON, 2002))

No entanto, para que seja deflagrado um potencial de ao ao longo do axnio,

necessrio que o estmulo sofrido pela membrana do neurnio (no dendrito, no corpo,

ou no cone axonal) seja capaz de elevar abruptamente o potencial da membrana de 15 a

44

30 mV (GUYTON, 2002), ou seja, o potencial deve chegar a cerca de -65 mV

(potencial de limiar).

Apesar do impulso nervoso ocorrer no sentido do axnio, a onda de

despolarizao/repolarizao da membrana se propaga em todos os sentidos a partir do

ponto em que foi deflagrada (Figura 2.10). Todavia esta onda cessa ao atingir a regio

da membrana prxima ao corpo do neurnio, bem como aos dendritos. Com relao ao

axnio, a onda segue at os botes sinpticos e l desencadeia uma reao qumica, que

caracterizar a comunicao do neurnio com a clula seguinte.

Em virtude do gradiente de concentrao e da carga negativa do fluido

extracelular, os ons entram na fibra atravs dos canais inicos. A entrada de sdio

despolariza a membrana, isto , a face da membrana imersa no fluido extracelular das

fibras se torna menos negativo, em relao ao interior. Se esta despolarizao,

denominada potencial gerador, alcana o nvel crtico (limiar), a membrana ir gerar um

potencial de ao.

Figura 2.10 Potencial de ao (adaptada de (VILELA, 2005))

45

Uma vez atingido o limiar, o potencial de ao ocorre com amplitude e durao

fixas. Se o limiar no for atingido, ou seja, a despolarizao ou o influxo de sdio no

forem suficientemente fortes, no ocorre o potencial de ao (Figura 2.11). Este

fenmeno conhecido como princpio do tudo-ou-nada (GUYTON, 2002).

Ocasionalmente, o potencial de ao alcana um ponto na membrana onde no

gerar voltagem suficiente para estimular a rea adjacente da membrana. Quando isso

ocorre, a propagao da despolarizao interrompida. Portanto, para que a propagao

de um impulso continue, a proporo entre o potencial de ao e o limiar de excitao

deve ser, a qualquer tempo, maior que 1.

Figura 2.11 Princpio do tudo-ou-nada: em A), o potencial de ao (PA) do neurnio pr-sinptico gera um potencial ps-sinptico excitatrio (PPSE) que no chega a atingir o limiar; em B), um trem de PAs gera um PPSE que ultrapassa o valor de limiar, o que faz com que seja deflagrado um PA no neurnio ps-sinptico (adaptada de (LENT, 2001))

medida que se abrem os canais de sdio, abrem-se tambm os canais de

potssio, entretanto de forma mais lenta. Quando os canais de sdio esto

completamente abertos, os de potssio ainda esto se abrindo, ou seja, com o passar do

tempo, aumenta a quantidade de potssio que sai da clula, fazendo com que a

amplitude do potencial de ao comece a diminuir. Quanto menos positivo o potencial

de membrana, menos sdio entra na clula, e com a sada de mais potssio, mais o

potencial avana no sentido negativo, retornando ao repouso.

46

Porm, antes da membrana se repolarizar, o potencial ultrapassa o potencial de

repouso, devido ainda lentido dos canais de potssio, que esto se fechando

novamente. Desta forma, o potencial vai lentamente retornando ao valor de repouso.

Isso pode ser observado na Figura 2.9.

2.4.2 Potencial Ps-Sinptico (PPS)

Para uma sinapse excitatria, o resultado do potencial de ao do neurnio pr-

sinptico a gerao de um PPS despolarizante, ou seja, um potencial que tende a

aproximar-se do potencial de limiar. Isso faz com que o neurnio ps-sinptico tenha

mais facilidade em disparar potenciais de ao.

Quando sinapses excitatrias descarregam sobre as superfcies dos dendritos ou

do soma de um neurnio, gera-se um potencial ps-sinptico que persiste por muitos

milissegundos, especialmente quando alguma das substncias transmissoras sinpticas

de longa durao est envolvida. Esse potencial pode continuar a excitar o neurnio,

fazendo com que ele transmita uma salva de impulsos de sada (GUYTON, 2002).

J no caso de uma sinapse inibitria, o resultado do potencial de ao do

neurnio pr-sinptico a gerao, no neurnio seguinte, de um PPS hiperpolarizante,

ou seja, um potencial que tende a afastar-se do potencial de limiar. Isso faz com que o

neurnio ps-sinptico tenha mais dificuldade em disparar potenciais de ao (LENT,

2001).

Como o neurnio ps-sinptico recebe inmeras aes sinpticas, sua atividade

depende do somatrio de todos os potenciais gerados por todas as sinapses que ocorrem

em sua membrana. Este processo de somao denominado de integrao sinptica.

Por exemplo, o potencial de repouso da membrana do soma neuronal de alguns tipos de

neurnios de cerca de -65 mV (Figura 2.12). Na sinapse excitatria, este potencial

sobe para -45 mV (potencial ps-sinptico excitatrio PPSE). Entretanto, a descarga

de um s terminal no capaz de elevar o potencial desta forma, assim, so necessrias

vrias descargas simultneas de muitos terminais, por exemplo de 40 a 80 terminais

para um neurnio motor comum (GUYTON, 2002). Na sinapse inibitria, o potencial

47

cai a -70 mV (potencial ps-sinptico inibitrio PPSI), impedindo a ao do neurnio

ps-sinptico, ou seja, impedindo que os outros neurnios possam ativ-lo.

Figura 2.12 Eventos eletroqumicos da sinapse excitatria e sinapse inibitria (adaptada de (GUYTON, 2002))

2.5 Medidas Neurofisiolgicas: Matrizes Multieletrodo

(MEA)

2.5.1 Culturas celulares

Em condies apropriadas, a maior parte das clulas vegetais e animais podero

viver, multiplicar-se e at mesmo expressar propriedades diferenciadas em uma placa de

cultura de tecidos. As clulas podem ser observadas sob o microscpio e vrias anlises

analisadas bioquimicamente, e os seus aspectos morfolgicos, imunolgicos e

farmacuticos podem ser explorados. Experimentos com clulas oriundas de cultura so,

s vezes, ditos como tendo sido conduzidos in vitro para contrast-los daqueles

experimentos com organismos intactos, os quais so referidos como conduzidos in vivo.

Os termos podem ser confusos porque so freqentemente utilizados com sentidos

diferentes por bioqumicos, para quem in vitro aplicado em referncia a reaes

48

bioqumicas ocorrendo em cultura; enquanto in vivo aplicado para qualquer reao que

ocorra dentro de clula no seu ambiente natural.

A tcnica de cultura celular foi inaugurada por Ross Granville Harrison, no

incio do sculo XX (BEADLE, 1988). Ele realizou experimentos com sapos e

posteriormente com pintinhos, mostrando que fibras nervosas desenvolvem-se a partir

de corpos celulares individuais, ao contrrio do que at ento se acreditava. Entretanto,

h apenas trinta anos atrs, os mtodos de cultura de clulas comearam a ganhar

proeminncia na neurobiologia, motivados por duas descobertas. A primeira, os

neuroblastos, so clulas embrionrias do tecido nervoso que originam outras clulas

nervosas, obtidos de um tumor, que podiam ser investigados e controlados quando

mantidos em cultura, de forma a induzir a diferenciao neural (SCHUBERT, 1969). A

segunda, as culturas monitoradas in vitro, pela elongao axonal (BRAY, 1970).

Existem basicamente trs mtodos para cultura de clulas: o uso de clulas

dissociadas, cultura organotpica e de reagregao (BANKER, 1991). A cultura de

clulas dissociadas ou dispersas apresenta como vantagem a manuteno das

propriedades morfo e fisiolgicas presentes no tecido de origem. A cultura organotpica

se refere transplantao de tecido; sua vantagem principal a preservao da

arquitetura do tecido. Por outro lado, esta tcnica aplicvel apenas se o tecido ou

pode ser manipulado na forma laminar. As clulas reagregadas so dissociadas e

mantidas em suspenso; elas tendem a se reagregar em pequenas esferas se mantidas em

frascos e centrifugadas. Este tipo de cultura adequado para o estudo do

amadurecimento neural (STIER, 1993). A tcnica mais adequada para avaliao de

crescimento axonal e formao de sinapses entre neurnios a dissociao. Nesta

tcnica, as culturas podem ser primrias, sendo utilizadas nos experimentos diretamente

logo aps extrao, sem qualquer alterao; e de linhagens celulares, em que o processo

de mitose induzido. Neste ltimo caso, as clulas se multiplicam originam vrias

geraes, criando uma populao com caractersticas genticas homogneas e bem

conhecidas.

49

2.5.2 Interface bioeletrnica

Uma interface bioeletrnica corresponde um sistema onde um pedao de tecido

nervoso, geralmente mantido vivo em cultura celular, conectado a um circuito eltrico,

na tentativa de se estabelecer um intercmbio bidirecional de informao.

A Figura 2.13 ilustra o funcionamento dessa interface, ou seja, a integrao do

sistema neural eletrnica digital (BONIFAZI, 2002). No primeiro passo (a), ilustrada

a interface individual das clulas nervosas. No prximo passo, o par de clulas nervosas

acoplado. No arranjo (b), a estimulao do neurnio A induz a transferncia do

potencial de ao pela rede neural para o neurnio B, cujo sinal gravado atravs do

transistor. No arranjo (c), o registro do sinal do neurnio A ocorre pelo transistor, sendo

transferido posteriormente para o chip de microeletrnica, at atingir o neurnio B, que

ento estimulado. No ltimo passo (d), as redes neurais so definidas e a criao do

chip para a comunicao estabelecida, fornecendo uma rede dinmica e computacional

para as comunicaes bidirecionais entre os sinais. Portanto, a conexo neurnio

circuito neurnio o passo elementar da interface bioeletrnica.

(a) (b)

estimulador transistor

Neurnio A

Neurnio B Neurnio

B

estimulador transistor

Rede Neuronal Neurnio

A

(c)

(d)

Dinmica Neural Neurnio Neurnio

A B

Sistema Digital estimuladorMicroeletrnicatransistor

Figura 2.13 Interface bioeletrnica (adaptada de (FROMHERZ, 2003))

Dentro do que foi acima exposto e, considerando dois circuitos hbridos com

neurnios baseados em chip de silicone (arranjo (c) da Figura 2.13), a Figura 2.14

ilustra a dinmica de cada neurnio A e B. No item (a) desta ltima figura, apresenta-se

50

o potencial de ao do neurnio A, correspondente atividade eltrica basal ou

espontnea, a qual captada e amplificada por um circuito, gerando a onda (c). Em

seguida, os picos da ltima onda, correspondentes ocorrncia de um potencial de ao

no neurnio A, so detectados atravs de algoritmos de processamento, resultando na

onda (e). Aps um ajuste de amplitude e de freqncia, de forma a garantir uma

coerncia biolgica, o sinal (e) transformada em (f) atravs de circuitos lgicos, os

quais, finalmente, geram uma onda de estimulao (d). Esta ltima aplicada ao

neurnio B atravs de outra interface bioeletrnica, induzindo potenciais de ao em B,

como mostrado em (b).

Figura 2.14 Caminho neurnio- chip - neurnio (adaptada de (FROMHERZ, 2003)).

Vide arranjo (c) da Figura 2.13

2.5.3 Matrizes Multieletrodo (MEA)

A atividade eltrica em sistemas biolgicos tradicionalmente monitorada com

eletrodos, como por exemplo, na tcnica de patch-clamp(GUEDES, 1989).

Matrizes Multieletrodo correspondem a um refinamento do conceito de interface

bioeletrnica ((FROMHERZ, 2003), (BONIFAZI, 2002)), e consistem em circuitos de

dimenses micromtricas montados sobre um substrato, e dotados de um conjunto de

eletrodos, os quais so colocados no soma do neurnio (Figura 2.15). A condio ideal

para o uso destas estruturas exige que o corpo celular se localize sobre um eletrodo, ou

entre dois eletrodos vizinhos. Para que isto ocorra, necessrio o posicionamento da

clula no local do eletrodo, bem como o tratamento adequado do substrato, de forma a

51

promover a aderncia celular, ou seja, o substrato uma das variveis a serem

consideradas no processo de fabricao.

Microeletrodo

Tecido Nervoso

Substrato

Figura 2.15 - Conjunto de eletrodos em um tecido nervoso (adaptada de (RENNAKER, 2005))

As MEAs so utilizados para acessar de forma sistemtica e seletiva os

potenciais de ao associados a feixes ou fibras nervosas, sendo que vrios testes em

modelos animais j so realizados em diversos centros de pesquisa (URL 5). Elas

permitem registrar simultaneamente a atividade eltrica de cerca de centenas de

neurnios. Os eletrodos da MEA podem tambm ser usados para estimular neurnios,

de forma no-invasiva, seguindo uma conexo entre a rede neuronal de cultura e um

computador.

A Figura 2.16 ilustra a aplicao de MEAs em outros mtodos de cultura. Na

primeira (a), um extrato da massa branca do cerebelo posicionado sobre um substrato

contendo microeletrodos, para extrao dos sinais. J na segunda (b), os eletrodos

(representados por hastes negras) so posicionados sobre os axnios de embries de

ratos, aps 14 dias em cultura, evidenciando o nmero de clulas acessveis que foram

atingidas.

52

Eletrodos

Cerebelo (a) (b)

Figura 2.16 - Exemplos de aplicao das matrizes de microeletrodos (adaptada de PEIXOTO, 2001) (a) corte de cultura em tecido do cerebelo sobre

MEA, (b) cultura celular de neurnios isolados do gnglio da raiz dorsal de ratos em cultura (14 dias).

2.5.4 Utilizao e Fabricao das MEAs

Quando se mede a atividade nervosa de clulas individuais ou conjuntos bem

determinados de clulas, seja em cultura in vitro ou in vivo, utilizam-se eletrodos

micromtricos, os microeletrodos, que so fabricados em metal ou vidro, com pontas de

dimetros variando de dcimos a dezenas de micrmetros (PEIXOTO, 2001).

Existem duas formas de medida de microeletrodos: intra e extraceleular. Os

microeletrodos para medidas intracelulares so fabricados a partir de capilares de vidro

e preenchidos com soluo salina de alta molaridade. Estes eletrodos assim preparados

so denominados de micropipetas e so projetados para insero na membrana celular,

ou para formar um selo atravs de suco mecnica na membrana. O princpio de

medida se baseia na capacitncia da parede de vidro e na alta concentrao inica da

soluo salina interna do eletrodo. J para sinais extracelulares, eles so classicamente

adquiridos atravs de eletrodos de tungstnio, tambm denominados de Wolfram, e com

micropipetas.

O posicionamento do microeletrodo o fator determinante para a obteno de

um bom resultado na medida eletrofisiolgica. Alm disso, o tempo de medida

limitado, impedindo, por exemplo, a utilizao de circuitos hbridos bioeletrnicos por

mais do que algumas semanas.

As MEAs tm sido desenvolvidas e diversificadas, como por exemplo com a

incorporao de dispositivos eletrnicos integrados e a fabricao tridimensional de

53

eletrodos (Figura 2.17). Deve-se procurar manter os requisitos essenciais de

biocompatibilidade, estabilidade mecnica, manuteno do ambiente fisioqumico

(como a temperatura, o pH, a composio da soluo fisiolgica e a esterilidade)

durante o experimento. Logo, as principais vantagens destas matrizes so a fabricao

em larga escala de microeletrodos e a utilizao de sistemas de aquisio que no esto

restritos ao posicionamento fino atravs de micromanipuladores.

Figura 2.17 Matriz tridimensional fabricada com tcnicas de microeletromecanismos

(adaptada de (BAY, 2000))

Uma matriz de microeletrodos pode ser implementada sobre um substrato,

usualmente de vidro ou silcio (vide Figura 2.18), sobre o qual uma camada metlica

construda por meio de tcnicas fotolitogrficas, sendo protegida por um material

isolante, atravs da camada passivadora. Nesta ltima, so abertas janelas atravs das

quais o metal fica exposto cultura. A rea exposta ao metal denominada de

microeletrodo (PEIXOTO, 2001).

Figura 2.18 Esquema geral da fabricao da MEA

(adaptada de (PEIXOTO, 2001))

54

A implementao de microeletrodos baseia-se em tcnicas tradicionais de

microeletrnica, que so aplicadas com xito relativo, devido restries de

encapsulamento e ao tempo de estabilidade reduzido. Estas limitaes so justificadas

pela presena de solues fisiolgicas em contato com o circuito.

Os eletrodos devem ser biocompatveis, durveis, e apresentar uma impedncia

baixa (abaixo de 500 a 1 kHz), para conseguir captar pequenos sinais extracelulares,

cuja amplitude atinge valores de ordem de 10 a 100 microvolts. A baixa impedncia

tambm permite injetar uma corrente estimultoria, suficiente para atingir o tecido

nervoso sem exceder a baixa voltagem eletromecnica da gua, ou de outros

componentes do meio. Os eletrodos tm sido recobertos por poros de platina, de baixa

durabilidade, aumentando assim a impedncia, de forma inaceitvel. Esse problema

pode ser reduzido pelo uso de recobrimento de platina do tipo sonicating (PEREIRA,

2004).

Em relao ao problema de assegurar baixa impedncia, os eletrodos encapados

so fabricados base de oxido de irdio ou de nitrito de titnio. A superfcie da MEA e

as pontas dos eletrodos devem ser recobertas com algum protetor compatvel, que

tambm deve promover a adeso celular. Este protetor leva em conta os substratos

tradicionais da cultura celular, como os poliaminocidos e laminina. A fabricao de

MEAs sem silicone permitiu alguns sucesso na estimulao do crescimento neuronal,

principalmente atravs da incluso de substncias neurotrficas.

Apesar da aparente simplicidade na fabricao, a escolha de materiais, a

caracterizao das estruturas, a adequao para cada aplicao e propostas de modelos

so temas correntes na literatura quando se trata de interfaces neurais para aplicaes,

seja in vitro ou in vivo ((BOVE, 1997), (HAIDARLIU, 1995)). Na maioria destes

sistemas, o projeto de uma microestrutura precedido de um estudo sobre a aplicao

desejada, de um modelo do comportamento esperado e de propostas para a anlise de

dados associadas aos experimentos, principalmente quando se trata de questes

especficas em neurocincias.

2.5.5 Histrico

55

Considera-se que a primeira MEA foi proposta em 1972 por Thomas et al., ou

por Ken Wise em 1975 (WEIS, 1996), mas apenas em 1980 obteve-se a confirmao

experimental de que as matrizes de fato medem sinais extracelulares, que so os

correspondentes temporais dos sinais intracelulares. Pine (1980), usando uma MEA

com passivao de xido de silcio, mostrou a validao do sistema atravs de medidas

simultneas intra e extracelulares. Em 1984 (ISRAEL, 1984), obteve-se pela primeira

vez a estimulao e a aquisio simultneas na mesma cultura, fato at ento indito

com o uso de MEAs. Tambm se realizou implante de retina em uma mulher cega

utilizando MEAs de 80 eletrodos (BRINDLEY, 1968). O implante no apresentou

efeito clnico significativo, mas os resultados foram positivos no aspecto de segurana a

longo prazo do circuito.

Os primeiros resultados experimentais relativos interface bioeletrnica foram

divulgados em 1991 e 1995, considerando clulas nervosas de sanguessuga acopladas a

transistores abertos, bem como a estimulao atravs de chip de silicone baseados em

circuitos integrados ((FROMHERZ, 1995), (BONIFAZI, 2002)). Os autores

estabeleceram um sistema otimizado em interface de silicone neural. Outro ponto

relevante foi a utilizao de sistemas hbridos baseados em redes neurais acoplados em

circuitos de microeletrnica (BONIFAZI, 2002), (FROMHERZ, 1997). Desta maneira,

a superviso de neurnios em uma rede por contatos no-invasivos em um substrato

semicondutor possibilitou estudos do processo neurodinmico, tanto para leitura como

para gravao dos dados. Baseado nestes resultados, surgiram os primeiros

neuroimplantes utilizando as tcnicas de MEAs. Um exemplo desta aplicao o

implante em nervo fibular, induzindo neuromodulao para o controle da dor

(RUTTEN, 1999).

Outros estudos baseiam-se em interfaces de redes neurais, como exemplo a

prtese neural (SHAHAF, 2001). Alm disso, deve-se destacar que a excitao eltrica

do tecido neural foi usada para muitos propsitos. Como exemplos, podem-se citar o

m