NEMO-TMS -Deutschland – USA Zusammenarbeit in Computational Neuroscience zur Etablierung eines biophysikalisch fundierten Netzwerkmodells der Transkraniellen Magnetstimulation - Modellierung TMS-induzierter Plastizität

Die transkranielle Magnetstimulation (TMS) ist eine nicht-invasive Hirnstimulationstechnik, die in der Forschung und in der klinischen Praxis weit verbreitet ist. Die grundlegenden neurophysiologischen Mechanismen der TMS sind jedoch noch immer nicht ausreichend verstanden. Dies hat die Entwicklung optimierter therapeutischer Ansätze behindert, so dass die klinischen Ergebnisse nach wie vor variabel sind. Insbesondere der große Raum der TMS-Parameter hat die Bemühungen um die Entwicklung effizienter Stimulationsprotokolle erschwert. Die computergestützte Modellierung hat das Potenzial, diese Lücke zu schließen, indem sie einen konzeptuellen Rahmen für die physikalischen Eingangsparameter der TMS und die neuronalen Antworten schafft. In jüngster Zeit wurden elektrische TMS-Felder mit realistischen Einzelneuronenmodellen gekoppelt, um die Wirkung von TMS auf elektrische Aktivität von Nervenzellen abzuschätzen. Diese Modelle sagten einige der gut charakterisierten Antworten von Nervenzellen auf einzelne TMS-Pulse erfolgreich voraus. In realistischen Anwendungen wird jedoch eine ganze Population von Neuronen aktiviert, und an erregenden und hemmenden Synapsen werden plastische Veränderungen hervorgerufen. Daher müssen die Modelle für einzelne Neuronen zu Netzwerkmodellen mit verbundenen Hauptneuronen und Interneuronen erweitert werden, um physiologische Antworten auf Netzwerkebene vorherzusagen. In diesem Vorhaben werden neuronale Netzwerkmodelle entwickelt, die sowohl Einzelzell-Potentiale und lokale Feldpotentiale als auch die biologischen Effekte von TMS, d.h. Kalziumsignale und die Induktion synaptischer Plastizität, vorhersagen können. Diese Bemühungen sind von entscheidender Bedeutung, um eine Brücke zwischen experimentellen Daten und detaillierten biophysikalischen Modellen der neuronalen Wirkungen von TMS zu schlagen und so einen translationalen Rahmen für klinische Anwendungen zu schaffen.