日本MED64 胞外多道MEA系统, 微弱电讯号不再隐身！

约翰·霍普金斯大学科研团队发表 “Machine learning-enabled detection of electrophysiological signatures in iPSC-derived models of schizophrenia and bipolar disorder” 报告提出了一种通过从患者来源的脑类器官（CO）和二维皮层中间神经元培养物（2DN）的多电极阵列（MEA）记录中识别疾病特异性的电生理特征。使用针对高维数据优化的支持向量机分类器，在基线和电刺激（PES）后条件下，利用提取的电生理特征，鉴别特征包括通道特异性的网络活动测量，其中PES显著提高了分类性能，尤其是在双相情感障碍（BD）的分类中。这些结果凸显了基于MEA的功能表型分析结合机器学习的潜力，能够发现可靠的、刺激敏感的电生理生物标志物，从而为神经精神疾病的更客观诊断和个性化治疗策略提供途径。为了精确记录微弱讯号，团队采用了MED64多道系统记录记录信号. [更多资讯，请关注进科驰安微信.]

 

https://pubs.aip.org/aip/apb/article/9/3/036118/3364154