As neuropróteses visuais são um grupo de dispositivos que fornecem estímulos (elétricos, leves, etc.) às células neurais na via visual para criar fosfénos ou sensação de ver a luz. É uma estratégia de tratamento que está em uso clínico há quase uma década para pessoas com cegueira permanente causada por doenças degenerativas da retina. Normalmente, um sistema completo incluiria uma câmera externa que captura as informações visuais em torno do usuário, uma fonte de alimentação e uma unidade de computação para processar e traduzir a imagem para uma série de pulsos elétricos e uma matriz de eletrodos implantados que interage com o tecido neural e entrega os pulsos elétricos às células neurais. O princípio de funcionamento permite que uma neuroprótese visual seja colocada em diferentes locais ao longo da via visual da retina ao córtex visual, desde que esteja a jusante do tecido danificado. A maioria das pesquisas atuais em neuropróteses visuais se concentra em aumentar a eficácia da estimulação e melhorar a acuidade espacial para fornecer uma visão mais natural.

Nos esforços para melhorar a eficácia da estimulação, a modelagem computacional tem sido um método econômico e eficaz em termos de tempo para validar o projeto de uma prótese e simular seu resultado visual. A modelagem computacional neste campo ganhou popularidade desde 1999, quando Greenberg¹ modelou a resposta de uma célula ganglionar da retina a estímulos elétricos extracelulares. Desde então, a modelagem computacional tem sido utilizada para otimizar os parâmetros do pulso elétrico^2,3 ou o desenho geométrico do eletrodo ^4,5. Apesar da variação na complexidade e nas questões de pesquisa, esses modelos funcionam determinando a distribuição de tensão elétrica no meio (por exemplo, tecido neural) e estimando a resposta elétrica que os neurônios nas proximidades produzirão devido à tensão elétrica.

A distribuição de tensão elétrica em um condutor pode ser encontrada resolvendo as equações de Poisson⁶ em todos os locais:

onde E é o campo elétrico, V o potencial elétrico, J a densidade de corrente e σ é a condutividade elétrica. O na equação indica um operador de gradiente. No caso da corrente estacionária, as seguintes condições de contorno são impostas ao modelo:

onde n é o normal para a superfície, Ω representa o limite e I₀ representa a corrente específica. Juntos, eles criam isolamento elétrico nos limites externos e criam uma fonte de corrente para um limite selecionado. Se assumirmos uma fonte pontual monopolar em um meio homogêneo com uma condutividade isotrópica, o potencial elétrico extracelular em um local arbitrário pode ser calculado por⁷:

onde I e é a corrente e é a distância entre o eletrodo _e o ponto de medição. Quando o meio é não homogêneo ou anisotrópico, ou a matriz de eletrodos tem múltiplos eletrodos, um conjunto computacional para resolver numericamente as equações pode ser conveniente. Um software de modelagem de elementos finitos⁶ divide o condutor de volume em pequenas seções conhecidas como “elementos”. Os elementos estão interligados uns com os outros de tal forma que os efeitos da mudança em um elemento influenciam a mudança em outros, e resolve as equações físicas que servem para descrever esses elementos. Com o aumento da velocidade computacional dos computadores modernos, esse processo pode ser concluído em segundos. Uma vez que o potencial elétrico é calculado, pode-se então estimar a resposta elétrica do neurônio.

Um neurônio envia e recebe informações na forma de sinais elétricos. Tais sinais vêm em duas formas – potenciais graduais e potenciais de ação. Potenciais graduais são mudanças temporárias no potencial de membrana em que a tensão através da membrana se torna mais positiva (despolarização) ou negativa (hiperpolarização). Potenciais graduados, normalmente, têm efeitos localizados. Nas células que os produzem, os potenciais de ação são respostas de tudo ou nada que podem viajar longas distâncias ao longo do comprimento de um axônio. Ambos os potenciais graduados e de ação são sensíveis ao ambiente elétrico e químico. Um pico de potencial de ação pode ser produzido por vários tipos de células neuronais, incluindo as células ganglionares da retina, quando um potencial transmembrana limiar é cruzado. O potencial de ação e propagação desencadeia a transmissão sináptica de sinais para os neurônios a jusante. Um neurônio pode ser modelado como um cabo que é dividido em segmentos cilíndricos, onde cada segmento possui capacitância e resistência devido à membrana de bicamada lipídica⁸. Um programa computacional de neurônios⁹ pode estimar a atividade elétrica de uma célula eletricamente excitável discretizando a célula em múltiplos compartimentos e resolvendo o modelo matemático¹⁰:

Nesta equação, C_mé a capacitância da membrana, V e,n é o potencial extracelular no nó n, V_i,n o potencial intracelular no nó n, R n a resistência intracelular (longitudinal) no nó n e o_íon I é a corrente iônica que atravessa os canais iônicos no nó _n. Os valores de V do modelo FEM são implementados como V_e,n para todos os nós do neurônio quando a estimulação está ativa.

As correntes transmembranares dos canais iônicos podem ser modeladas usando formulações de Hodgkin-Huxley¹¹:

onde g i é a condutância específica do canal, V _m o potencial transmembrana (V _i,n – V_e,n) _{e E íon} o potencial de reversão do canal iônico. Para canais dependentes de tensão, como o canal Na, são introduzidos parâmetros adimensionais, m e h, que descrevem a probabilidade de abertura ou fechamento dos canais:

onde é a condutância máxima da membrana para o canal iônico particular, e os valores dos parâmetros m e h são definidos por equações diferenciais:

onde α x e β_x são funções dependentes de tensão que definem as constantes de taxa do canal iônico. Eles geralmente assumem a forma:

Os valores dos parâmetros nessas equações, incluindo a condutância máxima, bem como as constantes A, B, C e D, foram tipicamente encontrados a partir de medições empíricas.

Com esses blocos de construção, modelos de diferentes complexidades podem ser construídos seguindo as etapas descritas. Um software FEM é útil quando a equação de Poisson não pode ser resolvida analiticamente, como no caso de condutância não homogênea ou anisotrópica no condutor de volume ou quando a geometria da matriz de eletrodos é complexa. Depois que os valores de potencial extracelular foram resolvidos, o modelo de cabo de neurônios pode então ser resolvido numericamente no software computacional de neurônios. A combinação dos dois softwares permite a computação de uma célula ou rede de neurônios complexos para um campo elétrico não uniforme.

Um modelo simples de duas etapas de uma célula ganglionar da retina sob uma estimulação supracoroidal será construído usando os programas acima mencionados. Neste estudo, a célula ganglionar da retina será submetida a uma gama de magnitudes de pulsos de corrente elétrica. A localização da célula em relação ao estímulo também é variada para mostrar a relação distância-limiar. Além disso, o estudo inclui uma validação do resultado computacional em relação a um estudo in vivo do limiar de ativação cortical usando diferentes tamanhos de eletrodo de estimulação¹², bem como um estudo in vitro mostrando a relação entre a distância eletrodo-neurônio e o limiar de ativação¹³.