Maryam Shanechi 📖 Wikipedia

Maryam M. Shanechi adalah seorang insinyur saraf (neuroengineer) kelahiran Iran yang berkewarganegaraan Amerika. Penelitiannya berfokus pada cara mendekode aktivitas otak untuk mengendalikan antarmuka otak-mesin. Ia dinobatkan sebagai salah satu Innovators Under 35 oleh MIT Technology Review pada tahun 2014, salah satu dari 10 Ilmuwan yang Perlu Diperhatikan oleh Science News pada tahun 2019, dan menjadi Finalis Nasional untuk Blavatnik Awards for Young Scientists pada tahun 2023.

Shanechi menjabat sebagai Dean's Professor dalam bidang Teknik elektro, Ilmu komputer, dan Rekayasa biomedis di USC Viterbi School of Engineering, dan merupakan anggota Program Pascasarjana Ilmu Saraf di Universitas Southern California.

Shanechi lahir di Iran dan pindah ke Kanada bersama keluarganya ketika berusia 16 tahun.^[1][2] Ia meraih gelar sarjana teknik dari Universitas Toronto pada tahun 2004. Ia kemudian melanjutkan ke MIT, di mana ia menyelesaikan gelar magister dalam teknik elektro dan ilmu komputer pada tahun 2006 serta gelar doktor (PhD) pada tahun 2011.^[3] Ia menyelesaikan penelitian pascadoktoral di Harvard Medical School sebelum pindah ke Universitas California, Berkeley, pada tahun 2012. Ia pernah menjabat sebagai anggota fakultas di Universitas Cornell, sebelum bergabung dengan Universitas Southern California, di mana ia saat ini menjabat sebagai Dean's Professor di USC Viterbi School of Engineering.^[1][2][3][4]

Saat mengejar gelar pascasarjana di MIT, Shanechi mulai tertarik pada dekoding otak, yaitu gagasan untuk membaca makna asli dari sinyal otak. Ia mengembangkan sebuah algoritma untuk menentukan ke mana seekor monyet ingin mengarahkan kursor di layar berdasarkan aktivitas otaknya.^[1][5]

Ia kemudian menyempurnakan karyanya dengan memasukkan metode dekoding kecepatan tinggi, di mana dekoding dilakukan dalam hitungan milidetik, bukan setiap 100 milidetik seperti metode tradisional. Belakangan ini, Shanechi Lab telah mengembangkan metode baru yang dapat memisahkan dinamika dalam aktivitas saraf yang paling memprediksi perilaku dan secara signifikan meningkatkan hasil dekoding.^[6][7]

Lab-nya juga mengembangkan metode yang dapat menggunakan berbagai skala pengukuran saraf secara simultan dalam ruang dan waktu untuk memodelkan hubungan di antaranya dan meningkatkan akurasi dekoding.^[8][9]

Pada tahun 2013, ia mengembangkan metode dekoding otak yang dapat membantu mengontrol jumlah anestesi yang diberikan secara otomatis kepada pasien.^[10][11]

Timnya, yang bekerja sama dengan Massachusetts General Hospital dan Massachusetts Institute of Technology, berhasil mengontrol kedalaman koma yang diinduksi secara medis pada hewan pengerat berdasarkan aktivitas otaknya secara otomatis.^[10][11][12]

Shanechi juga meneliti aplikasi algoritma dekoding saraf untuk gangguan kejiwaan, seperti PTSD dan depresi.^[2][13]

Timnya mengembangkan metode untuk mengurai suasana hati seseorang berdasarkan aktivitas otaknya.^[14][15]

Di masa depan, Shanechi berharap teknik ini bisa berkembang untuk merangsang otak secara otomatis saat terjadi perubahan suasana hati.^[1][16][17]

• NIH Director's New Innovator Award, 2020^[18]
• Science News 10 Ilmuwan yang Patut Diperhatikan, 2019^[1]
• Popular Science Brilliant 10, 2015^[19]
• MIT Technology Review Innovators Under 35, 2014^[20]
• NSF CAREER Award, 2015^[21]
• Office of Naval Research Young Investigator Award, 2019^[22]
• American Society for Engineering Education (ASEE) Curtis W. McGraw Research Award, 2021^[23]
• Multidisciplinary University Research Initiative (MURI) Award, 2016^[24]
• Mid-Career Achievement Award, Universitas Toronto Engineering, 2019 ^[25]
• One Mind Rising Star Award, 2022

Publikasi Shanechi meliputi:

• Yang Y, Qiao S, Sani OG, Sedillo JI, Ferrentino B, Pesaran B, Shanechi MM (Februari 2021). "Pemodelan dan prediksi respons dinamis jaringan otak skala besar selama stimulasi listrik langsung". Nature Biomedical Engineering. 5 (4): 324–345. doi:10.1038/s41551-020-00666-w. PMID 33526909. S2CID 231753656.
• Abbaspourazad H, Choudhury M, Wong YT, Pesaran B, Shanechi MM (Januari 2021). "Dinamika keadaan kortikal motorik berdimensi rendah multiskala memprediksi perilaku jangkauan dan genggaman alami". Nature Communications. 12 (1): 607. Bibcode:2021NatCo..12..607A. doi:10.1038/s41467-020-20197-x. PMC 7840738. PMID 33504797.
• Sani OG, Abbaspourazad H, Wong YT, Pesaran B, Shanechi MM (Januari 2021). "Pemodelan dinamika saraf yang relevan secara perilaku melalui identifikasi subruang preferensial" (PDF). Nature Neuroscience. 24 (1): 140–149. doi:10.1038/s41593-020-00733-0. PMID 33169030. S2CID 226296000.
• Shanechi MM (Oktober 2019). "Antarmuka otak-mesin dari motor hingga suasana hati". Nature Neuroscience. 22 (10): 1554–1564. doi:10.1038/s41593-019-0488-y. PMID 31551595. S2CID 202749166.
• Sani, Omid G.; Yang, Yuxiao; Lee, Morgan B.; Dawes, Heather E.; Chang, Edward F.; Shanechi, Maryam M. (2018). "Variasi suasana hati yang didekode dari aktivitas otak manusia intraserebral multi-situs". Nature Biotechnology. 36 (10): 954–961. doi:10.1038/nbt.4200. ISSN 1546-1696. PMID 30199076. S2CID 205285998.
• Shanechi, Maryam M.; Orsborn, Amy L.; Moorman, Helene G.; Gowda, Suraj; Dangi, Siddharth; Carmena, Jose M. (2017). "Kontrol cepat dan tingkat umpan balik meningkatkan kendali neuroprotetik". Nature Communications. 8 (1): 13825. Bibcode:2017NatCo...813825S. doi:10.1038/ncomms13825. ISSN 2041-1723. PMC 5227098. PMID 28059065.
• Shanechi, Maryam; Hu, Rollin; Marissa, Powers; Wornell, Gregory; Brown, Emery; Williams, Ziv (2012). "Pemisahan populasi saraf dan antarmuka otak-mesin simultan untuk fungsi motorik berurutan". Nature Neuroscience. 15 (12): 1715–1722. doi:10.1038/nn.3250. PMC 3509235. PMID 23143511.
• Shanechi, Maryam M.; Chemali, Jessica J.; Liberman, Max; Solt, Ken; Brown, Emery N. (2013-10-31). "Antarmuka Otak-Mesin untuk Kontrol Koma yang Diinduksi Medis". PLOS Computational Biology. 9 (10): e1003284. Bibcode:2013PLSCB...9E3284S. doi:10.1371/journal.pcbi.1003284. ISSN 1553-7358. PMC 3814408. PMID 24204231.

1. ^ ^{a b c d e} "Maryam Shanechi designs machines to read minds". Science News. 2019-10-02. Diakses tanggal 2019-11-22.
2. ^ ^{a b c} "Maryam Shanechi | Innovators Under 35". MIT Technology Review. Diakses tanggal 2019-11-22.
3. ^ ^{a b} "USC - Viterbi School of Engineering - Viterbi Faculty Directory". viterbi.usc.edu. Diakses tanggal 2019-11-22.
4. ^ "ECE Seminar Series: Maryam M. Shanechi, of the University of Southern California". today.iit.edu. 8 Oktober 2019. Diakses tanggal 2019-11-22.
5. ^ Shanechi, Maryam M.; Hu, Rollin C.; Powers, Marissa; Wornell, Gregory W.; Brown, Emery N.; Williams, Ziv M. (2012). "Neural population partitioning and a concurrent brain-machine interface for sequential motor function". Nature Neuroscience. 15 (12): 1715–1722. doi:10.1038/nn.3250. ISSN 1546-1726. PMC 3509235. PMID 23143511.
6. ^ Sani, Omid G.; Abbaspourazad, Hamidreza; Wong, Yan T.; Pesaran, Bijan; Shanechi, Maryam M. (2020-11-09). "Modeling behaviorally relevant neural dynamics enabled by preferential subspace identification" (PDF). Nature Neuroscience (dalam bahasa Inggris). 24 (1): 140–149. doi:10.1038/s41593-020-00733-0. ISSN 1546-1726. PMID 33169030. S2CID 226296000.
7. ^ "Researchers Isolate and Decode Brain Signal Patterns for Specific Behaviors". USC Viterbi | School of Engineering (dalam bahasa American English). Diakses tanggal 2021-03-19.
8. ^ Abbaspourazad, Hamidreza; Choudhury, Mahdi; Wong, Yan T.; Pesaran, Bijan; Shanechi, Maryam M. (2020-11-09). "Multiscale low-dimensional motor cortical state dynamics predict naturalistic reach-and-grasp behavior". Nature Communications (dalam bahasa Inggris). 12 (1): 607. Bibcode:2021NatCo..12..607A. doi:10.1038/s41467-020-20197-x. ISSN 2041-1723. PMC 7840738. PMID 33504797.
9. ^ "Researchers Discover Hidden Brain Pattern". USC Viterbi | School of Engineering (dalam bahasa American English). Diakses tanggal 2021-03-19.
10. ^ ^{a b} "Brain-machine interface allows anesthesia control". Cornell Chronicle. Diakses tanggal 2019-11-22.
11. ^ ^{a b} Lewis, Tanya (1 November 2013). "Brain-Machine Interface Puts Anesthesia on Autopilot". msnbc.com. Diarsipkan dari asli tanggal 24 Oktober 2014. Diakses tanggal 2019-11-22.
12. ^ Shanechi, Maryam M.; Chemali, Jessica J.; Liberman, Max; Solt, Ken; Brown, Emery N. (2013-10-31). "A Brain-Machine Interface for Control of Medically-Induced Coma". PLOS Computational Biology. 9 (10): e1003284. Bibcode:2013PLSCB...9E3284S. doi:10.1371/journal.pcbi.1003284. ISSN 1553-7358. PMC 3814408. PMID 24204231.
13. ^ Waltz, Emily (17 Mei 2019). "The Mood Ring of Algorithms Could Zap Your Brain to Help You Feel Better". IEEE Spectrum: Technology, Engineering, and Science News. Diakses tanggal 2019-11-22.
14. ^ Sani, Omid G.; Yang, Yuxiao; Lee, Morgan B.; Dawes, Heather E.; Chang, Edward F.; Shanechi, Maryam M. (2018). "Mood variations decoded from multi-site intracranial human brain activity". Nature Biotechnology. 36 (10): 954–961. doi:10.1038/nbt.4200. ISSN 1546-1696. PMID 30199076. S2CID 205285998.
15. ^ "Tracking brain waves to decode mood could help fight depression". New Atlas. 11 September 2018. Diakses tanggal 2019-11-22.
16. ^ "A New Realm of Personalized Medicine with Brain Stimulation". USC Viterbi | School of Engineering (dalam bahasa American English). Diakses tanggal 2021-03-19.
17. ^ Shanechi, Maryam M. (24 September 2019). "Brain–machine interfaces from motor to mood". Nature Neuroscience (dalam bahasa Inggris). 22 (10): 1554–1564. doi:10.1038/s41593-019-0488-y. ISSN 1097-6256. PMID 31551595. S2CID 202749166.
18. ^ "Maryam Shanechi Receives Prestigious New Innovator NIH Grant". USC Viterbi | School of Engineering (dalam bahasa American English). Diakses tanggal 2020-10-19.
19. ^ "Brilliant 10: Maryam Shanechi Decodes The Brain To Unlock Its Potential". Popular Science. 23 September 2015. Diakses tanggal 2019-11-22.
20. ^ "USC - Viterbi School of Engineering - Brain, Meet Machine". viterbi.usc.edu. Diakses tanggal 2019-11-22.
21. ^ "NSF Award Search: Award#1453868 - CAREER: Generalizable, Robust, and Closed-Loop Brain-Machine Interface Control Architectures". www.nsf.gov. Diakses tanggal 2019-11-23.
22. ^ "2019 Young Investigator Award Recipients".
23. ^ "ASEE Award Winners".
24. ^ "USC Viterbi scholar to lead research on brain-machine interfaces". USC News (dalam bahasa American English). 2016-04-18. Diakses tanggal 2019-11-23.
25. ^ "13 U of T Engineering alumni and students honoured at 2019 EAN Awards". U of T Engineering News (dalam bahasa American English). 2019-11-08. Diakses tanggal 2019-11-23.