Portrait de Marco Bonizzato

Marco Bonizzato

Membre académique associé
Professeur adjoint, Polytechnique Montréal, Département de génie électrique
Professeur adjoint, Université de Montréal, Département de neurosciences
Sujets de recherche
Neurosciences computationnelles
Optimisation en boîte noire
Systèmes dynamiques
Google Scholar

Biographie

Marco Bonizzato est ingénieur en contrôle, en électricité et en sciences de la vie, et cumule plus de 10 ans d'expérience dans le domaine des interfaces cerveau-ordinateur implantables et de la technologie de neuromodulation. Il possède une double expertise unique en prothèses neurales et en intelligence et optimisation des machines.

Il est professeur adjoint de génie électrique à Polytechnique Montréal et professeur auxiliaire de neurosciences à l'Université de Montréal.

Il dirige également le laboratoire sciNeurotech. L'objectif de la recherche qui y est menée est de développer l'arc translationnel complet de nouvelles thérapies de neurostimulation afin de restaurer la fonction sensorimotrice après un neurotraumatisme, depuis la découverte chez le rongeur jusqu'à l'application dans la technologie médicale humaine, adaptée et personnalisée à chaque utilisateur par l'intelligence artificielle.

Étudiants actuels

Alireza Aminian
Doctorat - Polytechnique
Site web
Google Scholar
Ivan Brillo
Stagiaire de recherche - Polytechnique
Site web
LinkedIn
Davide Burchielli
Doctorat - Polytechnique
Google Scholar
Radu Darie
Postdoctorat - Polytechnique
Site web
Github
Google Scholar
Claire Dussard
Postdoctorat - Polytechnique
Jean-Sébastien Giroux
Maîtrise recherche - Polytechnique
Site web
Google Scholar
Juan Guerra
Maîtrise recherche - Polytechnique
Co-superviseur⋅e :
Guillaume Lajoie
Site web
Github
Google Scholar
Lison Kardassevitch
Doctorat - UdeM
Github
Mauricio Rivera
Maîtrise recherche - UdeM
Co-superviseur⋅e :
Guillaume Lajoie
Salamanca-Giron Salamanca-Giron
Postdoctorat - Polytechnique
Site web
Github
Benjamin Wilhelm
Stagiaire de recherche - Polytechnique

Publications

Use of Invasive Brain-Computer Interfaces in Pediatric Neurosurgery: Technical and Ethical Considerations
David Bergeron
Christian Iorio-Morin
Marco Bonizzato
Guillaume Lajoie
Nathalie Orr Gaucher
Éric Racine
Alexander G. Weil
2023-04-27
Journal of Child Neurology (publié)
doi.org
Autonomous optimization of neuroprosthetic stimulation parameters that drive the motor cortex and spinal cord outputs in rats and monkeys
Marco Bonizzato
Rose Guay Hottin
Sandrine L. Côté
Elena Massai
Leo Choiniere
Uzay Macar
Samuel Laferrière
Parikshat Sirpal
Stephan Quessy
Guillaume Lajoie
Marina Martinez
Numa Dancause
Neural stimulation can alleviate paralysis and sensory deficits. Novel high-density neural interfaces can enable refined and multipronged ne… (voir plus)urostimulation interventions. To achieve this, it is essential to develop algorithmic frameworks capable of handling optimization in large parameter spaces. Here, we leveraged an algorithmic class, Gaussian-process (GP)-based Bayesian optimization (BO), to solve this problem. We show that GP-BO efficiently explores the neurostimulation space, outperforming other search strategies after testing only a fraction of the possible combinations. Through a series of real-time multi-dimensional neurostimulation experiments, we demonstrate optimization across diverse biological targets (brain, spinal cord), animal models (rats, non-human primates), in healthy subjects, and in neuroprosthetic intervention after injury, for both immediate and continual learning over multiple sessions. GP-BO can embed and improve “prior” expert/clinical knowledge to dramatically enhance its performance. These results advocate for broader establishment of learning agents as structural elements of neuroprosthetic design, enabling personalization and maximization of therapeutic effectiveness.
2023-03-31
Cell Reports Medicine (publié)
doi.org
Implementing automation in deep brain stimulation: has the time come?
Marco Bonizzato
Alfonso Fasano
2022-11-30
The Lancet Digital Health (publié)
doi.org