مهندسو جونز هوبكينز يستخدمون الذكاء الاصطناعي للنظر بشكل أعمق في أدمغة الفئران

قام فريق من مهندسي الهندسة الحيوية في جامعة جونز هوبكينز بتطوير استراتيجية تدريب للذكاء الاصطناعي من أجل الحصول على فهم أعمق لأدمغة الفئران. وتستند هذه الاستراتيجية الجديدة على التقاط صور للخلايا في أدمغة الفئران أثناء نشاطها.

وفقًا للفريق، يمكن استخدام نظام الذكاء الاصطناعي جنبًا إلى جنب مع مجاهر فائقة الصغر المتخصصة للكشف عن مكان وتوقيت تنشيط الخلايا أثناء الحركة والتعلم والذاكرة. ومن خلال جمع بيانات استباقية باستخدام هذه الاستراتيجية الجديدة، يمكن للعلماء في النهاية فهم كيفية عمل الدماغ وتأثره بالأمراض.

نشرت هذه الأبحاث الجديدة في مجلة نيتشر كوميونيكيشنز

الدكتور زينجدي لي هو أستاذ الهندسة الحيوية في جامعة جونز هوبكينز مدرسة الطب.

“عندما يتم تقييد رأس الفأر للاختبار، قد لا تعكس نشاط الدماغ وظيفته العصبية بشكل حقيقي”، يقول لي. “لخريطة دوائر الدماغ التي تسيطر على الوظائف اليومية في الثدييات، نحتاج إلى رؤية بالضبط ما يحدث بين الخلايا الفردية ووصلاتها، أثناء حركة الفأر بحرية وتناول الطعام والتفاعل الاجتماعي.”

جمع البيانات باستخدام المجاهر فائقة الصغر

أقدم الفريق على جمع البيانات المستفادة من خلال إنشاء مجاهر فائقة الصغر يمكن وضعها على رأس الفئران. ومع ذلك، فإن المجاهر هذه لا يتجاوز قطرها بضع ميلليمترات، لذلك فإنها تقيد تقنيات التصوير التي يمكن حملها. كما يمكن أن يؤثر تنفس الفأر أو معدل ضربات قلبه على دقة البيانات التي يتم التقاطها بواسطة المجهر، لذلك يعتقد الباحثون أنهم سوف يحتاجون إلى تجاوز 20 إطارًا في الثانية لاستبعاد مثل هذه الاضطرابات.

“هناك طريقتان لزيادة معدل الإطار”، يقول لي. “يمكنك زيادة سرعة المسح ويمكنك تقليل عدد النقاط الممسوحة.”

أجرى فريق الهندسة بحثًا سابقًا حيث بلغوا الحد الفيزيائي للمسح عند ست إطارات في الثانية. في الاستراتيجية الثانية، زادوا معدل الإطار عن طريق تقليل عدد النقاط الممسوحة. أدت هذه الاستراتيجية إلى أن يقوم المجهر بتقاط بيانات بدقة أقل.

تدريب برنامج الذكاء الاصطناعي

وفقًا لفرضية لي، يمكن تدريب برنامج الذكاء الاصطناعي على التعرف على النقاط المفقودة واستعادتها، مما يؤدي إلى دقة أعلى. ومع ذلك، فإن أحد التحديات الرئيسية لهذا النهج هو أن هناك نقصًا في صور مماثلة لأدمغة الفئران لتدريب الذكاء الاصطناعي ضدها.

أقدم الفريق على التغلب على هذا من خلال تطوير استراتيجية تدريب من مرحلتين. تم تدريب الذكاء الاصطناعي في المرحلة الأولى على التعرف على بناء الدماغ من صور عينات من أنسجة أدمغة الفئران الثابتة. ثم تم تدريب الذكاء الاصطناعي على التعرف على بناء الدماغ في فأر حبيس الرأس تحت المجهر فائق الصغر. وقد مكنت هذه التقنية الجديدة الذكاء الاصطناعي من التعرف على الخلايا الدماغية مع التباين الهيكلي الطبيعي والحركة الناجمة عن حركة تنفس الفأر وضربات قلبه.

“كانت الأمل في أننا كلما جمعنا بيانات من فأر متحرك، ستكون مشابهة بما يكفي لشبكة الذكاء الاصطناعي للتعرف عليها”، يقول لي

اختبر الباحثون برنامج الذكاء الاصطناعي لتحديد ما إذا كان يمكنه تعزيز صور أدمغة الفئران بزيادة معدل الإطار تدريجيًا. ووجدوا أن الذكاء الاصطناعي يمكن استعادة جودة الصورة حتى 26 إطارًا في الثانية.

لإخبار كيف سيؤدي أداة الذكاء الاصطناعي مع مجهر مصغر متصل بفأر، كان الباحثون قادرين على النظر إلى قمم النشاط الفردية للخلايا الدماغية المنشطة بحركة الفأر في بيئته.

“لم نستطع رؤية هذه المعلومات بدقة وسرعة إطار如此 عالية من قبل”، يقول لي. “هذا التطور يمكن أن يجعل من الممكن جمع المزيد من المعلومات حول كيفية اتصال الدماغ بفعل على مستوى الخلية.”

وفقًا للفريق، يمكن أن يخضع برنامج الذكاء الاصطناعي لمزيد من التدريب لتحليل الصور بدقة تصل إلى 104 إطارات في الثانية.