Ingenieure von Johns Hopkins verwenden KI für einen tieferen Blick in die Gehirne von Mäusen

Eine Gruppe von Biomediziningenieuren an der Johns Hopkins University hat eine künstliche Intelligenz (KI) Trainingsstrategie entwickelt, um ein tieferes Verständnis der Gehirne von Mäusen zu erlangen. Die neue Strategie erfasst Bilder von Maus-Gehirnzellen, während sie aktiv sind.

Laut dem Team kann das KI-System zusammen mit speziellen ultra-kleinen Mikroskopen verwendet werden, um genau zu erkennen, wo und wann Zellen während Bewegung, Lernen und Gedächtnis aktiviert werden. Durch die Erfassung von aussagekräftigen Daten mit dieser neuen Strategie könnten Wissenschaftler letztendlich verstehen, wie das Gehirn funktioniert und von Krankheiten beeinflusst wird.

Die neue Forschung wurde im Journal Nature Communications veröffentlicht.

Xingde Li, Ph.D., ist Professor für Biomediziningenieurwesen an der Johns Hopkins University School of Medicine.

“Wenn ein Mäusekopf für die Bildgebung eingeschränkt ist, kann die Gehirnaktivität möglicherweise nicht die tatsächliche neurologische Funktion darstellen”, sagt Li. “Um Gehirn-Schaltkreise zu kartieren, die tägliche Funktionen bei Säugetieren steuern, müssen wir genau sehen, was bei einzelnen Gehirnzellen und ihren Verbindungen passiert, während das Tier frei herumläuft, isst und sozialisiert.”

Daten mit ultra-kleinen Mikroskopen sammeln

Das Team machte sich daran, die detaillierten Daten durch die Erstellung ultra-kleiner Mikroskope zu sammeln, die auf den Köpfen der Mäuse platziert werden können. Mit anderen Worten, die Mikroskope haben nur einen Durchmesser von ein paar Millimetern, so dass sie die Menge an Bildgebungstechnologie, die transportiert werden kann, begrenzen. Die Atmung oder Herzfrequenz der Maus könnten auch die Genauigkeit der Daten beeinflussen, die vom Mikroskop erfasst werden, so dass die Forscher schätzen, dass sie eine Bildfrequenz von über 20 Bildern pro Sekunde erreichen müssten, um solche Störungen zu eliminieren.

“Es gibt zwei Möglichkeiten, die Bildfrequenz zu erhöhen”, sagt Li. “Man kann die Scangeschwindigkeit erhöhen und man kann die Anzahl der gescannten Punkte verringern.”

Das Ingenieurteam hatte zuvor eine Forschung durchgeführt, bei der sie die physikalischen Grenzen des Scanners bei sechs Bildern pro Sekunde erreichten. Bei der zweiten Strategie erhöhten sie die Bildfrequenz, indem sie die Anzahl der gescannten Punkte verringerten. Diese Strategie führte dazu, dass das Mikroskop Daten mit niedrigerer Auflösung erfasste.

Ein KI-Programm trainieren

Laut Lis Hypothese könnte ein KI-Programm trainiert werden, um die fehlenden Punkte zu erkennen und wiederherzustellen, was zu einer höheren Auflösung führen würde. Eine der größten Herausforderungen dieses Ansatzes ist jedoch, dass es an ähnlichen Bildern von Mausgehirnen mangelt, um das KI-Programm zu trainieren.

Das Team machte sich daran, diese Herausforderung zu überwinden, indem es eine zweistufige Trainingsstrategie entwickelte. Zunächst trainierten sie das KI-Programm, um die Bausteine des Gehirns aus Bildern von festen Proben von Mausgehirngewebe zu identifizieren. Dann trainierten sie das KI-Programm, um die Bausteine in einem kopfeingeschränkten lebenden Mäuse unter dem ultra-kleinen Mikroskop zu erkennen. Diese neue Technik ermöglichte es dem KI-Programm, Gehirnzellen mit natürlicher Strukturvariation und der Bewegung, die durch die Atmung und den Herzschlag der Maus verursacht wird, zu erkennen.

“Die Hoffnung war, dass wir, wenn wir Daten von einer beweglichen Maus sammeln, diese immer noch ähnlich genug für das KI-Netzwerk sind, um sie zu erkennen”, sagt Li

Die Forscher testeten das KI-Programm, um zu bestimmen, ob es in der Lage war, Maus-Gehirnbilder durch die schrittweise Erhöhung der Bildfrequenz zu verbessern. Sie fanden heraus, dass das KI-Programm die Bildqualität bis zu 26 Bildern pro Sekunde wiederherstellen konnte.

Um zu sehen, wie das KI-Tool mit einem Mini-Mikroskop, das an einer Maus befestigt war, funktionieren würde, konnten die Forscher die Aktivitätsspitzen einzelner Gehirnzellen betrachten, die durch die Bewegung der Maus in ihrer Umgebung ausgelöst wurden.

“Wir hätten diese Informationen nie in so hoher Auflösung und Bildfrequenz sehen können”, sagt Li. “Diese Entwicklung könnte es ermöglichen, mehr Informationen über die dynamische Verbindung des Gehirns zu Handlungen auf zellulärer Ebene zu sammeln.”

Laut dem Team könnte das KI-Programm weitere Trainings durchlaufen, um Bilder bis zu 104 Bildern pro Sekunde genau zu interpretieren.