Οι μηχανικοί του Johns Hopkins χρησιμοποιούν το AI για μια πιο sâuιά ματιά στα εγκεφαλικά κύτταρα των ποντικών

Μια ομάδα βιοϊατρικών μηχανικών στο Johns Hopkins έχει αναπτύξει μια στρατηγική εκπαίδευσης τεχνητής νοημοσύνης (AI) για να αποκτήσει μια πιο sâuιά κατανόηση των εγκεφαλικών κυττάρων των ποντικών. Η νέα στρατηγική καταγράφει εικόνες των κυττάρων του εγκεφάλου του ποντικού ενώ είναι ενεργά.

Σύμφωνα με την ομάδα, το σύστημα AI μπορεί να χρησιμοποιηθεί μαζί με εξειδικευμένα υπερ-μικροσκόπια για να ανιχνεύσει ακριβώς πού και πότε τα κύτταρα ενεργοποιούνται κατά τη διάρκεια της κίνησης, της μάθησης και της μνήμης. Συγκεντρώνοντας έτσι δεδομένα με αυτή τη νέα στρατηγική, οι επιστήμονες θα μπορούσαν τελικά να κατανοήσουν πώς λειτουργεί ο εγκέφαλος και πώς επηρεάζεται από ασθένειες.

Η νέα έρευνα δημοσιεύθηκε στο περιοδικό Nature Communications.

Ο Xingde Li, Ph.D., είναι καθηγητής βιοϊατρικής μηχανικής στο Πανεπιστήμιο Johns Hopkins.

“Όταν το κεφάλι του ποντικού περιορίζεται για απεικόνιση, η εγκεφαλική του δραστηριότητα μπορεί να μην αντιπροσωπεύει πραγματικά τη νευρολογική του λειτουργία”, λέει ο Li. “Για να χαρτογραφήσουμε τους εγκεφαλικούς κύκλους που ελέγχουν τις καθημερινές λειτουργίες των θηλαστικών, πρέπει να δούμε ακριβώς τι συμβαίνει μεταξύ των ατομικών εγκεφαλικών κυττάρων και των συνδέσεών τους, ενώ το ζώο κινείται ελεύθερα, τρώει και κοινωνικοποιείται.”

Συγκέντρωση Δεδομένων με Υπερ-Μικροσκόπια

Η ομάδα έθεσε ως στόχο να συγκεντρώσει τα λεπτομερή δεδομένα δημιουργώντας υπερ-μικροσκόπια που μπορούν να τοποθετηθούν στην κορυφή του κεφαλιού των ποντικών. Με αυτή τη δήλωση, τα μικροσκόπια έχουν μόνο quelques χιλιοστά σε διάμετρο, οπότε περιορίζουν την ποσότητα της τεχνολογίας απεικόνισης που μπορεί να μεταφερθεί. Η αναπνοή ή η καρδιακή συχνότητα του ποντικού θα μπορούσε επίσης να επηρεάσει την ακρίβεια των δεδομένων που συλλέγονται από το μικροσκόπιο, οπότε οι ερευνητές εκτιμούν ότι θα χρειαζόταν να υπερβούν τα 20 καρέ ανά δευτερόλεπτο για να εξαλείψουν τέτοιες διαταραχές.

“Υπάρχουν δύο τρόποι για να αυξήσετε το ρυθμό καρέ”, λέει ο Li. “Μπορείτε να αυξήσετε την ταχύτητα σάρωσης και μπορείτε να μειώσετε τον αριθμό των σημείων που σαρώνονται.”

Η ομάδα μηχανικών είχε πραγματοποιήσει προηγουμένως έρευνα όπου έφτασαν τα φυσικά όρια του σαρωτή στα έξι καρέ ανά δευτερόλεπτο. Στη δεύτερη στρατηγική, αυξήθηκε ο ρυθμός καρέ μειώνοντας τον αριθμό των σημείων που σαρώθηκαν. Αυτή η στρατηγική προκάλεσε το μικροσκόπιο να καταγράψει δεδομένα χαμηλότερης ανάλυσης.

Εκπαίδευση Προγράμματος AI

Σύμφωνα με την υπόθεση του Li, ένα πρόγραμμα AI θα μπορούσε να εκπαιδευτεί για να αναγνωρίσει και να αποκαταστήσει τα λείπωντα σημεία, τα οποία θα οδηγούσαν σε υψηλότερη ανάλυση. Ωστόσο, μια από τις μεγάλες προκλήσεις μιας τέτοιας προσέγγισης είναι ότι δεν υπάρχουν παρόμοιες εικόνες εγκεφάλων ποντικών για να εκπαιδεύσουν το AI.

Η ομάδα έθεσε ως στόχο να υπερβεί αυτό αναπτύσσοντας μια δύο-στάδια στρατηγική εκπαίδευσης. Το πρώτο εκπαίδευσε το AI να αναγνωρίζει τα δομικά στοιχεία του εγκεφάλου από εικόνες σταθερού δείγματος ιστών εγκεφάλου ποντικού. Στη συνέχεια, εκπαίδευσαν το AI να αναγνωρίζει τα δομικά στοιχεία σε ένα ποντικό με κεφάλι που περιορίζεται που βρισκόταν υπό το υπερ-μικροσκόπιο. Αυτή η νέα τεχνική επέτρεψε στο AI να αναγνωρίσει εγκεφαλικά κύτταρα με φυσική δομική παραλλαγή και την κίνηση που προκαλούσε η κίνηση της αναπνοής και της καρδιακής συχνότητας του ποντικού.

“Η ελπίδα ήταν ότι όποτε συλλέγουμε δεδομένα από ένα κινητό ποντικό, θα ήταν ακόμη αρκετά παρόμοια για να αναγνωρίσει το AI”, λέει ο Li

Οι ερευνητές έκαναν το τεστ του προγράμματος AI για να καθορίσουν εάν θα μπορούσε να ενισχύσει με ακρίβεια τις εικόνες του εγκεφάλου του ποντικού αυξάνοντας προοδευτικά το ρυθμό καρέ. Βρήκαν ότι το AI θα μπορούσε να αποκαταστήσει την ποιότητα της εικόνας μέχρι 26 καρέ ανά δευτερόλεπτο.

Για να δουν πώς το εργαλείο AI θα εκτελεστεί με ένα μικροσκόπιο που είναι συνδεδεμένο σε ένα ποντικό, οι ερευνητές ήταν σε θέση να δουν τις παλμικές δραστηριότητες των ατομικών εγκεφαλικών κυττάρων που ενεργοποιούνται από το ποντικό που κινείται στο περιβάλλον του.

“Δεν θα μπορούσαμε ποτέ να δούμε αυτή την πληροφορία σε τέτοια υψηλή ανάλυση και ρυθμό καρέ πριν”, λέει ο Li. “Αυτή η ανάπτυξη θα μπορούσε να κάνει δυνατή τη συγκέντρωση περισσότερων πληροφοριών σχετικά με το πώς ο εγκέφαλος συνδέεται δυναμικά με δράση σε κυτταρικό επίπεδο.”

Σύμφωνα με την ομάδα, το πρόγραμμα AI θα μπορούσε να υποβληθεί σε περισσότερη εκπαίδευση για να ερμηνεύσει με ακρίβεια εικόνες μέχρι 104 καρέ ανά δευτερόλεπτο.