Ingenieros de Johns Hopkins utilizan IA para obtener una visión más profunda de los cerebros de ratones

Un grupo de ingenieros biomédicos de Johns Hopkins ha desarrollado una estrategia de entrenamiento de inteligencia artificial (IA) para obtener una comprensión más profunda de los cerebros de ratones. La nueva estrategia captura imágenes de células del cerebro de ratones mientras están activas.

Según el equipo, el sistema de IA se puede utilizar junto con microscopios ultra-pequeños especializados para detectar exactamente dónde y cuándo se activan las células durante el movimiento, el aprendizaje y la memoria. Al recopilar datos reveladores con esta nueva estrategia, los científicos podrían eventualmente entender cómo funciona el cerebro y cómo se ve afectado por la enfermedad.

La nueva investigación se publicó en la revista Nature Communications.

Xingde Li, Ph.D., es profesor de ingeniería biomédica en la Escuela de Medicina de la Universidad de Johns Hopkins.

“Cuando la cabeza de un ratón está restringida para la imagen, su actividad cerebral puede no representar realmente su función neurológica”, dice Li. “Para mapear los circuitos cerebrales que controlan las funciones diarias en los mamíferos, necesitamos ver exactamente qué está sucediendo entre las células cerebrales individuales y sus conexiones, mientras el animal se mueve libremente, come y socializa”.

Recopilación de datos con microscopios ultra-pequeños

El equipo se propuso recopilar los datos detallados creando microscopios ultra-pequeños que se pueden colocar en la parte superior de la cabeza de los ratones. Con eso dicho, los microscopios tienen solo unos pocos milímetros de diámetro, por lo que limitan la cantidad de tecnología de imagen que se puede transportar. La respiración o la frecuencia cardíaca del ratón también podrían afectar la precisión de los datos capturados por el microscopio, por lo que los investigadores estiman que necesitarían superar los 20 fotogramas por segundo para eliminar tales disturbios.

“Hay dos formas de aumentar la tasa de fotogramas”, dice Li. “Puedes aumentar la velocidad de exploración y puedes disminuir el número de puntos explorados”.

El equipo de ingeniería había realizado previamente una investigación en la que alcanzaron los límites físicos del escáner a seis fotogramas por segundo. En la segunda estrategia, aumentaron la tasa de fotogramas disminuyendo el número de puntos explorados. Esta estrategia hizo que el microscopio capturara datos de menor resolución.

Entrenamiento de un programa de IA

Según la hipótesis de Li, un programa de IA podría ser entrenado para reconocer y restaurar los puntos faltantes, lo que resultaría en una mayor resolución. Sin embargo, uno de los principales desafíos de este enfoque es que no hay suficientes imágenes de cerebros de ratones para entrenar el IA.

El equipo se propuso superar esto desarrollando una estrategia de entrenamiento en dos etapas. La primera entrenó al IA para identificar los componentes básicos del cerebro a partir de imágenes de muestras fijas de tejidos de cerebro de ratones. Luego entrenaron al IA para reconocer los componentes básicos en un ratón vivo con la cabeza restringida bajo el microscopio ultra-pequeño. Esta nueva técnica permitió que el IA reconociera las células cerebrales con variación estructural natural y el movimiento causado por la respiración y el latido del ratón.

“La esperanza era que siempre que recopilemos datos de un ratón en movimiento, serán lo suficientemente similares para que la red de IA los reconozca”, dice Li

Los investigadores probaron el programa de IA para determinar si podía mejorar con precisión las imágenes del cerebro de ratones aumentando incrementalmente la tasa de fotogramas. Encontraron que el IA podía restaurar la calidad de la imagen hasta 26 fotogramas por segundo.

Para saber cómo funcionaría la herramienta de IA con un microscopio miniatura conectado a un ratón, los investigadores pudieron ver los picos de actividad de las células cerebrales individuales activadas por el movimiento del ratón en su entorno.

“Nunca habríamos podido ver esta información a tal resolución y tasa de fotogramas antes”, dice Li. “Este desarrollo podría hacer posible recopilar más información sobre cómo el cerebro se conecta dinámicamente con la acción a nivel celular”.

Según el equipo, el programa de IA podría someterse a más entrenamiento para interpretar imágenes con precisión hasta 104 fotogramas por segundo.