Johns Hopkinsi insenerid kasutavad AI-d hiirte aju sügavamaks uurimiseks

Johns Hopkinsi biomeditsiiniinseneride rühm on välja töötanud tehisintellekti (AI) koolitusstrateegia, et saada sügavam arusaam hiirte ajudest. Uus strateegia jäädvustab pilte hiire ajurakkudest, kui need on aktiivsed. 

Meeskonna sõnul saab AI-süsteemi kasutada koos spetsiaalsete üliväikeste mikroskoopidega, et tuvastada täpselt, kus ja millal rakud liikumise, õppimise ja mälu ajal aktiveeritakse. Selle uue strateegia abil sisukaid andmeid kogudes saavad teadlased lõpuks aru, kuidas aju toimib ja kuidas haigused seda mõjutavad. 

Uus uurimus avaldati ajakirjas Nature Communications. 

Xingde Li, Ph.D., on biomeditsiinitehnika professor Johns Hopkinsi ülikooli meditsiinikoolis. 

"Kui hiire pea on pildistamiseks vaoshoitud, ei pruugi tema ajutegevus tõeliselt esindada tema neuroloogilist funktsiooni," ütleb Li. "Imetajate igapäevaseid funktsioone kontrollivate ajuahelate kaardistamiseks peame täpselt nägema, mis toimub üksikute ajurakkude ja nende ühenduste vahel, samal ajal kui loom liigub vabalt ringi, sööb ja suhtleb."

Andmete kogumine üliväikeste mikroskoopidega

Meeskond otsustas koguda üksikasjalikke andmeid, luues üliväikesed mikroskoobid, mida saab paigutada hiirte peade otsa. Seda arvestades on mikroskoobid vaid paari millimeetri läbimõõduga, seega piiravad need kaasaskantava pilditehnoloogia hulka. Hiire hingamine või südame löögisagedus võib samuti mõjutada mikroskoobiga jäädvustatud andmete täpsust, nii et teadlaste hinnangul peaksid nad selliste häirete kõrvaldamiseks ületama 20 kaadrit sekundis.

"Kaadrisageduse suurendamiseks on kaks võimalust, " ütleb Li. "Saate suurendada skannimise kiirust ja saate vähendada skannitud punktide arvu." 

Varem tegi inseneride meeskond uuringuid, kus nad jõudsid skanneri füüsilised piirid kuus kaadrit sekundis. Teises strateegias suurendasid nad kaadrisagedust, vähendades skannitud punktide arvu. See strateegia pani mikroskoobi püüdma madalama eraldusvõimega andmeid. 

AI programmi koolitamine

Li hüpoteesi kohaselt võiks AI programmi treenida puuduvaid punkte ära tundma ja taastama, mille tulemuseks oleks suurem eraldusvõime. Sellise lähenemisviisi üks peamisi väljakutseid on aga see, et puuduvad sarnased hiireaju kujutised, mille vastu tehisintellekti treenida. 

Meeskond püüdis sellest üle saada, töötades välja kaheetapilise koolitusstrateegia. Esimene õpetas tehisintellekti tuvastama aju ehitusplokke hiire ajukoe fikseeritud proovide piltide põhjal. Seejärel õpetasid nad tehisintellekti ära tundma üliväikese mikroskoobi all oleva peatoega elava hiire ehitusplokke. See uus tehnika võimaldas AI-l ära tunda loomuliku struktuurimuutusega ajurakke ning liikumist, mis on põhjustatud hiire hingamise ja südamelöökide liikumisest. 

"Lootus oli, et kui kogume andmeid liikuvalt hiirelt, on need siiski piisavalt sarnased, et AI võrk ära tunneks," ütleb Li.

Teadlased katsetasid AI-programmi, et teha kindlaks, kas see suudab hiire ajupilte täpselt täiustada, suurendades järk-järgult kaadrisagedust. Nad leidsid, et AI suudab taastada pildikvaliteedi kuni 26 kaadrit sekundis. 

Et mõista, kuidas AI tööriist hiire külge kinnitatud minimikroskoobiga toimiks, suutsid teadlased vaadata üksikute ajurakkude aktiivsuse naelu, mille aktiveeris hiir oma keskkonnas ringi liikudes. 

"Me poleks kunagi varem näinud seda teavet nii kõrge eraldusvõime ja kaadrisagedusega," ütleb Li. "See areng võib võimaldada koguda rohkem teavet selle kohta, kuidas aju on dünaamiliselt seotud tegevusega raku tasandil."

Meeskonna sõnul võiks AI programm läbida rohkem koolitusi, et tõlgendada pilte täpselt kuni 104 kaadrit sekundis.