Gli ingegneri di Johns Hopkins utilizzano l’AI per un’analisi più approfondita del cervello dei topi

Un gruppo di ingegneri biomedici di Johns Hopkins ha sviluppato una strategia di addestramento dell’intelligenza artificiale (AI) per acquisire una comprensione più approfondita del cervello dei topi. La nuova strategia cattura immagini delle cellule del cervello dei topi mentre sono attive.

Secondo il team, il sistema AI può essere utilizzato insieme a microscopi ultra-piccoli specializzati per rilevare esattamente dove e quando le cellule vengono attivate durante il movimento, l’apprendimento e la memoria. Raccogliendo dati significativi con questa nuova strategia, gli scienziati potrebbero eventualmente capire come funziona il cervello e come viene influenzato dalle malattie.

La nuova ricerca è stata pubblicata sulla rivista Nature Communications.

Xingde Li, Ph.D., è professore di ingegneria biomedica alla Johns Hopkins University School of Medicine.

“Quando la testa di un topo è vincolata per l’imaging, l’attività cerebrale potrebbe non rappresentare veramente la sua funzione neurologica”, afferma Li. “Per mappare i circuiti cerebrali che controllano le funzioni quotidiane nei mammiferi, dobbiamo vedere esattamente cosa sta succedendo tra le singole cellule cerebrali e le loro connessioni, mentre l’animale si muove liberamente, mangia e socializza.”

Raccolta di dati con microscopi ultra-piccoli

Il team ha cercato di raccogliere i dati dettagliati creando microscopi ultra-piccoli che possono essere posizionati sulla sommità della testa dei topi. Detto questo, i microscopi hanno solo un paio di millimetri di diametro, quindi limitano la quantità di tecnologia di imaging che può essere trasportata. La respirazione o la frequenza cardiaca del topo potrebbero anche influenzare l’accuratezza dei dati catturati dal microscopio, quindi i ricercatori stimano che dovrebbero superare i 20 frame al secondo per eliminare tali disturbi.

“Ci sono due modi per aumentare la frequenza dei frame”, afferma Li. “Puoi aumentare la velocità di scansione e puoi diminuire il numero di punti scansionati”.

Il team di ingegneria ha precedentemente condotto una ricerca in cui hanno raggiunto i limiti fisici dello scanner a sei frame al secondo. Nella seconda strategia, hanno aumentato la frequenza dei frame diminuendo il numero di punti scansionati. Questa strategia ha causato al microscopio la cattura di dati a risoluzione inferiore.

Addestramento di un programma AI

Secondo l’ipotesi di Li, un programma AI potrebbe essere addestrato per riconoscere e ripristinare i punti mancanti, il che comporterebbe una risoluzione superiore. Tuttavia, una delle principali sfide di questo approccio è che non ci sono molte immagini di cervelli di topi simili per addestrare l’AI.

Il team ha cercato di superare questo svantaggio sviluppando una strategia di addestramento a due stadi. Il primo ha addestrato l’AI a identificare i blocchi costitutivi del cervello da immagini di campioni fissi di tessuti cerebrali di topi. Quindi, hanno addestrato l’AI a riconoscere i blocchi costitutivi in un topo vivo con la testa vincolata sotto il microscopio ultra-piccolo. Questa nuova tecnica ha consentito all’AI di riconoscere le cellule cerebrali con variazione strutturale naturale e il movimento causato dal movimento della respirazione e del battito cardiaco del topo.

“Speravamo che, ogni volta che raccogliamo dati da un topo in movimento, sarebbero comunque abbastanza simili perché la rete AI li riconosca”, afferma Li

I ricercatori hanno testato il programma AI per determinare se potesse migliorare efficacemente le immagini del cervello dei topi aumentando progressivamente la frequenza dei frame. Hanno scoperto che l’AI potrebbe ripristinare la qualità dell’immagine fino a 26 frame al secondo.

Per capire come lo strumento AI avrebbe funzionato con un microscopio miniaturizzato attaccato a un topo, i ricercatori sono stati in grado di esaminare gli spike di attività di singole cellule cerebrali attivate dal topo che si muoveva nel suo ambiente.

“Non avremmo mai potuto vedere queste informazioni a tale alta risoluzione e frequenza dei frame prima”, afferma Li. “Questo sviluppo potrebbe rendere possibile raccogliere più informazioni su come il cervello è dinamicamente connesso all’azione a livello cellulare.”

Secondo il team, il programma AI potrebbe subire ulteriore addestramento per interpretare immagini fino a 104 frame al secondo.