Inżynierowie z Johns Hopkins Wykorzystują Sztuczną Inteligencję do Głębszego Zrozumienia Mózgu Myszy

Grupa inżynierów biomedycznych z Johns Hopkins opracowała strategię szkolenia sztucznej inteligencji (AI) w celu uzyskania głębszego zrozumienia mózgu myszy. Nowa strategia pozwala na przechwytywanie obrazów komórek mózgu myszy w trakcie ich aktywności.

Zgodnie z oświadczeniem zespołu, system AI może być wykorzystywany wraz z wyspecjalizowanymi ultra-małymi mikroskopami do wykrywania dokładnego położenia i czasu aktywacji komórek podczas ruchu, uczenia się i pamięci. Poprzez zbieranie danych z tej nowej strategii, naukowcy mogliby ostatecznie zrozumieć, jak działa mózg i jak jest wpływany przez choroby.

Nowe badania zostały opublikowane w czasopiśmie Nature Communications.

Xingde Li, Ph.D., jest profesorem inżynierii biomedycznej na Uniwersytecie Medycznym Johns Hopkins.

“Gdy głowa myszy jest unieruchomiona do obrazowania, jej aktywność mózgu może nie odzwierciedlać prawidłowo jej funkcji neurologicznej”, mówi Li. “Aby mapować obwody mózgu, które kontrolują codzienne funkcje u ssaków, musimy zobaczyć dokładnie, co dzieje się wśród poszczególnych komórek mózgu i ich połączeń, podczas gdy zwierzę swobodnie porusza się, je i socjalizuje się.”

Zbieranie Danych Z Ultra-Małymi Mikroskopami

Zespół postanowił zebrać szczegółowe dane, tworząc ultra-małe mikroskopy, które mogą być umieszczone na głowie myszy. Jak się okazuje, mikroskopy mają tylko kilka milimetrów średnicy, co ogranicza ilość technologii obrazowania, którą można przenosić. Oddech lub tętno myszy mogą również wpływać na dokładność danych przechwyconych przez mikroskop, więc naukowcy szacują, że musieliby przekroczyć 20 klatek na sekundę, aby wyeliminować takie zakłócenia.

“Istnieją dwa sposoby zwiększenia częstotliwości klatek”, mówi Li. “Można zwiększyć prędkość skanowania i można zmniejszyć liczbę punktów skanowanych”.

Zespół inżynierów wcześniej przeprowadził badania, w których osiągnęli granice fizyczne skanera przy sześciu klatkach na sekundę. W drugiej strategii zwiększyli częstotliwość klatek, zmniejszając liczbę punktów skanowanych. Ta strategia spowodowała, że mikroskop przechwycił dane o niższej rozdzielczości.

Szkolenie Programu AI

Zgodnie z hipotezą Li, program AI mógłby być szkolony do rozpoznawania i odtwarzania brakujących punktów, co skutkowałoby wyższą rozdzielczością. Jednak jednym z głównych wyzwań takiego podejścia jest brak podobnych obrazów mózgu myszy do szkolenia AI.

Zespół postanowił pokonać to, rozwijając dwuetapową strategię szkolenia. Po pierwsze, szkolili AI do identyfikacji budulca mózgu z obrazów utrwalonych próbek tkanek mózgu myszy. Następnie szkolili AI do rozpoznawania budulca w głowie myszy, która była unieruchomiona pod ultra-małym mikroskopem. Ta nowa technika umożliwiła AI rozpoznanie komórek mózgu z naturalną zmiennością strukturalną i ruchem spowodowanym przez ruch oddechu i bicie serca myszy.

“Nadzieja była taka, że kiedykolwiek zbieramy dane z poruszającej się myszy, będą one wystarczająco podobne, aby sieć AI mogła je rozpoznać”, mówi Li

Naukowcy przetestowali program AI, aby ustalić, czy może on dokładnie poprawić obrazy mózgu myszy, stopniowo zwiększając częstotliwość klatek. Stwierdzili, że AI może przywrócić jakość obrazu do 26 klatek na sekundę.

Aby sprawdzić, jak narzędzie AI będzie działać z mini mikroskopem przymocowanym do myszy, naukowcy byli w stanie obejrzeć szczyty aktywności poszczególnych komórek mózgu aktywowanych przez ruch myszy w jej środowisku.

“Nigdy nie moglibyśmy zobaczyć tych informacji w tak wysokiej rozdzielczości i częstotliwości klatek”, mówi Li. “Ten rozwój mógłby umożliwić zebranie większej ilości informacji o tym, jak mózg jest dynamicznie połączony z działaniem na poziomie komórkowym.”

Zgodnie z oświadczeniem zespołu, program AI mógłby przejść dalsze szkolenie, aby dokładnie interpretować obrazy do 104 klatek na sekundę.