Engenheiros da Johns Hopkins Usam IA para Olhar Mais Profundamente nos Cérebros de Camundongos

Um grupo de engenheiros biomédicos da Johns Hopkins desenvolveu uma estratégia de treinamento de inteligência artificial (IA) para obter uma compreensão mais profunda dos cérebros de camundongos. A nova estratégia captura imagens de células do cérebro de camundongos enquanto elas estão ativas.

De acordo com a equipe, o sistema de IA pode ser usado em conjunto com microscópios ultra-pequenos especializados para detectar exatamente onde e quando as células são ativadas durante o movimento, aprendizado e memória. Ao coletar dados instrutivos com essa nova estratégia, os cientistas poderiam eventualmente entender como o cérebro funciona e é afetado por doenças.

A nova pesquisa foi publicada na revista Nature Communications.

Xingde Li, Ph.D., é professor de engenharia biomédica na Escola de Medicina da Universidade Johns Hopkins.

“Quando a cabeça de um camundongo é restringida para imagem, sua atividade cerebral pode não representar verdadeiramente sua função neurológica”, diz Li. “Para mapear os circuitos cerebrais que controlam as funções diárias nos mamíferos, precisamos ver exatamente o que está acontecendo entre as células cerebrais individuais e suas conexões, enquanto o animal se move livremente, come e socializa.”

Coletando Dados com Microscópios Ultra-Pequenos

A equipe se esforçou para coletar os dados detalhados criando microscópios ultra-pequenos que podem ser colocados no topo da cabeça dos camundongos. Com isso dito, os microscópios têm apenas alguns milímetros de diâmetro, então limitam a quantidade de tecnologia de imagem que pode ser transportada. A respiração ou frequência cardíaca do camundongo também pode afetar a precisão dos dados capturados pelo microscópio, então os pesquisadores estimam que precisariam exceder 20 quadros por segundo para eliminar tais distúrbios.

“Há duas maneiras de aumentar a taxa de quadros”, diz Li. “Você pode aumentar a velocidade de varredura e você pode diminuir o número de pontos varridos.”

A equipe de engenharia realizou anteriormente uma pesquisa onde atingiram os limites físicos do scanner a seis quadros por segundo. Na segunda estratégia, eles aumentaram a taxa de quadros diminuindo o número de pontos varridos. Essa estratégia fez com que o microscópio capturasse dados de menor resolução.

Treinando um Programa de IA

De acordo com a hipótese de Li, um programa de IA poderia ser treinado para reconhecer e restaurar os pontos faltantes, o que resultaria em uma resolução mais alta. No entanto, um dos principais desafios de tal abordagem é que há falta de imagens semelhantes de cérebros de camundongos para treinar o IA.

A equipe se esforçou para superar isso desenvolvendo uma estratégia de treinamento em duas etapas. A primeira treinou o IA para identificar os blocos de construção do cérebro a partir de imagens de amostras fixas de tecidos cerebrais de camundongos. Eles então treinaram o IA para reconhecer os blocos de construção em um camundongo com a cabeça restringida que estava sob o microscópio ultra-pequeno. Essa nova técnica permitiu que o IA reconhecesse células cerebrais com variação estrutural natural e o movimento causado pelo movimento da respiração e do coração do camundongo.

“A esperança era que, sempre que coletássemos dados de um camundongo em movimento, ele ainda seria suficientemente semelhante para que a rede de IA o reconhecesse”, diz Li

Os pesquisadores testaram o programa de IA para determinar se ele poderia melhorar com precisão as imagens do cérebro de camundongos aumentando incrementalmente a taxa de quadros. Eles descobriram que o IA poderia restaurar a qualidade da imagem até 26 quadros por segundo.

Para saber como a ferramenta de IA se sairia com um microscópio miniaturizado anexado a um camundongo, os pesquisadores puderam observar os picos de atividade de células cerebrais individuais ativadas pelo camundongo se movendo em seu ambiente.

“Nunca poderíamos ter visto essas informações com tal resolução e taxa de quadros antes”, diz Li. “Esse desenvolvimento pode tornar possível coletar mais informações sobre como o cérebro está conectado dinamicamente à ação em um nível celular.”

De acordo com a equipe, o programa de IA poderia passar por mais treinamento para interpretar imagens com precisão até 104 quadros por segundo.