Машинное обучение и МРТ раскрывают тайны головного мозга

16 января 2019 г.
2649

Исследование использует неинвазивные данные нейровизуализации для выявления клеточных свойств различных областей мозга, предоставляя новый путь для изучения причин неврологических заболеваний

 

 

Междисциплинарная исследовательская группа во главе с учеными из Национального университета Сингапура (NUS) использовала  машинное обучение для изучения клеточной архитектуры человеческого мозга.

Команда продемонстрировала технологию, которая автоматически оценивает клеточное строение головного мозга, используя данные, полученные из  функциональной магнитно-резонансной томографии (МРТ)  , позволяя неврологам определять клеточные свойства различных областей мозга, не исследуя мозг с помощью хирургических средств. Эта технология может использоваться для оценки лечения  неврологических расстройств  и для разработки новых методов лечения.

«Основные причины многих заболеваний возникают на клеточном уровне, поэтому многие фармацевтические препараты действуют на микроуровне. Чтобы знать, что на самом деле происходит на самых глубинных уровнях человеческого мозга, для нас крайне важно разработать методы, которые могут неинвазивно проникать в мозг на клеточном уровне», - сказал помощник руководителя группы профессор Томас Йео из Сингапура. Институт нейротехнологий (SINAPSE) при NUS и Центр клинических исследований A * STAR-NUS (CIRC). Новое исследование, проведенное в сотрудничестве с исследователями из Нидерландов и Испании, впервые было опубликовано в сети в научном журнале Science Advances 9 января 2019 года.

Сложность строения человеческого мозга

Мозг является самым сложным органом человеческого тела, он состоит из 100 миллиардов нервных клеток, которые, в свою очередь, связаны примерно с 1000 другими. Любое повреждение или заболевание, затрагивающее даже самую маленькую часть мозга, может привести к серьезным нарушениям.

В настоящее время большинство исследований человеческого мозга ограничиваются неинвазивными подходами, такими как магнитно-резонансная томография (МРТ). Но даже ограничиваясь исследованием головного мозга на клеточном уровне, ученые могут получить понимание о потенциально новых методах лечения неврологических заболеваний.

Различные исследовательские центры по всему миру используют биофизическое моделирование для преодоления этого разрыва между неинвазивной визуализацией и клеточным пониманием человеческого мозга. Биофизические модели мозга можно использовать для имитации мозговой деятельности, что позволяет нейробиологам получить дополнительную информацию о мозговой активности. Однако, многие из этих моделей основаны на чрезмерно упрощенных предположениях, например, что все области мозга имеют одинаковые клеточные свойства, которые, как известно ученым, являются ложными на протяжении более 100 лет.

Построение виртуальных моделей мозга

Йео и его команда работали с учеными из Университета Помпеу Фабра, Университета Барселоны и Университетского медицинского центра в Утрехте, чтобы проанализировать данные изображений 452 участников проекта Human Connectome . В отличие от предыдущей работы по моделированию, они позволили каждой области мозга работать параллельно и использовали алгоритмы машинного обучения для автоматической оценки параметров модели.

«Наш подход обеспечивает лучшее соответствие реальным данным. Кроме того, мы обнаружили, что параметры микромасштабной модели, оцениваемые алгоритмом машинного обучения, отражают то, как мозг обрабатывает информацию », - сказал доктор философии Пэн Ван, который является первым автором статьи, и провел исследование, будучи докторантом в команде Йео.

Исследовательская группа обнаружила, что области мозга, участвующие в сенсорном восприятии, такие как зрение, слух и осязание, обладают клеточными свойствами, противоположными областям мозга, участвующим во внутренних мыслительных процессах и памяти. Пространственная структура клеточной архитектуры человеческого мозга тесно отражает то, как мозг иерархически обрабатывает информацию из окружающей среды. Эта форма иерархической обработки является ключевой характеристикой человеческого мозга из последних достижений в области искусственного интеллекта.

«Наше исследование показывает, что иерархия обработки мозга поддерживается микромасштабной дифференциацией между его регионами, что может дать дополнительные подсказки для прорывов в области искусственного интеллекта», - сказал Йео, который также работает в отделе электротехники и вычислительной техники в NUS инженерном факультете.

В дальнейшем команда NUS планирует применить свой подход для изучения данных мозга отдельных участников, чтобы лучше понять, как индивидуальные вариации клеточной архитектуры мозга могут быть связаны с различиями в когнитивных способностях. Команда надеется, что результаты могут стать шагом на пути к разработке индивидуальных планов лечения с использованием конкретных лекарств или стратегий стимуляции мозга.

Источник: www.advances.sciencemag.org