В последние годы резко возросло количество исследований черепно-мозговых травм, начиная с решеток и заканчивая полем боя. Решающее значение для понимания травмы головного мозга имеет способность моделировать механические силы, которые сжимают, растягивают и скручивают мозговую ткань, вызывая повреждения, которые варьируются от мимолетных до смертельных.
Исследователи из Стэнфордского университета теперь говорят, что они использовали искусственный интеллект для создания более точной модели того, как деформации преобразуются в стрессы в мозге, и считают, что их подход может выявить более точное понимание того, когда и почему сотрясение мозга иногда приводит к длительному повреждению мозга . а в другой раз нет.
«Проблема в моделировании мозга на сегодняшний день заключается в том, что мозг не является однородной тканью — он не одинаков в каждой части мозга. Тем не менее, травма часто носит всеобъемлющий характер», — сказала Эллен Куль, профессор машиностроения, директор Living. Matter Lab и старший автор нового исследования, опубликованного в журнале Acta Biomaterialia . «Мозг также ультрамягкий, как и Jell-O, что делает тестирование и моделирование физических воздействий на мозг очень сложными».
Идти в библиотеку
Исследователи, которые хотят изучать травму головного мозга, вынуждены выбирать из библиотеки десятков моделей материалов, некоторым из которых почти сто лет, чтобы помочь рассчитать нагрузки на мозг.
На протяжении десятилетий ученые разрабатывали эти модели для мягких материалов с загадочными названиями, такими как «неогуковская модель для пластмасс и резины», «модель Демирея для мягких тканей» и «модель Огдена для резиноподобных твердых тел». Но модель, которая работает для одного типа напряжения — растяжения, сжатия или сдвига, — может не работать для другого. Точно так же модель, которая может работать для одной области мозга, может не работать для другой.
Новый подход использует модель моделей, используя искусственный интеллект, чтобы определить, какая модель из более чем 4000 возможностей лучше всего объясняет поведение мозга. В прошлом выбор лучшей модели был методом проб и ошибок, который во многом зависел от пользовательского опыта и личных предпочтений.
«Мы исключаем выбор пользователя из уравнения, позволяя машинному обучению изучать данные и решать, какая модель работает лучше всего», — добавляет Сара Сен-Пьер, докторант лаборатории Куля и соавтор статьи. «Автоматизация этого процесса снижает барьеры для моделирования мозга. Теперь это может сделать каждый студент Стэнфорда». Как только машинное обучение обнаружило лучшую модель, ее легко связать с моделями, предложенными поколениями исследователей.
Преобразующие идеи
Подход, известный как Конститутивные искусственные нейронные сети, был разработан Кевином Линкой до того, как он присоединился к Лаборатории живой материи в качестве постдока, чтобы применить свой метод к мозгу.
«Мы предоставляем сети все существующие конститутивные модели, разработанные за последнее столетие. А ИИ смешивает и сопоставляет, чтобы найти наилучший вариант. Это невозможно сделать вручную», — сказал Линка. «Теперь мы фактически открыли новую модель, которая дает нам больше уверенности в изучении механического стресса в мозге».
В отличие от обычных готовых нейронных сетей , Конститутивные искусственные нейронные сети позволяют по-новому взглянуть на физику мозга. В качестве одного из примеров команда отмечает, что они точно определили физически значимые параметры, такие как различная жесткость на сдвиг в четырех различных областях мозга — коре, базальных ганглиях, лучистом венце и мозолистом теле — точно в 1,82, 0,88, 0,94, и 0,54 кПа каждый.
Модуль сдвига связывает силу удара по голове, например, с результирующей деформацией мозговой ткани . По этим показателям кора — серый внешний слой мозга — более чем в три раза жестче мозолистого тела, сети нервов, соединяющих два полушария мозга.
Обладая такими расширенными знаниями, исследователи травм головного мозга могут более точно моделировать и понимать, где именно возникает травма головного мозга . Это может вдохновить на разработку нового защитного оборудования или методов лечения, способствующих заживлению. Чтобы воплотить эти знания в инженерную практику, группа Куля сотрудничала с крупной компанией-разработчиком программного обеспечения для моделирования, Dassault Systemès Simulia, чтобы интегрировать автоматическое обнаружение моделей непосредственно в их рабочий процесс анализа.
«Что действительно наиболее интересно в этом исследовании, — сказал Куль, — так это то, что конститутивные искусственные нейронные сети могут вызвать сдвиг парадигмы в моделировании мягких тканей, от выбора модели, определяемой пользователем, к автоматическому обнаружению модели. Это может навсегда изменить то, как мы моделируем материалы и структуры».