Междисциплинарная исследовательская группа во главе с учеными из Национального университета Сингапура (NUS) успешно использовала машинное обучение, чтобы раскрыть новое понимание клеточной архитектуры человеческого мозга.

Команда продемонстрировала подход, который автоматически оценивает параметры 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. Этот подход может потенциально использоваться для оценки лечения неврологических расстройств и для разработки новых методов лечения.

«Основные пути многих заболеваний происходят на клеточном уровне , и многие фармацевтические препараты работают на микроуровне. Чтобы знать, что на самом деле происходит на самых внутренних уровнях человеческого мозга, для нас крайне важно разработать методы, которые могут углубиться в глубины о мозге неинвазивно », — сказал руководитель группы доцент Томас Йео из Сингапурского института нейротехнологий (SINAPSE) при NUS и исследовательского центра клинической визуализации 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.

Раскрывая сложность человеческого мозга

Мозг является самым сложным органом человеческого тела, и 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). Это ограничивает исследование человеческого мозга на клеточном уровне, что может предложить новое понимание развития и потенциального лечения различных неврологических заболеваний.

Различные исследовательские группы 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 представление о мозге. 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

Профессор Йео и его команда работали с исследователями из Университета Помпеу Фабра, Барселонского университета и Университетского медицинского центра Утрехта, чтобы проанализировать данные изображений 452 участников проекта «Человек-кондом». В отличие от предыдущей работы по моделированию, они позволили каждой области мозга иметь различные клеточные свойства 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 Пэн Ван, который является первым автором бумага, и провел исследование, когда он был постдокторантом в команде Asst Prof Yeo.

Исследовательская группа обнаружила, что области мозга, участвующие в сенсорном восприятии, такие как зрение, слух и осязание, обладают клеточными свойствами, противоположными областям мозга, участвующим во внутренней мысли 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 и 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 Аст Проф Йео, который также работает в Департаменте электротехники и вычислительной техники. на инженерном факультете НУС.

Следующие шаги

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