Aż trudno uwierzyć, w jaki sposób naukowcy oceniają połączenia w ludzkim mózgu

Dzięki algorytmowi uczenia maszynowego opartemu na procesorach graficznych naukowcy z Indii są w stanie lepiej zrozumieć i przewidzieć połączenia pomiędzy różnymi obszarami mózgu.

Algorytm ten został nazwany ReAl-LiFE (Regularized, Accelerated, Linear Fascicle Evaluation) i powstał dzięki badaniom prowadzonym przez naukowców z Indian Institute of Science. Szczegóły w tej sprawie zostały zaprezentowane na łamach Nature Computational Science.

Czytaj też: Komputer zmodyfikuje obrazy na bieżąco. Wystarczy mu połączenie z ludzkim mózgiem

Jest on w stanie błyskawicznie analizować ogromne ilości danych generowanych na podstawie skanów ludzkiego mózgu uzyskanych z użyciem obrazowania metodą dyfuzyjnego rezonansu magnetycznego. Wykorzystując ReAL-LiFE naukowcy z Indii mogli analizować te dane ponad 150 razy szybciej niż za pośrednictwem obecnie stosowanych metod.

Mózg zawiera „kanały” zwane aksonami

Nasz mózg jest niezwykle aktywnym narządem, choć na pierwszy rzut oka mogłoby się wydawać, że jest inaczej. W każdej sekundzie aktywacji ulegają tam miliony neuronów, wytwarzając impulsy elektryczne, które przemieszczają się w sieciach neuronalnych z jednego miejsca w mózgu do drugiego za pośrednictwem łączących je kanałów. Jak wyjaśnia jedna z autorek badania, Varsha Sreenivasan, zrozumienie tych połączeń ma kluczowe znaczenie dla odkrycia zależności między funkcjonowaniem mózgu a pewnymi zachowaniami.

Wspomniane tunele nazywa się aksonami, a poświęcone im dotychczas badania były utrudnione. Wykorzystując metodę obrazowania metodą dyfuzyjnego rezonansu magnetycznego naukowcy byli w stanie śledzić ruch w obrębie aksonów w celu stworzenia kompleksowej mapy sieci włókien w mózgu. Pomogły oczywiście algorytmy, które dopasowują przewidywane i wykrywane sygnały. I choć już wcześniej wykorzystywano LiFE (Linear Fascicle Evaluation), to opierał się on na tradycyjnych procesorach, dlatego obliczenia trwały dłużej.

Czytaj też: Mózgi ośmiornic i ludzi dzielą te same transpozony. Podobieństwo jest naprawdę zaskakujące

Zmodyfikowana wersja algorytmu, zwana ReAl-LiFE, jest oparta na procesorach graficznych. Okazał się on nie tylko znacznie szybciej wykonywać obliczenia, ale również przewidywać, jak zachowa się badana osoba lub jak wykona określone zadanie. Oznacza to, iż odczytując połączenia przewidziane przez algorytm, naukowcy mogli wyjaśnić różnice w wynikach testów behawioralnych i kognitywnych w gronie 200 uczestników eksperymentu. W praktyce takie rozwiązanie mogłoby pomóc w identyfikacji wczesnych oznak starzenia czy też pierwszych objawów choroby Alzheimera.