Korzystając z algorytmu, które nazywają Krakencoder, naukowcy z Weill Cornell Medicine są o krok bliżej rozplążenia, w jaki sposób okablowanie mózgu wspiera sposób myślenia i działania. Badanie, opublikowane 5 czerwca w Metodach Nature, wykorzystało dane obrazowe z projektu ludzkiego Connectome w celu dostosowania aktywności neuronowej do jego podstawowych obwodów.
Mapowanie, w jaki sposób anatomiczne powiązania i wzorce aktywności mózgu odnoszą się do zachowania, ma kluczowe znaczenie nie tylko dla zrozumienia, w jaki sposób mózg działa ogólnie, ale także do identyfikacji biomarkerów chorób, przewidywanie wyników w zaburzeniach neurologicznych i projektowanie spersonalizowanych interwencji.
Zwracanie się do słonia w pokoju
Mózg składa się ze złożonej sieci połączonych neuronów, których aktywność zbiorowa napędza nasze zachowanie. Strukturalny łącznik reprezentuje fizyczne okablowanie mózgu, mapę tego, jak różne regiony są anatomicznie połączone. Drugim elementem układanki jest funkcjonalny łącznik, który reprezentuje wzorce aktywności neuronalnej między różnymi częściami mózgu, podkreślając regiony, które aktywują się podczas określonych zadań lub w spoczynku. Co zaskakujące, naukowcy odkryli, że regiony, które są „połączone razem”, nie zawsze „ogniają razem”.
„Ale wciąż zarysujemy powierzchnię, w jaki sposób sieci mózgowe odnoszą się do zadań codziennego życia, takich jak rozwiązanie problemu matematycznego, rozmowa z przyjacielem lub prowadzenie samochodu” – powiedziała starsza autorka dr Amy Kuceyeski, profesor matematyki w radiologii i neuronauki w medycynie Weill Cornell.
Podczas gdy wielu badaczy modeluje związek między funkcjonalnymi i strukturalnymi łączonymi, opracowują różne mapy. „Każdy używa różnych metod do robienia zdjęć sieci mózgu” – wyjaśnił dr Kuceyeski. Na przykład, stosując obrazowanie rezonansu magnetycznego (MRI) do skanowania mózgu, różne metody przetwarzania tych samych surowych obrazów mogą generować różne połączenia.
Dr Kuceyeski porównuje to patchworkowe podejście do badania słonia w ciemnym pokoju, w którym jedna osoba dotyka bagażnika, kogoś nogi, kogoś innego. „Naszym fundamentalnym założeniem jest to, że każdy zestaw wyborów w rurociągach obrazowania i przetwarzania zapewnia inny obraz tego samego systemu leżącego u podstaw” – powiedział Keith Jamison, pierwszy autor badania i współpracownik badawczy w laboratorium dr Kuceyeski.
Aby uzyskać bardziej kompleksową reprezentację, dr Kuceyeski i jej zespół zbudowali narzędzie, które może przyjąć strukturalne i funkcjonalne połączenia wytwarzane przez wszystkie te odmienne podejścia i załamać je razem, aby stworzyć bardziej zunifikowaną interpretację.
„W mojej głowie widziałem to jako jakiś potwór z wieloma ramionami, który mógłby wyciągnąć rękę i chwycić różne reprezentacje mózgu oraz trawić je i zamieszkać w jedno zunifikowane łącznik” – powiedział Jamison. Powstały program, autoencoder, który kompresuje i rekonstruuje kilkanaście różnych „smaków” danych wejściowych, zatem nazywano Krakencoder.
Identyfikacja połączeń, które przywracają utraconą funkcję
Zespół przeszkolił Krakencodera w zakresie danych zebranych od ponad 700 osób, które uczestniczyły w projekcie Human Connectome National Institutes of Health. W ramach tego badania wolontariusze przeszli szerokie skanowanie strukturalne i funkcjonalne MRI.
Naukowcy odkryli, że Krakencoder pozwolił im wziąć strukturalny łącznik jednostki i prawidłowo przewidzieć, że funkcjonalny łącznik tej osoby około 20 razy dokładniej niż wcześniej opublikowane podejścia.
Połączona i skompresowana reprezentacja Krakencodera przewidywała również wiek, płeć i wyniki wydajności poznawczej otrzymane podczas testów, które zostały przeprowadzone wraz z ich skanami obrazowania. Takie wyniki, zauważył dr Kuceyeski, są niezwykle trudne do oceny na podstawie samego obrazowania mózgu.
Możliwość mapowania funkcji, takich jak poznanie dla określonych sieci mózgu, jest kluczem do zrozumienia, w jaki sposób anatomia i fizjologia powodują nasze zachowania i umiejętności – oraz jak choroby i obrażenia mogą zaburzyć naszą wydajność.
W przyszłości dr Kuceyeski i jej współpracownicy planują połączyć Krakencoder z narzędziem modyfikacji sieci, które nazywają NEMO, które pozwoli im zbadać połączenia ludzi, których mózg zostały uszkodzone przez choroby. Christie Gillies, doktorant w laboratorium Kuceyeski, stosuje to podejście do mapowania wyników po udarze.
„Porównuje funkcjonalny łącznik wytwarzany przez rurociąg NEMO + Krakencoder, oparty wyłącznie na MRI regularnie gromadzących się w klinice, z faktycznym funkcjonalnym MRI osoby. Stwierdziliśmy, że nasze funkcjonalne łączniki wykonują lepszą robotę w przewidywaniu wyników motorycznych i wyników języka danej osoby w kolejce” – powiedział dr Kuceyski.
Narzędzia te mogą również identyfikować połączenia sieci mózgu związane z poprawą wydajności poznawczej lub motorycznej. Wzmocnienie aktywności uszkodzonych obwodów – na przykład poprzez przezczółkową stymulację magnetyczną, leczenie wykorzystujące pulsy magnetyczne do stymulowania komórek nerwowych w mózgu – może wzmocnić te połączenia i przyspieszyć powrót do zdrowia.