Estás leyendo la publicación: Ingenieros de Johns Hopkins utilizan IA para profundizar en el cerebro de los ratones
Un grupo de ingenieros biomédicos de Johns Hopkins ha desarrollado una estrategia de entrenamiento de inteligencia artificial (IA) para obtener una comprensión más profunda del cerebro de los ratones. La nueva estrategia captura imágenes de las células cerebrales del ratón mientras están activas.
Según el equipo, el sistema de IA se puede utilizar junto con microscopios ultrapequeños especializados para detectar exactamente dónde y cuándo se activan las células durante el movimiento, el aprendizaje y la memoria. Al recopilar datos reveladores con esta nueva estrategia, los científicos podrían eventualmente comprender cómo funciona el cerebro y cómo se ve afectado por la enfermedad.
La nueva investigación fue publicada en la revista Comunicaciones de la naturaleza.
Xingde Li, Ph.D., es profesor de ingeniería biomédica en la Facultad de Medicina de la Universidad Johns Hopkins.
“Cuando se restringe la cabeza de un ratón para obtener imágenes, es posible que su actividad cerebral no represente verdaderamente su función neurológica”, dice Li. “Para mapear los circuitos cerebrales que controlan las funciones diarias en los mamíferos, necesitamos ver con precisión lo que sucede entre las células cerebrales individuales y sus conexiones, mientras el animal se mueve libremente, come y socializa”.
Recopilación de datos con microscopios ultrapequeños
El equipo se dispuso a recopilar datos detallados mediante la creación de microscopios ultrapequeños que se pueden colocar en la parte superior de la cabeza de los ratones. Dicho esto, los microscopios tienen solo un par de milímetros de diámetro, por lo que limitan la cantidad de tecnología de imágenes que se puede transportar. La respiración o el ritmo cardíaco del ratón también podrían afectar la precisión de los datos capturados por el microscopio, por lo que los investigadores estiman que necesitarían superar los 20 cuadros por segundo para eliminar tales alteraciones.
“Hay dos formas de aumentar la velocidad de fotogramas”, dice Li. “Puede aumentar la velocidad de escaneo y puede disminuir la cantidad de puntos escaneados”.
El equipo de ingeniería llevó a cabo previamente una investigación en la que alcanzaron los límites físicos del escáner a seis fotogramas por segundo. En la segunda estrategia, aumentaron la velocidad de fotogramas al disminuir la cantidad de puntos escaneados. Esta estrategia hizo que el microscopio capturara datos de menor resolución.
Entrenamiento de un programa de IA
Según la hipótesis de Li, se podría entrenar un programa de IA para reconocer y restaurar los puntos que faltan, lo que daría como resultado una resolución más alta. Sin embargo, uno de los principales desafíos de este enfoque es que faltan imágenes similares de cerebros de ratones para entrenar a la IA.
El equipo se dispuso a superar esto mediante el desarrollo de una estrategia de capacitación en dos etapas. El primero entrenó a la IA para identificar los componentes básicos del cerebro a partir de imágenes de muestras fijas de tejidos cerebrales de ratones. Luego entrenaron a la IA para que reconociera los componentes básicos en un ratón vivo con la cabeza restringida que estaba bajo el microscopio ultrapequeño. Esta nueva técnica permitió a la IA reconocer las células cerebrales con una variación estructural natural y el movimiento causado por el movimiento de la respiración y los latidos del corazón del ratón.
“La esperanza era que cada vez que recopilamos datos de un mouse en movimiento, seguirá siendo lo suficientemente similar para que la red de IA lo reconozca”, dice Li.
Los investigadores probaron el programa de IA para determinar si podía mejorar con precisión las imágenes del cerebro del ratón aumentando gradualmente la velocidad de fotogramas. Descubrieron que la IA podía restaurar la calidad de la imagen hasta 26 cuadros por segundo.
Para saber cómo funcionaría la herramienta de IA con un mini microscopio conectado a un ratón, los investigadores pudieron observar los picos de actividad de las células cerebrales individuales activadas por el movimiento del ratón en su entorno.
“Nunca antes podríamos haber visto esta información con una resolución y velocidad de fotogramas tan altas”, dice Li. “Este desarrollo podría permitir recopilar más información sobre cómo el cerebro se conecta dinámicamente a la acción a nivel celular”.
Según el equipo, el programa de IA podría someterse a más entrenamiento para interpretar con precisión imágenes de hasta 104 fotogramas por segundo.
