Inteligența artificială arată vârsta creierului

Rezultatele cercetărilor susținute de Programul Național de Cercetare a Creierului pot facilita prognosticul demenței la bătrânețe.

A fost descoperit un sistem cheie de stres și insomnie
A fost identificat un nou proces cerebral responsabil de efectele stresului persistent
Comunicarea dintre celulele nervoase
Au fost prezentate rezultatele PNA
Creierul și explozia informațională
O descoperire maghiară de renume mondial despre boala Alzheimer

Câți ani are creierul tău cu adevărat? - întrebarea părea să vină direct de pe Facebook. De data aceasta, însă, apariția este înșelătoare: cercetătorii serioși se ocupă de acest subiect - inclusiv personalul Centrului de Cercetări în Științe ale Naturii (TTK) al Academiei Maghiare de Științe - și răspunsurile pot face ca bătrânețea să fie mai locuibilă.

Creierul nostru se schimbă constant de-a lungul vieții noastre, în tinerețe structura și funcționarea rețelelor creierului devin mai coordonate și mai sofisticate și, pe măsură ce începem să îmbătrânim, procesele în direcții opuse au loc în el. Modificările pot fi observate nu numai în structura fizică a creierului, ci și în gradul de coordonare între funcționarea fiecărei zone creierului, care poate fi bine caracterizat prin schimbarea puterii relațiilor funcționale măsurabile între zonele creierului.

Vârsta relațiilor

Aceste conexiuni pot fi examinate excelent prin imagistica prin rezonanță magnetică funcțională (fMRI), și asta rezultatele pot arăta, care a examinat măsura în care caracteristicile tiparului de relație creierului corespund vârstei reale a subiectului. Dacă discrepanța este semnificativă, cercetările arată că este un bun predictor al proceselor anormale de îmbătrânire a creierului, inclusiv a demenței.

Cu toate acestea, este foarte important ca astfel de procese să fie scoase la lumină în timp, întrucât intervențiile medicamentoase timpurii și modificările stilului de viață sunt mult mai eficiente decât „stingerea incendiilor” după apariția simptomelor mai severe.

Relațiile dintre funcționarea zonelor cerebrale formează o rețea destul de complexă, deci nu este deloc evident care sunt caracteristicile lor în raport cu vârsta. Așadar, părea o soluție evidentă pentru a încorpora inteligența artificială în analiza sa. Și sistemele de învățare profundă pot fi predate doar despre relațiile dintre rețelele creierului și vârstă, cum ar fi separarea imaginilor câinilor și pisicilor. Adică, un sistem de învățare aprofundat începe să „simtă” vârsta creierului după procesarea unei imagini a unui număr suficient de creiere sănătoase, la fel ca în celălalt exemplu, „câinele” sau „felinitatea” animalului din fotografia.

Prin transfer de cunoștințe pentru o învățare mai eficientă

Cu toate acestea, există o mare diferență între cele două situații: în timp ce milioane de fotografii pot fi folosite pentru instruirea în recunoașterea imaginilor, ordinele de mărime mai puține imagini fMRI sunt disponibile pentru antrenament. Și dacă acest lucru nu ar fi fost suficient, rețelele de imagini fMRI realizate pe diferite dispozitive cu setări diferite sunt atât de diferite încât nu le puteți „combina” cu adevărat și puteți utiliza această bază de date unificată pentru a vă învăța inteligența artificială.

Zoltán Vidnyánszky și grupul său de cercetare, susținut de Programul Național de Cercetare a Creierului, au găsit o soluție inteligentă pentru a elimina această problemă folosind principiul de funcționare al sistemelor de învățare profundă. Acest lucru se datorează faptului că sistemele de învățare care funcționează pe baza acestui principiu procesează informații de intrare la mai multe niveluri suprapuse de abstractizare. În timp ce detaliile specifice ale datelor de intrare contează încă foarte mult la primele niveluri, apar corelații din ce în ce mai abstracte în învățare la nivelurile superioare. Astfel, de exemplu, nivelurile inferioare ale unui sistem de învățare profundă antrenat care separă câinii și pisicile pe baza unei fotografii răspund cu diferențe uriașe la imaginea unui chihuahua și a unui munte bernez, dar la niveluri superioare, „câinele” domină în mod clar.

Ideea lui Vidnyánszky a fost de a prelua datele nivelurilor mai mari de abstractizare a inteligențelor artificiale predate pe diferite eșantioane, în loc să îmbine doar imaginile fMRI.

Ei sperau că astfel vor putea prelua „cunoașterea” sistemelor de învățare profundă într-o oarecare măsură. Este ca și cum, în loc să adune fotografii, ar putea transmite date interne, abstracte, care stau la baza conceptelor de „câine” și „pisică” învățate exclusiv pe animale de companie de rasă într-un alt sistem de învățare. Acest alt sistem ar putea începe examinarea imaginilor câinilor amestecați cu cunoștințele de bază astfel dobândite.

Procedura grupului de cercetare care operează la MTA TTK Brain Imaging Center s-a dovedit a fi de succes, rezultatele lor au fost publicate recent de cea mai prestigioasă revistă din domeniul informaticii de sănătate, GigaScience.