Специалисты медицинского центра Уэйлл Корнелл представили алгоритм Krakencoder, с помощью которого удалось значительно точнее сопоставить структуру нейронных связей мозга с их функциональной активностью. Это открытие упростит прогнозирование и диагностику заболеваний, а также разработку персонализированных методов лечения.
Основой исследования стали данные проекта Human Connectome Project, в рамках которого более 700 человек прошли детальные магнитно-резонансные обследования. Полученные данные включали в себя как структурную карту анатомических связей между различными участками мозга, так и функциональную схему, которая показывала, какие области мозга активируются одновременно во время выполнения заданий или в состоянии покоя. Однако между этими двумя картами часто наблюдается расхождение: области, физически связанные между собой, не всегда работают согласованно.
По словам автора работы, профессора Эми Кусейески, сегодня в научном сообществе не существует единого метода анализа таких данных. Разные исследовательские группы используют различные подходы к обработке одних и тех же изображений мозга, из-за чего полученные модели часто не совпадают друг с другом. Это можно сравнить с ситуацией, когда несколько человек пытаются описать слона в темноте, прикасаясь к его разным частям. Каждый получает представление о каком-либо фрагменте, но целостная картина остается недоступной.
Команда Кусейески решила эту проблему, создав алгоритм, который наконец-то объединил множество «версий» функциональных и анатомических схем мозга, полученных разными путями, в одну унифицированную модель. Этот инструмент, получивший название Krakencoder, представляет собой автоэнкодер — тип нейросети, который может сжимать и восстанавливать информацию, извлекая из нее обобщенные представления. Благодаря Krakencoder ученые смогли с высокой точностью предсказать функциональную активность мозга на основе его анатомии — и результат оказался в 20 раз точнее по сравнению с ранее существовавшими методами.
Кроме того, модель смогла точно прогнозировать возраст, пол и когнитивные способности испытуемых — параметры, которые традиционно очень сложно определить по одним лишь МРТ-снимкам. Это открывает перспективы для более точной диагностики и оценки состояния пациентов, особенно в случае неврологических заболеваний или повреждений мозга.
В дальнейшем команда собирается оценить применение Krakencoder в сочетании с другим инструментом, NeMo, который позволяет моделировать изменения в мозговых сетях, вызванные различными заболеваниями. Одна из аспиранток лаборатории, Кристи Гиллис, уже использует этот подход для анализа данных пациентов, которые перенесли инсульт. Предварительные результаты показывают, что предсказанные Krakencoder функциональные карты мозга позволяют лучше оценить восстановление моторики и речи, чем стандартные МРТ-снимки.
Ученые надеются, что в будущем их наработки помогут не только глубже понять, как мозг реализует сложные функции, но и разработать способы восстановления этих функций.
Тем временем технологический партнер Ростеха — компания NtechLab — разрабатывает продукт на основе ИИ для быстрого анализа медицинских снимков головного мозга, который сможет выявлять онкологию.
