Përmbledhje: Studiuesit zhvilluan një model novator të quajtur Modeli i gjuhës së trurit (BrainLM) duke përdorur inteligjencën artificiale gjeneruese për të hartuar aktivitetin e trurit dhe implikimet e tij për sjelljen dhe sëmundjet. BrainLM përdor 80,000 skanime nga 40,000 subjekte për të krijuar një model themelor që kap dinamikën e aktivitetit të trurit pa pasur nevojë për të dhëna specifike të lidhura me sëmundjen.
Ky model ul ndjeshëm koston dhe shkallën e të dhënave të kërkuara për studimet tradicionale të trurit, duke ofruar një kornizë të fortë që mund të parashikojë kushte si depresioni, ankthi dhe PTSD në mënyrë më efektive sesa mjetet e tjera. BrainLM demonstron një aplikim të fuqishëm në provat klinike, duke përgjysmuar potencialisht kostot duke identifikuar pacientët që kanë më shumë gjasa të përfitojnë nga trajtimet e reja.
Faktet kryesore:
- Modeli gjenerues i AI: BrainLM përdor AI gjeneruese për të analizuar modelet e aktivitetit të trurit nga grupet e gjera të të dhënave, duke mësuar dinamikën themelore pa detaje specifike të pacientit.
- Kostoja dhe efikasiteti në kërkime: Modeli redukton nevojën për regjistrime të pacientëve në shkallë të gjerë në provat klinike, duke ulur potencialisht kostot në mënyrë të konsiderueshme duke përdorur aftësitë e tij parashikuese për të zgjedhur kandidatë të përshtatshëm për studime.
- Zbatueshmëri e gjerë: I testuar nëpër skanerë dhe demografi të ndryshëm, BrainLM ka treguar performancë superiore në parashikimin e çështjeve të ndryshme të shëndetit mendor dhe premton për të ndihmuar kërkimet e ardhshme dhe strategjitë e trajtimit.
Burimi: Kolegji i Mjekësisë Baylor
Një ekip studiuesish në Baylor College of Medicine dhe Yale University inkorporuan inteligjencën artificiale gjeneruese (AI) për të krijuar një model themelor për aktivitetin e trurit. Modeli i gjuhës së trurit (BrainLM) u zhvillua për të modeluar trurin në silikon dhe për të përcaktuar se si aktivitetet e trurit lidhen me sjelljen njerëzore dhe sëmundjet e trurit.
Hulumtimi u botua si një punim konference në ICLR 2024.
“Për një kohë të gjatë ne e kemi ditur se aktiviteti i trurit është i lidhur me sjelljen e një personi dhe me shumë sëmundje si krizat apo Parkinson,” tha Dr. Chadi Abdallah, profesor i asociuar në Departamentin e Psikiatrisë dhe Shkencave të Sjelljes Menninger në Baylor dhe autori bashkëkorrespondues i punimit.
“Imazhi funksional i trurit ose MRI funksionale na lejojnë të shikojmë aktivitetin e trurit në të gjithë trurin, por më parë nuk mund të kapnim plotësisht dinamikën e këtyre aktiviteteve në kohë dhe hapësirë duke përdorur mjete tradicionale analitike të të dhënave.
“Kohët e fundit, njerëzit filluan të përdorin mësimin e makinerive për të kapur kompleksitetin e trurit dhe mënyrën se si ai e lidh atë me sëmundje specifike, por kjo doli të kërkonte regjistrimin dhe ekzaminimin e plotë të mijëra pacientëve me një sjellje apo sëmundje të veçantë, një proces shumë i shtrenjtë.”
Fuqia e mjeteve të reja gjeneruese të inteligjencës artificiale është përdorimi i tyre për të krijuar modele themelore të pavarura nga një detyrë e veçantë ose nga një popullatë specifike pacientësh. AI gjeneruese mund të veprojë si një detektiv që zbulon modelet e fshehura brenda një grupi të dhënash.
Duke analizuar pikat e të dhënave dhe marrëdhëniet midis tyre, këto modele mund të mësojnë dinamikën themelore – si dhe pse gjërat ndryshojnë ose evoluojnë.
Këto modele themelore më pas rregullohen mirë për të kuptuar një sërë temash. Studiuesit përdorën AI gjeneruese për të kapur se si funksionon aktiviteti i trurit pavarësisht nga një çrregullim apo sëmundje e veçantë.
Kjo mund të zbatohet për çdo popullatë pa pasur nevojë të dijë sjelljen e subjektit, informacionin për sëmundjen, historinë ose moshën e tyre. Thjesht ka nevojë për aktivitetin e trurit për të mësuar kompjuterin dhe modelin e AI se si aktiviteti i trurit evoluon në hapësirë dhe kohë.
Ekipi mori 80,000 skanime nga 40,000 subjekte dhe trajnoi modelin për të kuptuar se si këto aktivitete të trurit lidhen me njëra-tjetrën me kalimin e kohës, duke krijuar modelin themelor të aktivitetit të trurit BrainLM. Tani, studiuesit mund të përdorin BrainLM për të rregulluar një detyrë specifike dhe për të bërë pyetje në studime të tjera.
“Nëse doni të bëni një provë klinike për të zhvilluar një ilaç për depresionin, për shembull, mund të kushtojë qindra miliona dollarë, sepse ju duhet të regjistroni një numër të madh pacientësh dhe t’i trajtoni ata për një kohë të gjatë.
“Me fuqinë e BrainLM, ne potencialisht mund ta zvogëlojmë këtë kosto përgjysmë duke regjistruar vetëm gjysmën e subjekteve duke përdorur fuqinë e BrainLM për të zgjedhur individët që duan të përfitojnë nga një trajtim. Pra, BrainLM mund të zbatojë njohuritë e marra nga 80,000 skanimet për t’i zbatuar ato në ato lëndë specifike të studimit, “tha Abdallah.
Hapi i parë, parapërpunimi, sinjalet e përmbledhura dhe zhurma e hequr që nuk janë relevante për aktivitetin e trurit. Studiuesit vendosën përmbledhjet në një model të mësimit të makinës dhe maskuan një përqindje të të dhënave për çdo person. Kur modeli mësoi dinamikën, ata e testuan atë në një grup testimi të lënë jashtë.
Ata gjithashtu e testuan këtë në mostra të ndryshme për të kuptuar se sa mirë modeli mund të përgjithësohej me të dhënat e marra me skanerë të ndryshëm dhe në popullata të ndryshme, si të rriturit e moshuar dhe të rriturit më të rinj.
Ata zbuluan se BrainLM performoi mirë në mostra të ndryshme. Ata zbuluan gjithashtu se BrainLM parashikon depresionin, ankthin dhe ashpërsinë e PTSD më mirë se mjetet e tjera të mësimit të makinerive që nuk përdorin AI gjeneruese.
“Kemi zbuluar se BrainLM po performon shumë mirë. Ai po parashikon aktivitetin e trurit në një kampion të ri që ishte fshehur prej tij gjatë trajnimit, si dhe po bën mirë me të dhënat nga skanerët e rinj dhe popullata e re, “tha Abdallah.
“Këto rezultate mbresëlënëse u arritën me skanime nga 40,000 subjekte. Tani po punojmë për të rritur ndjeshëm grupin e të dhënave të trajnimit.
“Sa më i fortë të jetë modeli që mund të ndërtojmë, aq më shumë mund të bëjmë për të ndihmuar me kujdesin ndaj pacientit, si zhvillimi i një trajtimi të ri për sëmundjet mendore ose drejtimi i neurokirurgjisë për krizat ose DBS.”
Studiuesit planifikojnë të aplikojnë këtë model për kërkimet e ardhshme për të parashikuar sëmundjet që lidhen me trurin.
Rreth këtij lajmi të kërkimit të AI dhe neuroshkencës
Autori: Homa Warren
Burimi: Kolegji i Mjekësisë Baylor
Kontaktoni: Homa Warren – Kolegji i Mjekësisë Baylor
Imazhi: Imazhi është kredituar për Neuroscience News
Hulumtimi origjinal: Gjetjet do të prezantohen në ICLR 2024