Resumo: Combinando tecnologia de inteligência artificial com dados brutos da atividade cerebral, os pesquisadores aceleram a compreensão de como a atividade neural impacta comportamentos específicos.
Uma rede neural artificial (IA) projetada por uma equipe internacional envolvendo a UCL pode traduzir dados brutos da atividade cerebral, abrindo caminho para novas descobertas e uma maior integração entre a tecnologia e o cérebro.
O novo método poderia acelerar descobertas de como as atividades cerebrais se relacionam com comportamentos.
O estudo publicado hoje no eLife, co-liderado pelo Kavli Institute for Systems Neuroscience em Trondheim e pelo Instituto Max Planck de Ciências Cognitivas e Cerebrais Humanas Leipzig e financiado pela Wellcome e pelo Conselho Europeu de Pesquisa, mostra que uma rede neural convolucional, um tipo específico de algoritmo de aprendizagem profunda, é capaz de decodificar muitos comportamentos e estímulos diferentes de uma ampla variedade de regiões cerebrais em diferentes espécies, incluindo os humanos.
O pesquisador-chefe, Markus Frey (Kavli Institute for Systems Neuroscience), disse: "Os neurocientistas têm sido capazes de registrar conjuntos de dados cada vez maiores do cérebro, mas entender as informações contidas nesses dados – ler o código neural – ainda é um problema difícil. Na maioria dos casos, não sabemos quais mensagens estão sendo transmitidas.
"Queríamos desenvolver um método automático para analisar dados neurais brutos de muitos tipos diferentes, contornando a necessidade de decifrá-los manualmente."
Eles testaram a rede, chamada DeepInsight, em sinais neurais de ratos explorando uma arena aberta e descobriram que era capaz de prever precisamente a posição, direção da cabeça e velocidade de execução dos animais. Mesmo sem processamento manual, os resultados foram mais precisos do que os obtidos com análises convencionais.
O autor sênior, professor Caswell Barry (UCL Cell & Developmental Biology), disse: "Os métodos existentes perdem muitas informações potenciais em gravações neurais porque só podemos decodificar os elementos que já entendemos. Nossa rede é capaz de acessar muito mais do código neural e ao fazê-lo nos ensina a ler alguns desses outros elementos.
"Somos capazes de decodificar dados neurais com mais precisão do que antes, mas o verdadeiro avanço é que a rede não é limitada pelo conhecimento existente."
A equipe descobriu que seu modelo foi capaz de identificar novos aspectos do código neural, que eles mostram detectando uma representação não reconhecida anteriormente da direção da cabeça, codificada por interneurônios em uma região do hipocampo que está entre as primeiras a apresentar defeitos funcionais em pessoas com Alzheimer.
Além disso, eles mostram que a mesma rede é capaz de prever comportamentos de diferentes tipos de registro em áreas cerebrais e também pode ser usada para inferir movimentos manuais em participantes humanos, que eles determinaram testando sua rede em um conjunto de dados pré-existente de atividade cerebral registrado em pessoas.
A equipe descobriu que seu modelo foi capaz de identificar novos aspectos do código neural, que eles mostram detectando uma representação não reconhecida anteriormente da direção da cabeça, codificada por interneurônios em uma região do hipocampo que está entre as primeiras a apresentar defeitos funcionais em pessoas com Alzheimer.
Além disso, eles mostram que a mesma rede é capaz de prever comportamentos de diferentes tipos de registro em áreas cerebrais e também pode ser usada para inferir movimentos manuais em participantes humanos, que eles determinaram testando sua rede em um conjunto de dados pré-existente de atividade cerebral registrado em pessoas.
Interpretando atividade neural de banda larga usando redes neurais convolucionais
O rápido progresso em tecnologias como imagem de cálcio e eletrofisiologia tem visto um aumento dramático no tamanho e extensão das gravações neurais. Mesmo assim, a interpretação desses dados requer considerável conhecimento sobre a natureza da representação e muitas vezes depende de operações manuais.
A decodificação fornece um meio de inferir o conteúdo das informações dessas gravações, mas normalmente requer dados altamente processados e conhecimento prévio do esquema de codificação.
Aqui, desenvolvemos uma estrutura de aprendizagem profunda capaz de decodificar variáveis sensoriais e comportamentais diretamente a partir de dados neurais de banda larga. A rede requer pouca contribuição do usuário e generaliza entre estímulos, comportamentos, regiões cerebrais e técnicas de gravação.
Uma vez treinado, pode ser analisado para determinar elementos do código neural que são informativos sobre uma determinada variável. Validamos essa abordagem utilizando dados eletrofisiológicos e de imagem de cálcio do córtex auditivo de roedores e hipocampo, bem como dados de eletrocorticografia humana (ECoG).
Mostramos uma decodificação bem-sucedida do movimento dos dedos, estímulos auditivos e comportamentos espaciais – incluindo uma nova representação da direção da cabeça – da atividade neural bruta.