Le scoperte della ricerca, delineate in un articolo apparso su Communications Biology , potrebbe portare a nuove opportunità per rilevare convulsioni e cambiamenti neurali nelle persone affette da morbo di Alzheimer e altri disturbi neurologici.

Kari Hoffman, professoressa associata di psicologia e ingegneria biomedica alla Vanderbilt, e il suo dottorato di ricerca. lo studente Saman Abbaspoor ha lavorato allo studio con gli autori principali Adrian Rubio e Andrea Navas Olive del laboratorio de la Prida. Hoffman è anche affiliato alla facoltà del Vanderbilt Brain Institute e del Data Science Institute.

Come sottolinea la ricerca del gruppo, lo studio delle oscillazioni cerebrali ha portato a una nuova comprensione della funzione cerebrale. Le increspature dell'ippocampo sono un tipo di oscillazioni veloci che sono alla base dell'organizzazione dei ricordi. Sono colpiti da disturbi neurologici come l'epilessia e il morbo di Alzheimer, quindi sono considerati un biomarcatore elettroencefalografico (EEG). Tuttavia, le increspature mostrano varie caratteristiche e proprietà della forma d'onda che possono non essere rilevate dai metodi spettrali standard.

I ricercatori hanno cercato di comprendere meglio i modelli di attività cerebrale dopo che gli scienziati della comunità delle neuroscienze hanno sottolineato la necessità di automatizzare, armonizzare e migliorare il rilevamento delle increspature in una serie di compiti e specie. Nello studio, gli autori hanno utilizzato registrazioni ottenute su topi di laboratorio per addestrare innanzitutto una serie di strumenti di modelli di apprendimento automatico.

Hanno poi testato la generalizzabilità dei modelli utilizzando i dati di primati non umani raccolti a Vanderbilt da Abbaspoor e Hoffman come parte dell’iniziativa BRAIN. I ricercatori hanno scoperto che è possibile addestrare algoritmi di intelligenza artificiale principalmente su dati di roditori e gestire comunque il rilevamento estremamente accurato delle increspature nei primati con una formazione aggiuntiva minima o nulla, suggerendo che i modelli di intelligenza artificiale potrebbero avere successo negli esseri umani.

Il toolbox del modello è emerso come risultato di un hackathon, che ha prodotto un breve elenco dei migliori modelli di rilevamento. Il gruppo ha identificato più di 100 possibili modelli delle diverse architetture che sono ora disponibili per l'applicazione o la riqualificazione da parte di altri ricercatori.

"Questa banca di modelli di intelligenza artificiale fornirà nuove applicazioni nel campo della neurotecnologia e potrà essere utile per il rilevamento e l'analisi delle oscillazioni ad alta frequenza in patologie come l'epilessia, dove sono considerate marcatori clinici", ha affermato Liset de la Prida, professoressa di ricerca. presso l'Istituto Cajal, CSIC.

"C'è un grande interesse nello sfruttare l'intelligenza artificiale per consentire una maggiore precisione nel rilevamento degli stati patologici e per l'oscilloterapia", ha aggiunto Hoffman. "Questi metodi offrono la promessa di andare oltre il rilevamento del 'dove' nel cervello, ma anche di rilevare e, in ultima analisi, correggere il 'quando e come' delle oscillopatie."