Nova ferramenta de código aberto ajuda a desembaraçar o cérebro | MIT Information



Nova ferramenta de código aberto ajuda a desembaraçar o cérebro | MIT Information

No ultimate de 2023, a primeira droga com potencial para retardar a progressão da doença de Alzheimer foi aprovado pela Administração Federal de Medicamentos dos EUA. O Alzheimer é um dos muitos distúrbios neurológicos debilitantes que juntos afetam um oitavo da população mundial e, embora o novo medicamento seja um passo na direção certa, ainda há uma longa jornada pela frente para compreendê-lo completamente, e outras doenças semelhantes.

“Reconstruir as complexidades de como o cérebro humano funciona em nível celular é um dos maiores desafios da neurociência”, diz Lars Gjesteby, membro da equipe técnica e desenvolvedor de algoritmos do Laboratório Lincoln do MIT. Grupo de Sistemas de Saúde e Desempenho Humano. “Atlas cerebrais em rede e de alta resolução podem ajudar a melhorar nossa compreensão de distúrbios ao apontar diferenças entre cérebros saudáveis ​​e doentes. No entanto, o progresso tem sido prejudicado por ferramentas insuficientes para visualizar e processar conjuntos de dados de imagens cerebrais muito grandes.”

Um atlas cerebral em rede é, em essência, um mapa detalhado do cérebro que pode ajudar a vincular informações estruturais com a função neural. Para construir tais atlas, os dados de imagens cerebrais precisam ser processados ​​e anotados. Por exemplo, cada axônio, ou fibra fina conectando neurônios, precisa ser rastreado, medido e rotulado com informações. Os métodos atuais de processamento de dados de imagens cerebrais, como software program baseado em desktop ou ferramentas orientadas para o handbook, ainda não foram projetados para lidar com conjuntos de dados em escala cerebral humana. Como tal, os pesquisadores geralmente gastam muito tempo se arrastando por um oceano de dados brutos.

Gjesteby está liderando um projeto para construir o Neuron Tracing and Lively Studying Atmosphere (NeuroTrALE), um pipeline de software program que traz aprendizado de máquina, supercomputação, bem como facilidade de uso e acesso a esse desafio de mapeamento cerebral. O NeuroTrALE automatiza grande parte do processamento de dados e exibe a saída em uma interface interativa que permite aos pesquisadores editar e manipular os dados para marcar, filtrar e pesquisar padrões específicos.

Desembaraçando uma bola de lã

Uma das características definidoras do NeuroTrALE é a técnica de aprendizado de máquina que ele emprega, chamada aprendizado ativo. Os algoritmos do NeuroTrALE são treinados para rotular automaticamente os dados recebidos com base em dados de imagens cerebrais existentes, mas dados desconhecidos podem apresentar potencial para erros. O aprendizado ativo permite que os usuários corrijam erros manualmente, ensinando o algoritmo a melhorar na próxima vez que encontrar dados semelhantes. Essa mistura de automação e rotulagem handbook garante um processamento de dados preciso com uma carga muito menor para o usuário.

“Think about tirar um raio-X de uma bola de lã. Você veria todas essas linhas cruzadas e sobrepostas”, diz Michael Snyder, do Homeland Choice Assist Techniques Group do laboratório. “Quando duas linhas se cruzam, isso significa que um dos pedaços de lã está fazendo uma curva de 90 graus, ou uma está indo direto para cima e a outra está indo direto para cima? Com ​​o aprendizado ativo do NeuroTrALE, os usuários podem traçar esses fios de lã uma ou duas vezes e treinar o algoritmo para segui-los corretamente avançando. Sem o NeuroTrALE, o usuário teria que traçar a bola de lã, ou neste caso os axônios do cérebro humano, todas as vezes.” Snyder é um desenvolvedor de software program na equipe do NeuroTrALE junto com o membro da equipe David Chavez.

Como o NeuroTrALE tira a maior parte do fardo da rotulagem do usuário, ele permite que os pesquisadores processem mais dados mais rapidamente. Além disso, os algoritmos de rastreamento de axônios aproveitam a computação paralela para distribuir computações em várias GPUs ao mesmo tempo, levando a um processamento ainda mais rápido e escalável. Usando o NeuroTrALE, o equipe demonstrou uma redução de 90% no tempo de computação necessário para processar 32 gigabytes de dados em relação aos métodos convencionais de IA.

A equipe também mostrou que um aumento substancial no quantity de dados não se traduz em um aumento equivalente no tempo de processamento. Por exemplo, em um estudo recente Eles demonstraram que um aumento de 10.000 por cento no tamanho do conjunto de dados resultou em apenas um aumento de 9 por cento e 22 por cento no tempo complete de processamento de dados, usando dois tipos diferentes de unidades centrais de processamento.

“Com os estimados 86 bilhões de neurônios fazendo 100 trilhões de conexões no cérebro humano, rotular manualmente todos os axônios em um único cérebro levaria vidas”, acrescenta Benjamin Roop, um dos desenvolvedores de algoritmos do projeto. “Esta ferramenta tem o potencial de automatizar a criação de conectomas não apenas para um indivíduo, mas para muitos. Isso abre a porta para estudar doenças cerebrais no nível populacional.”

O caminho do código aberto para a descoberta

O projeto NeuroTrALE foi formado como uma colaboração financiada internamente entre o Lincoln Laboratory e Professor Kwanghun Chung laboratório no campus do MIT. A equipe do Lincoln Lab precisava construir uma maneira para os pesquisadores do Chung Lab analisarem e extrairem informações úteis de sua grande quantidade de dados de imagens cerebrais que fluíam para o SuperNuvem do MIT — um supercomputador administrado pelo Lincoln Laboratory para dar suporte à pesquisa do MIT. A experience do Lincoln Lab em computação de alto desempenho, processamento de imagens e inteligência synthetic o tornou excepcionalmente adequado para lidar com esse desafio.

Em 2020, a equipe carregou o NeuroTrALE para o SuperCloud e em 2022 o Chung Lab estava produzindo resultados. Em um estudo, publicado em Ciênciaeles usaram NeuroTrALE para quantificar a densidade de células do córtex pré-frontal em relação à doença de Alzheimer, onde os cérebros afetados pela doença tinham uma densidade celular menor em certas regiões do que aqueles sem ela. A mesma equipe também localizou onde no cérebro as neurofibras prejudiciais tendem a se enroscar no tecido cerebral afetado pelo Alzheimer.

O trabalho no NeuroTrALE continuou com o financiamento do Lincoln Laboratory e do Nationwide Institutes of Well being (NIH) para desenvolver as capacidades do NeuroTrALE. Atualmente, seu ferramentas de interface do usuário estão sendo integrados ao Google Neuroglancer programa — um aplicativo visualizador de código aberto e baseado na internet para dados de neurociência. O NeuroTrALE adiciona a capacidade para os usuários visualizarem e editarem seus dados anotados dinamicamente, e para vários usuários trabalharem com os mesmos dados ao mesmo tempo. Os usuários também podem criar e editar uma série de formas, como polígonos, pontos e linhas para facilitar as tarefas de anotação, bem como personalizar a exibição de cores para cada anotação para distinguir neurônios em regiões densas.

“O NeuroTrALE fornece uma solução de ponta a ponta, independente de plataforma, que pode ser implantada de forma fácil e rápida em ambientes de computação autônomos, virtuais, em nuvem e de alto desempenho por meio de contêineres”, afirma Adam Michaleas, engenheiro de computação de alto desempenho do laboratório. Grupo de Tecnologia de Inteligência Synthetic. “Além disso, ele melhora significativamente a experiência do usuário ultimate ao fornecer recursos para colaboração em tempo actual dentro da comunidade de neurociência por meio de visualização de dados e revisão simultânea de conteúdo.”

Para alinhar com Missão do NIH de compartilhar produtos de pesquisa, o objetivo da equipe é tornar o NeuroTrALE uma ferramenta totalmente de código aberto para qualquer um usar. E esse tipo de ferramenta, diz Gjesteby, é o que é necessário para atingir o objetivo ultimate de mapear a totalidade do cérebro humano para pesquisa e, eventualmente, desenvolvimento de medicamentos. “É um esforço de base da comunidade, onde dados e algoritmos devem ser compartilhados e acessados ​​por todos.”

As bases de código para o traçado de axônio, gerenciamento de dadose interface de usuário interativa do NeuroTrALE estão disponíveis publicamente por meio de licenças de código aberto. Entre em contato Lars Gjesteby para mais informações sobre o uso do NeuroTrALE.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *