Японские исследователи создали программное обеспечение на основе искусственного интеллекта, которое сделало анализ совокупности нейронных связей в мозге (коннектом) более качественным и позволило оптимизировать его от субъекта к субъекту. Это позволит усилить надежность такого метода нейровизуализации, как трактография, и более широко использовать его для изучения как нормальной структуры связей в мозге, так и изменений при различных патологиях. Подробности опубликованы в журнале Scientific Reports.
Коннектом. Credit: Wikipedia
Для отслеживания того, как нейроны объединяются в многочисленные нервные тракты в нашем головном мозге, существует не так уж и много методов. Самый точный, но одновременно и самый инвазивный среди них – это метод аксональной трассировки. При нем можно напрямую проследить распространение какого-либо маркера (чаще –флуоресцентного) от тела нейрона по аксону к синапсу, тем самым восстанавливая структуру нервного волокна с высокой точностью. Но для этого требуется изучить сотни срезов мозга, и ни о каком прижизненном изучении органа в этом случае речь не идет.
Для того, чтобы получать информацию об устройстве нервных трактах у людей, существует подтип магнитно-резонансной томографии (МРТ) – диффузионно-взвешенная МРТ (дМРТ) или трактография. Ее суть заключается в том, что томограф «ловит» сигнал от молекул воды, а компьютерный алгоритм восстанавливает направление их движения по тракту, переводя эти данные в изображение.
Тем не менее метод обладает рядом существенных недостатков, которые снижают точность получаемых результатов, делая их сильно зависимыми от тех параметров, которые назначают сами ученые. Также чувствительность сильно снижается с увеличением длины волокна. То есть чем длиннее тракт, тем больше вероятность, что он будет визуализирован неверно. Поэтому надежность данных, которые дает дМРТ, остается предметом бурных обсуждений между исследователями. А ведь это фактически единственный шанс определять то, как связаны различные области живого мозга, для понимания его комплексной работы.
В 2013 году в трех японских исследовательских центрах – OIST, RIKEN и Университет Киото – запустили проект Brain/MINDS (Brain Mapping by Integrated Neurotechnologies for Disease Studies). Проект посвящен картированию мозга мармозеток – небольших нечеловекообразных обезьян. Он позволил создать полный коннектом особей, причем, как с использованием дМРТ, так и с последующей аксональной трассировкой.
«Набор данных этого проекта дал нам уникальную возможность сравнить один и тот же коннектом, полученный с помощью двух разных методов, и определить, какие параметры необходимо устанавливать для создания наиболее точного коннектома на основе МРТ», — отмечают авторы работы.
В нынешнем исследовании ученые предполагали настроить параметры двух разных широко используемых алгоритмов реконструкции МР-изображений, чтобы оба как можно лучше могли реконструировать длинные тракты. Но комбинировать эти параметры они обучили искусственный интеллект (ИИ).
При каждой смене какого-либо параметра алгоритм ИИ анализировал получаемые трактограммы и сравнивал с эталоном – коннектомом, полученным с помощью трассировки. Лучшие параметры (при которых достигалось большее соответствие коннектомов) переходили в следующее поколение анализа, и так до тех пор, пока перебор параметров не завершался. Таким образом ученые проанализировали мозг десяти мармозеток.
МР-томограф и значения, получаемые при трактографии, с помощью которых реконструируется направление нервных волокон в программе The MRtrix viewer 3.0.1. Credit: Junichi Hata and Hideyuki Okano, RIKEN Center for Brain Science
Тем не менее задача выбрать оптимальные параметры реконструкции оказалась непростой даже для ИИ. В одном случае удавалось найти такие параметры, которые бы уменьшали количество ложноположительных результатов, но при этом хуже строили тракты большой протяженности. В другом случае улучшалась чувствительность к длине тракта, но появлялось больше ошибок. В конце концов исследователи взяли все лучшие параметры и усреднили их, создав единый общий набор.
Как оказалось, алгоритм с общим набором оптимизированных параметров смог сгенерировать такие коннектомы мозга мармозеток в ходе дМРТ, которые наиболее точно подошли к аналогам, полученным в ходе трассировки. И исследователи доказали это с помощью другого набора коннектомов, который не использовался ранее.
Авторы отмечают, что между изображениями, которые создавались алгоритмами реконструкции с набором параметров по умолчанию (теми, которые присутствуют в томографах) и оптимизированными (которые были получены в ходе экспериментов), наблюдается значительная разница. И этот факт ставит данные, полученные в ходе стандартных исследований коннектомов с помощью МРТ, под серьезный вопрос.
Эти результаты указывают на то, как важно корректировать стандартные алгоритмы реконструкции томографов и подтверждать достоверность трактографии на основе дМРТ. В будущем ученые надеются ускорить процесс использования искусственного интеллекта для отбора лучших параметров и применять улучшенный алгоритм для реконструкции более точного коннектома мозга с неврологическими или психическими расстройствами.
Текст: Анна Хоружая
Optimization and validation of diffusion MRI-based fiber tracking with neural tracer data as a reference by Carlos Enrique Gutierrez et al. inScientific Reports. Published December 2020.
https://doi.org/10.1038/s41598-020-78284-4
