Los descubrimientos de la investigación, descritos en un artículo que aparece en Communications Biology , podría generar nuevas oportunidades para detectar convulsiones y cambios neuronales en personas con enfermedad de Alzheimer y otros trastornos neurológicos.

Kari Hoffman, profesora asociada de psicología e ingeniería biomédica en Vanderbilt, y su Ph.D. El estudiante Saman Abbaspoor trabajó en el estudio con los autores principales Adrian Rubio y Andrea Navas Olive del laboratorio de la Prida. Hoffman también es profesor afiliado del Vanderbilt Brain Institute y del Data Science Institute.

Como destaca la investigación del grupo, el estudio de las oscilaciones cerebrales ha aportado una nueva comprensión de la función cerebral. Las ondas del hipocampo son un tipo de oscilaciones rápidas que subyacen a la organización de los recuerdos. Se ven afectados en trastornos neurológicos como la epilepsia y la enfermedad de Alzheimer, por lo que se consideran un biomarcador electroencefalográfico (EEG). Sin embargo, las ondas exhiben varias características y propiedades de forma de onda que los métodos espectrales estándar pueden pasar por alto.

Los investigadores se propusieron obtener una mejor comprensión de los patrones de actividad cerebral después de que los científicos de la comunidad de neurociencias pidieran la necesidad de automatizar, armonizar y mejorar la detección de ondas en una variedad de tareas y especies. En el estudio, los autores utilizaron grabaciones obtenidas en ratones de laboratorio para entrenar primero una caja de herramientas de modelos de aprendizaje automático.

Luego probaron la generalización de los modelos utilizando datos de primates no humanos que Abbaspoor y Hoffman recopilaron en Vanderbilt como parte de la Iniciativa BRAIN. Los investigadores descubrieron que es posible entrenar algoritmos de IA principalmente con datos de roedores y aun así gestionar una detección altamente precisa de ondas en primates con poco o ningún entrenamiento adicional, lo que sugiere que los modelos de IA pueden tener éxito en humanos.

La caja de herramientas del modelo surgió como resultado de un hackathon, que resultó en una lista corta de los mejores modelos de detección. El grupo identificó más de 100 modelos posibles de diferentes arquitecturas que ahora están disponibles para su aplicación o reentrenamiento por parte de otros investigadores.

"Este banco de modelos de IA proporcionará nuevas aplicaciones en el campo de la neurotecnología y puede ser útil para la detección y análisis de oscilaciones de alta frecuencia en patologías como la epilepsia, donde se consideran marcadores clínicos", afirma Liset de la Prida, profesora de investigación. en el Instituto Cajal, CSIC.

"Existe un gran interés en aprovechar la IA para permitir una mayor precisión en la detección de estados patológicos y para la osciloterapéutica", añadió Hoffman. "Estos métodos prometen ir más allá de detectar 'dónde' en el cerebro, sino también detectar y, en última instancia, corregir 'cuándo y cómo' de las oscilopatías".