La comprensión del cerebro con la ayuda de la inteligencia artificial

¿Cómo surge la conciencia? Los investigadores sospechan que la respuesta a esta pregunta está en las conexiones entre las neuronas. Desafortunadamente, sin embargo, poco se sabe sobre el cableado del cerebro. Esto se debe también a un problema de tiempo: rastrear las conexiones de datos recogidos requeriría horas-hombre por valor de muchas vidas, ya que ningún equipo ha sido capaz de identificar los contactos de células neuronales con suficiente certeza como hasta ahora. Los científicos del Instituto Max Planck de Neurobiología en Martinsried Plan para cambiar esto con la ayuda de la inteligencia artificial. Se han capacitado varias redes neuronales artificiales y por lo tanto permitido la reconstrucción enormemente acelerado de los circuitos neuronales.Las neuronas necesitan compañía. Individualmente, estas células pueden lograr poco, sin embargo cuando se unen fuerzas neuronas forman una poderosa red que controla nuestro comportamiento, entre otras cosas. Como parte de este proceso, las células intercambian información a través de sus puntos de contacto, las sinapsis. Información sobre el cual las neuronas se conectan entre sí cuando y donde es crucial para nuestra comprensión de las funciones cerebrales básicas y procesos de orden superior como el aprendizaje, la memoria, la conciencia y trastornos del sistema nervioso. Los investigadores sospechan que la clave de todo esto radica en el cableado de las células de aproximadamente 100 mil millones en el cerebro humano.
Para poder utilizar esta tecla, el conectoma, que es cada neurona individual en el cerebro con sus miles de contactos y células asociadas, se debe asignar. Hace sólo unos años, la perspectiva de lograr esto parecía inalcanzable. Sin embargo, los científicos de los electrones - Los fotones - Departamento del Instituto Max Planck de Neurobiología Las neuronas se niegan a ser disuadidos por la idea de que algo parece “inalcanzable”. Por lo tanto, en los últimos años, se han desarrollado y mejorado los métodos de tinción y microscopía que se pueden utilizar para transformar las muestras de tejido cerebral en alta resolución, electrónica tridimensional imágenes de microscopio. Su último microscopio, que está siendo utilizado por el Departamento como un prototipo, explora la superficie de una muestra con 91 haces de electrones en paralelo antes de exponer el siguiente nivel de la muestra. En comparación con el modelo anterior, lo que aumenta la tasa de adquisición de datos en un factor de más de 50. Como resultado todo un cerebro de ratón podría ser mapeada en pocos años en lugar de décadas. 
Aunque ahora es posible descomponer un pedazo de tejido cerebral en mil millones de píxeles, el análisis de estas imágenes de microscopía electrónica lleva muchos años. Esto se debe al hecho de que los algoritmos de computadora estándar son a menudo demasiado imprecisa para rastrear de manera fiable proyecciones finísimas de las neuronas a través de largas distancias e identificar las sinapsis. Por esta razón, la gente todavía tiene que pasar horas frente a una pantalla de ordenador que identifican las sinapsis en los montones de imágenes generadas por el microscopio electrónico.

Formación para las redes neuronales

Sin embargo, los científicos del Instituto Max Planck dirigidos por Jörgen Kornfeld ahora han superado este obstáculo con la ayuda de redes neuronales artificiales. Estos algoritmos pueden aprender a partir de ejemplos y experiencia y hacer generalizaciones basadas en este conocimiento. Que ya se aplican con mucho éxito en el proceso de imágenes y reconocimiento de patrones en la actualidad. “Así que no fue un gran tramo de concebir el uso de una red artificial para el análisis de una red neuronal real”, dice el líder del estudio Jörgen Kornfeld. Sin embargo, no era tan simple como suena. Durante meses, los científicos trabajaron en la formación y las pruebas de la llamada convolucionales redes neuronales para reconocer las extensiones de células, componentes celulares y las sinapsis y para distinguirlos unos de otros.
Después de una breve fase de entrenamiento, la red resultante SyConn ahora puede identificar estas estructuras de forma autónoma y extremadamente fiable. Su uso de los datos del cerebro de un pájaro mostró que SyConn es tan fiable que no hay necesidad de que los seres humanos para comprobar si hay errores. “Esto es absolutamente fantástico, ya que no cabe esperar para lograr una tasa de error de tan baja”, dice Kornfeld con evidente placer por el éxito de SyConn, que forma parte de su estudio de doctorado. Y tiene toda la razón para estar encantados como las redes neuronales desarrolladas recientemente aliviarán neurobiólogos de muchos miles de horas de trabajo monótono en el futuro. Como resultado, también se reducirá el tiempo necesario para decodificar el conectoma y, quizás también, la conciencia, por muchos años.