2024. 10. 14. - 09:10
Neurális agyhálózati modellek segíthetik a személyre szabott orvoslást
Ígéretesek lehetnek a neurális agyhálózati modellek a személyre szabott orvoslásban – tudatták a kutatók.
Agyhálózati modellek (BNM) sikeres alkalmazásáról írt a shenzeni Harbin Technológiai Intézet (Harbin Institute of Technology) Mesterséges Intelligenciával foglalkozó Nemzetközi Kutatóintézetének kutatócsoportja.
A Health Data Science folyóiratban közzétett tanulmány összefoglalja a közelmúltban elért eredményeket és kihívásokat a BNM-ek használata során - agyi tevékenységek szimulálására, neuropatológiai mechanizmusok megértésére, terápiás hatások értékelésére és a betegség progressziójának előrejelzésére.
A BNM-ek olyan, neurális hálózatokon alapuló matematikai modellező eszközök, amelyek integrálják a strukturális kapcsolódási (SC) és funkcionális kapcsolódási (FC) adatokat, azért, hogy szimulálják az agy dinamikus változásait különböző neurológiai körülmények között. Olvasd el: Emberi agyban látható mesterséges neuront fedeztek fel
A neuroimaging technikák fejlődésével a BNM-ek kulcsfontosságúvá váltak az olyan neurológiai rendellenességek mögöttes mechanizmusok tanulmányozásában, mint az epilepszia, az Alzheimer-kór és a Parkinson-kór.
Nagyszabású agyi tevékenységek szimulálása
Chenfei Ye adjunktus professzor vezetésével a kutatóintézet csapata áttekintette a BNM-ek jelenlegi alkalmazását az orvostudományban.
Az áttekintés rávilágít arra, hogy ezek miként integrálják a multimodális neuroimaging adatokat az agy általános dinamikájának szimulálására és olyan fejlesztéseket javasol, mint például a multimodális adatfúziós stratégiák elfogadása az agy összetett funkcionális architektúráját reprezentáló modellek pontosságának növelése érdekében.
A kutatócsoport egy betegség-orientált BNM-munkafolyamatot dolgozott ki, amely bemutatja, hogyan lehet az egyén agyi strukturális összeköttetését (SC) kinyerni strukturális és diffúziós súlyozott MRI-adatokból és miként származtatható funkcionális kapcsolat (FC) a MEG, EEG vagy fMRI adatok statisztikai elemzésével.
Ezután a helyi neurális tömegmodellek (NMM) és a strukturális kapcsolati adatok összekapcsolásával egy globális BNM-t hoznak létre a nagyszabású agyi tevékenységek szimulálására.
Az agyhálózati modellek kulcsfontosságú értéke abban rejlik, hogy képesek kvantitatívan elemezni az agy abnormális hálózati dinamikáját különböző betegségi állapotok esetén, új lehetőségeket kínálva a személyre szabott kezelés-tervezéshez.
A tanulmány azt sugallja, hogy a jövőbeni BNM-fejlesztésnek nagyobb hangsúlyt kell fektetnie az egyéni különbségekre és a multimodális adatok integrálására, hogy pontosabb betegségdiagnózist és terápiás stratégiákat érhessenek el.
A kutatócsoport jelezte, hogy a jövőbeni munka olyan új BNM-ek, azaz agyhálózati modellek kifejlesztésére fog összpontosítani, amelyek képesek a neurodinamikai paraméterek szélesebb körének becslésére - például a preszinaptikus bemenetek eloszlására, a frekvenciafüggő szinaptikus depresszióra és a posztszinaptikus neuronok belső ingerlékenységére.
A végső cél ezeknek a fejlett modellezési technikáknak a klinikai gyakorlatban történő alkalmazása, hogy optimalizálni lehessen a kezelési stratégiákat.
B.A.
