résumé: Les chercheurs ont développé un modèle révolutionnaire appelé Brain Language Model (BrainLM) utilisant l’intelligence artificielle générative pour cartographier l’activité cérébrale et ses implications sur le comportement et la maladie. BrainLM exploite 80 000 scans de 40 000 sujets pour créer un modèle de base qui capture la dynamique de l’activité cérébrale sans nécessiter de données spécifiques liées à la maladie.
Ce modèle réduit considérablement le coût et le volume de données requis pour les études traditionnelles sur le cerveau et fournit un cadre puissant qui peut prédire des conditions telles que la dépression, l’anxiété et le SSPT plus efficacement que d’autres outils. BrainLM montre une application efficace dans les essais cliniques, réduisant potentiellement les coûts de moitié en identifiant les patients les plus susceptibles de bénéficier des nouveaux traitements.
Faits marquants:
- Modèle d’IA générative : BrainLM utilise l’IA générative pour analyser les modèles d’activité cérébrale à partir d’ensembles de données à grande échelle, apprenant ainsi la dynamique sous-jacente sans détails spécifiques au patient.
- Coût et efficacité de la recherche : Le modèle réduit la nécessité d’inscrire des patients à grande échelle dans des essais cliniques, ce qui pourrait réduire considérablement les coûts en utilisant ses capacités prédictives pour sélectionner les candidats appropriés pour les études.
- Large application : Testé sur différents scanners et données démographiques, BrainLM a montré des performances supérieures dans la prévision de divers problèmes de santé mentale et est prometteur pour faciliter les futures recherches et stratégies de traitement.
source: Collège de médecine Baylor
Une équipe de chercheurs du Baylor College of Medicine et de l’Université de Yale a combiné l’intelligence artificielle (IA) générative pour créer un modèle de base de l’activité cérébrale. Le modèle de langage cérébral (BrainLM) a été développé pour modéliser le cerveau in silico et déterminer le lien entre les activités cérébrales et le comportement humain et les maladies cérébrales.
La recherche a été publiée sous forme de document de conférence à l’ICLR 2024.
« Nous savons depuis longtemps que l’activité cérébrale est liée au comportement d’une personne et à de nombreuses maladies telles que les convulsions ou la maladie de Parkinson », explique le Dr Shadi Abdallah, professeur agrégé au département Menninger de psychiatrie et des sciences du comportement de l’université Baylor et le Massachusetts Institute of Technology. Co-auteur de l’article.
« L’imagerie cérébrale fonctionnelle, ou IRMf, nous permet d’observer l’activité cérébrale dans tout le cerveau, mais nous n’étions pas en mesure de capturer pleinement la dynamique de ces activités dans le temps et dans l’espace à l’aide des outils d’analyse de données traditionnels.
« Récemment, les gens ont commencé à utiliser l’apprentissage automatique pour saisir la complexité du cerveau et ses relations avec certaines maladies, mais cela s’avère nécessiter un enregistrement et un dépistage complets de milliers de patients présentant un comportement ou une maladie particulière, ce qui est un problème. processus très coûteux.
La puissance des nouveaux outils d’IA générative réside dans leur utilisation pour créer des modèles de base indépendants d’une tâche spécifique ou d’un groupe spécifique de patients. L’IA générative peut agir comme un détective qui révèle des modèles cachés dans un ensemble de données.
En analysant les points de données et les relations entre eux, ces modèles peuvent découvrir la dynamique sous-jacente : comment et pourquoi les choses changent ou évoluent.
Ces modèles de base sont ensuite affinés pour comprendre une gamme de sujets. Les chercheurs ont utilisé l’IA générative pour capturer le fonctionnement de l’activité cérébrale quel que soit un trouble ou une maladie spécifique.
Cela peut s’appliquer à n’importe quelle population sans avoir besoin de connaître le comportement d’une personne ou d’obtenir des informations sur sa maladie, ses antécédents ou son âge. Il suffit d’une activité cérébrale pour enseigner à l’ordinateur et au modèle d’IA comment l’activité cérébrale évolue dans l’espace et dans le temps.
L’équipe a effectué 80 000 analyses sur 40 000 personnes et formé le modèle pour voir comment les activités cérébrales sont liées les unes aux autres au fil du temps, créant ainsi le modèle de base de l’activité cérébrale, BrainLM. Désormais, les chercheurs peuvent utiliser BrainLM pour définir une tâche spécifique et poser des questions dans le cadre d’autres études.
« Si vous souhaitez réaliser un essai clinique pour développer un médicament contre la dépression, par exemple, cela pourrait coûter des centaines de millions de dollars car vous devez recruter un grand nombre de patients et les traiter pendant une longue période.
« Grâce à la puissance de BrainLM, nous pouvons réduire ce coût de moitié en recrutant seulement la moitié des personnes et en utilisant la puissance de BrainLM pour sélectionner les individus les plus disposés à bénéficier du traitement. Par conséquent, BrainLM peut appliquer les connaissances de 80 000 analyses à des sujets spécifiques. sujets d’étude.
La première étape, le prétraitement, résume les signaux et supprime le bruit sans rapport avec l’activité cérébrale. Les chercheurs ont intégré les résumés dans un modèle d’apprentissage automatique et masqué un pourcentage des données pour chaque personne. Lorsque le modèle a appris la dynamique, ils l’ont testé sur un ensemble de tests négligé.
Ils l’ont également testé sur différents échantillons pour comprendre dans quelle mesure le modèle pouvait se généraliser aux données obtenues à l’aide de différents scanners et dans différentes populations, telles que les personnes âgées et les jeunes adultes.
Ils ont constaté que BrainLM fonctionnait bien dans différents échantillons. Ils ont également constaté que BrainLM prédit mieux la gravité de la dépression, de l’anxiété et du SSPT que d’autres outils d’apprentissage automatique qui n’utilisent pas l’IA générative.
« Nous avons constaté que BrainLM fonctionne très bien. Il prédit l’activité cérébrale dans un nouvel échantillon qui lui a été caché pendant l’entraînement, et il fonctionne également bien avec les données provenant de nouveaux scanners et de nouvelles populations », a déclaré Abdullah.
« Ces résultats impressionnants ont été obtenus grâce à des enquêtes menées auprès de 40 000 personnes. Nous travaillons désormais à augmenter considérablement l’ensemble des données de formation.
« Plus le modèle que nous pouvons construire est solide, plus nous pouvons faire pour aider à soigner les patients, comme développer un nouveau traitement pour la maladie mentale ou guider la neurochirurgie pour les convulsions ou la stimulation cérébrale profonde. »
Les chercheurs prévoient d’appliquer ce modèle dans de futures recherches pour prédire les maladies liées au cerveau.
À propos de l’actualité de la recherche en intelligence artificielle et en neurosciences
auteur: Homa Warren
source: Collège de médecine Baylor
communication: Homa Warren – Collège de médecine Baylor
image: Image créditée à Neuroscience News
Recherche originale : Les résultats seront affichés dans Conférence internationale sur la recherche agricole 2024
« Drogué des réseaux sociaux. Explorateur d’une humilité exaspérante. Nerd du café. Amical résolveur de problèmes. Évangéliste culinaire. Étudiant. »