La IA ofrece un ‘cambio de paradigma’ en un estudio de lesiones cerebrales

Desde la parrilla hasta el campo de batalla, el estudio de lesión cerebral traumática se ha disparado en los últimos años. Crucial para comprender las lesiones cerebrales es la capacidad de modelar las fuerzas mecánicas que comprimen, estiran y retuercen el tejido cerebral, causando daños que van desde fugaces hasta fatales.

Los modelos descubiertos por la Red Neural Artificial Constitutiva superan a los modelos existentes para el tejido cerebral. Crédito de la imagen: Ellen Kuhl

Investigadores de la Universidad de Stanford ahora dicen que han aprovechado la inteligencia artificial para producir un modelo mucho más preciso de cómo las deformaciones se traducen en estrés en el cerebro y creen que su enfoque podría revelar una comprensión más definitiva de cuándo y por qué la conmoción cerebral a veces conduce a un daño cerebral duradero. y otras veces no.

“El problema del modelado del cerebro hasta la fecha es que el cerebro no es un tejido homogéneo, no es igual en todas las partes del cerebro. Sin embargo, el trauma a menudo es generalizado”, dijo Ellen Kuhlprofesor de ingeniería mecánica, director de la Laboratorio de Materia Vivay autor principal de un nuevo estudio que aparece en el diario, Acta Biomaterialia. “El cerebro también es ultrasuave, muy parecido a la gelatina, lo que hace que probar y modelar los efectos físicos en el cerebro sea muy desafiante”.

ir a la biblioteca

Los investigadores que quieren estudiar el trauma cerebral se ven obligados a seleccionar de una biblioteca de docenas de modelos materiales, algunos que datan de hace casi un siglo, para ayudar a calcular las tensiones en el cerebro.

Durante décadas, los científicos han desarrollado estos modelos para materiales blandos con nombres inescrutables como el «Modelo neo-Hookean para plásticos y caucho», el «Modelo Demiray para tejidos blandos» y el «Modelo de Ogden para sólidos similares al caucho». Pero un modelo que funciona para cierto tipo de estrés (tensión, compresión o corte) puede no funcionar para otro. O bien, un modelo que podría funcionar para una región del cerebro podría no funcionar para otra.

El nuevo enfoque adopta una táctica de modelo de modelos, utilizando inteligencia artificial para descubrir qué modelo, de más de 4.000 posibilidades, explica mejor el comportamiento del cerebro. En el pasado, seleccionar el mejor modelo era un proceso impredecible que dependía en gran medida de la experiencia del usuario y sus preferencias personales.

«Eliminamos la selección del usuario de la ecuación al permitir que el aprendizaje automático examine los datos y decida qué modelo funciona mejor», agrega Sara San Pedro, becario de doctorado en el laboratorio de Kuhl y coautor del artículo. “La automatización de este proceso reduce las barreras para modelar el cerebro. Ahora, ¡todos los estudiantes de Stanford pueden hacer esto!”. Una vez que el aprendizaje automático ha descubierto el mejor modelo, es fácil volver a relacionarlo con los modelos que han propuesto generaciones de investigadores.

Perspectivas transformadoras

El enfoque, conocido como redes neuronales artificiales constitutivas, fue desarrollado por Kevin Linka antes de unirse al Living Matter Lab como postdoctorado para aplicar su método al cerebro.

“Proporcionamos a la red todos los modelos constitutivos existentes desarrollados durante el último siglo. Y la IA mezcla y combina para encontrar la mejor opción. Esto es imposible de hacer a mano”, dijo Linka. «Ahora, hemos descubierto efectivamente un nuevo modelo que nos da más confianza para estudiar el estrés mecánico en el cerebro».

De 4095 modelos posibles, la red descubre de forma autónoma el modelo y los parámetros que mejor explican las tensiones en el tejido cerebral humano. Crédito de la imagen: Sarah St. Pierre

A diferencia de las redes neuronales comerciales convencionales, las redes neuronales artificiales constitutivas brindan conocimientos novedosos sobre la física del cerebro. Como solo un ejemplo, el equipo señala que identificaron parámetros físicamente significativos, como las rigideces de corte variables en cuatro regiones del cerebro: la corteza, los ganglios basales, la corona radiada y el cuerpo calloso, con precisión de 1,82, 0,88, 0,94 y 0,54 kilopascales cada una. .

El módulo de cizallamiento relaciona la fuerza de un golpe en la cabeza, por ejemplo, con la deformación resultante del tejido cerebral. Según estas medidas, la corteza, la capa exterior gris del cerebro, es más de tres veces más rígida que el cuerpo calloso, la red de nervios que conecta los dos hemisferios del cerebro.

Con un conocimiento tan mejorado, los investigadores de traumatismos cerebrales pueden simular y comprender con mayor precisión en qué parte del cerebro se origina el traumatismo. Esto podría inspirar el diseño de nuevos equipos de protección o tratamientos que promuevan la curación. Para traducir este conocimiento en la práctica de la ingeniería, el grupo de Kuhl ha colaborado con una importante empresa de software de simulación, Dassault Systemès Simulia, para integrar el descubrimiento automatizado de modelos directamente en su flujo de trabajo de análisis.

“Lo que es realmente más emocionante de esta investigación”, dijo Kuhl, “es que las redes neuronales artificiales constitutivas podrían inducir un cambio de paradigma en el modelado de tejidos blandos, desde la selección de modelos definida por el usuario hasta el descubrimiento de modelos automatizados. Esto podría cambiar para siempre la forma en que simulamos materiales y estructuras”.

Fuente: Universidad Stanford