ملخص: طور الباحثون نموذجًا رائدًا، وهو نموذج لغة الدماغ (BrainLM)، باستخدام الذكاء الاصطناعي لرسم خريطة لوظيفة الدماغ وآثارها على السلوك والمرض. يستخدم BrainLM 80.000 عملية مسح لـ 40.000 موضوع لإنشاء نموذج أساسي يلتقط ديناميكيات نشاط الدماغ دون الحاجة إلى بيانات محددة خاصة بمرض معين.
يقلل هذا النموذج بشكل كبير من تكلفة وكمية البيانات المطلوبة لدراسات الدماغ التقليدية، مما يوفر إطارًا قويًا يمكنه التنبؤ بشكل أكثر فعالية بحالات مثل الاكتئاب والقلق واضطراب ما بعد الصدمة مقارنة بالأدوات الأخرى. أثبت BrainLM أنه تطبيق قوي في التجارب السريرية، مما قد يؤدي إلى خفض التكاليف إلى النصف من خلال تحديد المرضى الذين من المرجح أن يستفيدوا من العلاجات الجديدة.
مفتاح الحقائق:
- نموذج توليد الذكاء الاصطناعي: يستخدم BrainLM الذكاء الاصطناعي التوليدي لتعلم الديناميكيات الأساسية دون الحاجة إلى ملفات تعريف محددة للمريض لتحليل أنماط نشاط الدماغ من مجموعات البيانات التفصيلية.
- التكلفة والفعالية في البحث: يقلل هذا النموذج من الحاجة إلى تسجيل عدد كبير من المرضى في التجارب السريرية، مما يقلل التكاليف بشكل كبير باستخدام قدراته التنبؤية لاختيار المرشحين المناسبين للدراسات.
- تطبيق واسع: تم اختبار BrainLM عبر ماسحات ضوئية وخصائص سكانية مختلفة، وقد أظهر أداءً ممتازًا في التنبؤ بمجموعة متنوعة من مشكلات الصحة العقلية ويحمل وعدًا بمساعدة استراتيجيات البحث والعلاج المستقبلية.
مصدر: كلية بايلور للطب
قام فريق من الباحثين من كلية بايلور للطب وجامعة ييل بدمج الذكاء الاصطناعي التوليدي (AI) لتطوير نموذج أساسي لوظيفة الدماغ. تم تطوير نموذج لغة الدماغ (BrainLM) لنمذجة الدماغ في السيليكو وتحديد كيفية ارتباط وظائف الدماغ بالسلوك البشري وأمراض الدماغ.
تم نشر هذا البحث كورقة مؤتمر في ICLR 2024.
وقالت الدكتورة سادي عبد الله، الأستاذ المشارك في قسم مينينجر للطب النفسي والعلوم السلوكية في جامعة بايلور: “لقد عرفنا منذ فترة طويلة أن نشاط الدماغ يرتبط بسلوك الشخص والعديد من الأمراض الأخرى، مثل النوبات أو مرض باركنسون”. شارك في تأليف المقال.
“يسمح لنا التصوير الوظيفي للدماغ أو التصوير بالرنين المغناطيسي الوظيفي برؤية نشاط الدماغ عبر الدماغ، لكننا لم نتمكن في السابق من التقاط ديناميكيات هذه الأنشطة بشكل كامل مع مرور الوقت والمكان باستخدام أدوات تحليل البيانات التقليدية.
“في الآونة الأخيرة، بدأوا في استخدام التعلم الآلي لالتقاط مدى تعقيد الدماغ وكيفية ارتباطه بأمراض معينة، ولكن تبين أن ذلك يتطلب تسجيل واختبار شامل لآلاف المرضى الذين يعانون من سلوك أو مرض معين، وهي عملية مكلفة للغاية “.
تكمن قوة أدوات الذكاء الاصطناعي التوليدية الجديدة في استخدامها لإنشاء نماذج أساسية مستقلة عن مهمة محددة أو مجموعة محددة من المرضى. يعمل الذكاء الاصطناعي التوليدي كمخبر يجد الأنماط المخفية في مجموعة البيانات.
ومن خلال تحليل نقاط البيانات والعلاقات بينها، يمكن لهذه النماذج أن تتعلم الديناميكيات الأساسية – كيف ولماذا تتغير الأشياء أو تتطور.
يتم بعد ذلك ضبط هذه النماذج الأساسية لفهم موضوعات مختلفة. استخدم الباحثون الذكاء الاصطناعي التوليدي لالتقاط كيفية عمل نشاط الدماغ بغض النظر عن اضطراب أو مرض معين.
ويمكن تطبيقه على أي مجموعة سكانية دون الحاجة إلى معرفة معلومات حول سلوك الشخص أو مرضه أو تاريخه أو عمره. تتطلب نمذجة الكمبيوتر والذكاء الاصطناعي نشاطًا دماغيًا لتعليم كيفية تطور نشاط الدماغ في المكان والزمان.
أجرى الفريق 80 ألف عملية مسح لـ 40 ألف شخص وقاموا بتدريب نموذج لتحديد كيفية ارتباط أنشطة الدماغ هذه مع مرور الوقت، وإنشاء نموذج خط الأساس لنشاط الدماغ BrainLM. الآن، يمكن للباحثين استخدام BrainLM لأداء مهمة محددة وطرح الأسئلة في دراسات أخرى.
“على سبيل المثال، إذا كنت تريد إجراء تجربة سريرية لتطوير دواء لعلاج الاكتئاب، فإن ذلك سيكلف مئات الملايين من الدولارات لأنه يتعين عليك تسجيل عدد كبير من المرضى وعلاجهم لفترة طويلة من الزمن.
“بفضل قوة BrainLM، يمكننا استخدام قوة BrainLM لخفض هذه التكلفة إلى النصف عن طريق إضافة نصف الأشخاص فقط لاختيار الأشخاص الذين يرغبون في الاستفادة من العلاج. لذلك، يمكن لـ BrainLM استخدام المعرفة المستفادة من 80000 عملية مسح. وقال عبد الله لتطبيقه على مواضيع محددة.
في الخطوة الأولى، تمت إزالة المعالجة المسبقة والإشارات المضغوطة والضوضاء التي لا علاقة لها بنشاط الدماغ. وضع الباحثون الملخصات في نموذج للتعلم الآلي وأخفوا نسبة مئوية من البيانات لكل شخص. عندما تعلم النموذج الديناميكيات، قاموا باختباره على مجموعة اختبار التسرب.
لقد اختبروا ذلك على عينات مختلفة لفهم مدى قدرة النموذج على تعميم البيانات التي تم الحصول عليها من ماسحات ضوئية مختلفة ومجموعات سكانية مختلفة، مثل كبار السن والأصغر سنا.
ووجدوا أن أداء BrainLM كان جيدًا في مجموعة متنوعة من النماذج. ووجدوا أيضًا أن BrainLM تنبأ بحدة الاكتئاب والقلق واضطراب ما بعد الصدمة بشكل أفضل من أدوات التعلم الآلي الأخرى التي لم تستخدم الذكاء الاصطناعي.
وقال عبد الله: “لقد وجدنا أن BrainLM يعمل بشكل جيد للغاية. فهو يتنبأ بنشاط الدماغ في نموذج جديد مقنع أثناء التدريب، ويعمل بشكل جيد مع البيانات الواردة من الماسحات الضوئية الجديدة والمجموعات السكانية الجديدة”.
“تم تحقيق هذه النتائج المبهرة من خلال عمليات المسح لأكثر من 40.000 موضوع. ونحن نعمل الآن على زيادة مجموعة بيانات التدريب بشكل كبير.
“كلما كان النموذج الذي يمكننا تطويره أقوى، كلما تمكنا من القيام بالمزيد لمساعدة المرضى على الرعاية، مثل تطوير علاجات جديدة للأمراض العقلية أو توجيه جراحة الأعصاب للنوبات أو التحفيز العميق للدماغ.”
ويخطط الباحثون لاستخدام هذا النموذج في الأبحاث المستقبلية للتنبؤ بالأمراض المرتبطة بالدماغ.
حول أخبار أبحاث الذكاء الاصطناعي وعلم الأعصاب
مؤلف: هوما وارن
مصدر: كلية بايلور للطب
اتصال: هوما وارين – كلية بايلور للطب
صورة: يُنسب الفيلم إلى Neuronews
البحث الأصلي: سيتم عرض النتائج المؤتمر الدولي للبحوث الزراعية 2024
“متعصب للموسيقى. مستكشف متواضع جدا. محلل. متعصب للسفر. مدرس تلفزيوني متطرف. لاعب.”