Los Neurocientíficos Pueden Predecir El Coeficiente Intelectual Analizando Las Conexiones Neuronales

Comprendernos a nosotros mismos a través de neuroimágenes y algoritmos

Combinando neurociencia con algoritmos y ciencia de redes, los investigadores de Yale han desarrollado un método para analizar las conexiones neuronales de cerebros individuales que les permite predecir con éxito el coeficiente intelectual de los sujetos, su sexo e incluso las tareas que estaban realizando en el momento del escáner cerebral.

En una colaboración entre los laboratorios de Amin Karbasi, profesor asistente de ingeniería eléctrica e informática y Todd Constable, profesor de radiología e imágenes biomédicas y de neurocirugía, los investigadores analizaron las resonancias magnéticas funcionales de más de 100 sujetos del Proyecto Conectoma Humano, un esfuerzo de cinco años para crear un mapa de red del cerebro humano.

La investigación, presentada recientemente en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, se centra en lo que se conoce como vóxeles. De manera análoga a un píxel, un vóxel es la resolución más baja que se puede lograr en los escaneos, y cada uno puede representar hasta millones de neuronas. Los investigadores agrupan los vóxeles en diferentes áreas llamadas nodos o parcelas, un proceso conocido como parcelación. Se han utilizado métodos tradicionales de parcelar el cerebro para mapear las conexiones cerebrales y crear un atlas universal del cerebro. Pero estos métodos ignoran las muchas variaciones interindividuales y la naturaleza única de las conexiones neuronales. Estas variaciones son particularmente importantes para los estudios de pacientes y desarrollo donde un solo atlas funcional puede no aplicarse a todos los individuos o condiciones.

“Los enfoques tradicionales de la parcelación del cerebro humano colapsan los datos de todos los sujetos del grupo y luego agrupan el promedio”, dijo Mehraveh Salehi, Ph.D. candidato en los laboratorios de Constable y Karbasi. “Pero hemos demostrado que si haces esto a nivel individual, cada individuo tiene una parcela diferente”.

Para individualizar las parcelas existentes, el equipo utilizó un método para resumir grandes cantidades de datos conocido como agrupación basada en ejemplos. “La idea es encontrar aquellos elementos de los datos que sean más representativos”, dijo Salehi. Para identificar estos ejemplos, el equipo aplicó algoritmos de optimización de funciones submodulares.

“Si tenemos en cuenta esas variaciones, podemos construir mejores modelos a partir del análisis de conectividad funcional, y esos modelos son mejores para predecir comportamientos, como el coeficiente intelectual”, dijo.

Karbasi, quien es miembro de la facultad del Instituto de Ciencia de Redes de Yale (YINS), dijo que la cantidad de información que se puede obtener de la red de voxels es notable.

“Lo que fue muy fascinante fue que la forma de la red cuenta muchas historias”, dijo Karbasi. “Por ejemplo, podemos decir si esta persona en el escáner es un hombre o una mujer. También nos dice que estas personas están realizando diferentes tipos de tareas. Es como leer el cerebro “.

Añadió que solo están “rascando la superficie” del potencial de la tecnología.

“Imagínense lo que podríamos hacer en 20 años si realmente pudiéramos leer el cerebro y entender lo que la gente está pensando”, dijo Karbasi. Por ejemplo, dijo, podría conducir a una mejor comprensión de cómo el cerebro hace la transición de un estado emocional a otro y a nuevos tratamientos para la depresión.

Salehi, que también trabaja con YINS, inició el emparejamiento de los dos laboratorios para el proyecto.

“Fue realmente a través de la creación de redes que hicimos este proyecto”, dijo Karbasi. “Y fue un ejemplo muy exitoso de cómo funcionan las cosas cuando se junta a las personas adecuadas”.

Publicación: Mehraveh Salehi, et al., “Un enfoque submodular para crear parcelaciones individualizadas del cerebro humano”, MICCAI, 2017; doi: 10.1007 / 978-3-319-66182-7_55

Añadir un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *