Una red neuronal artificial (IA) diseñada por un equipo internacional que involucra a UCL puede traducir datos sin procesar de la actividad cerebral, allanando el camino para nuevos descubrimientos y una integración más cercana entre la tecnología y el cerebro.

El nuevo método podría acelerar los descubrimientos de cómo las actividades cerebrales se relacionan con los comportamientos.

El estudio publicado hoy en eLife , codirigido por el Instituto Kavli de Neurociencia de Sistemas en Trondheim y el Instituto Max Planck de Ciencias Cognitivas y Cerebrales Humanas de Leipzig y financiado por Wellcome y el Consejo Europeo de Investigación, muestra que una red neuronal convolucional , una tipo de algoritmo de aprendizaje profundo , es capaz de decodificar muchos comportamientos y estímulos diferentes de una amplia variedad de regiones del cerebro en diferentes especies, incluidos los humanos.

El investigador principal Markus Frey (Instituto Kavli de Neurociencia de Sistemas), dijo: «Los neurocientíficos han podido registrar conjuntos de datos cada vez más grandes del cerebro, pero comprender la información contenida en esos datos (leer el código neuronal) sigue siendo un problema difícil. En la mayoría de los casos casos no sabemos qué mensajes se están transmitiendo.

«Queríamos desarrollar un método automático para analizar datos neuronales sin procesar de muchos tipos diferentes, evitando la necesidad de descifrarlos manualmente».

Probaron la red, llamada DeepInsight, en señales neuronales de ratas que exploraban un campo abierto y descubrieron que podía predecir con precisión la posición, la dirección de la cabeza y la velocidad de carrera de los animales. Incluso sin procesamiento manual, los resultados fueron más precisos que los obtenidos con análisis convencionales.

El autor principal, el profesor Caswell Barry (UCL Cell & Developmental Biology), dijo: «Los métodos existentes pierden mucha información potencial en las grabaciones neuronales porque solo podemos decodificar los elementos que ya comprendemos. Nuestra red puede acceder a mucha más información neuronal código y, al hacerlo, nos enseña a leer algunos de esos otros elementos.

«Podemos decodificar datos neuronales con mayor precisión que antes, pero el avance real es que la red no está limitada por el conocimiento existente».

El equipo descubrió que su modelo fue capaz de identificar nuevos aspectos del código neuronal, que muestran al detectar una representación no reconocida previamente de la dirección de la cabeza, codificada por interneuronas en una región del hipocampo que se encuentra entre las primeras en mostrar defectos funcionales en las personas. con la enfermedad de Alzheimer.

Además, muestran que la misma red es capaz de predecir comportamientos de diferentes tipos de registros en áreas del cerebro y también se puede usar para inferir movimientos de manos en participantes humanos, que determinaron probando su red en un conjunto de datos preexistente de actividad cerebral. registrado en personas.

El coautor, el profesor Christian Doeller (Kavli Institute for Systems Neuroscience y Max Planck Institute for Human Cognitive and Brain Sciences) dijo: «Este enfoque podría permitirnos en el futuro predecir con mayor precisión procesos cognitivos de alto nivel en humanos, como el razonamiento y resolución de problemas «.

Markus Frey agregó: «Nuestro marco permite a los investigadores obtener un análisis rápido y automatizado de sus datos neuronales no procesados, lo que ahorra tiempo que puede dedicarse únicamente a las hipótesis más prometedoras, utilizando métodos más convencionales».