Ende 2023 das erste Medikament mit dem Potenzial, das Fortschreiten der Alzheimer-Krankheit zu verlangsamen, wurde von der US-amerikanischen Arzneimittelbehörde zugelassen. Alzheimer ist eine von vielen lähmenden neurologischen Erkrankungen, von denen insgesamt ein Achtel der Weltbevölkerung betroffen ist. Das neue Medikament ist zwar ein Schritt in die richtige Richtung, aber bis wir diese und andere Krankheiten dieser Artwork vollständig verstehen, ist es noch ein langer Weg.
„Die Rekonstruktion der Feinheiten der Funktionsweise des menschlichen Gehirns auf zellulärer Ebene ist eine der größten Herausforderungen der Neurowissenschaft“, sagt Lars Gjesteby, technischer Mitarbeiter und Algorithmenentwickler am MIT Lincoln Laboratory. Gruppe für menschliche Gesundheit und Leistungssysteme. „Hochauflösende, vernetzte Gehirnatlanten können dazu beitragen, unser Verständnis von Erkrankungen zu verbessern, indem sie Unterschiede zwischen gesunden und kranken Gehirnen aufzeigen. Dieser Fortschritt wird jedoch durch unzureichende Werkzeuge zur Visualisierung und Verarbeitung sehr großer Datensätze von Gehirnbildern behindert.“
Ein vernetzter Gehirnatlas ist im Wesentlichen eine detaillierte Karte des Gehirns, die dabei helfen kann, strukturelle Informationen mit neuronalen Funktionen zu verknüpfen. Um solche Atlanten zu erstellen, müssen die Daten der Gehirnbildgebung verarbeitet und kommentiert werden. Beispielsweise muss jedes Axon, additionally jede dünne Faser, die Neuronen verbindet, verfolgt, gemessen und mit Informationen versehen werden. Aktuelle Methoden zur Verarbeitung von Daten der Gehirnbildgebung, wie Desktop-basierte Software program oder manuelle Instruments, sind noch nicht darauf ausgelegt, Datensätze im Maßstab des menschlichen Gehirns zu verarbeiten. Daher verbringen Forscher oft viel Zeit damit, sich durch einen Ozean von Rohdaten zu kämpfen.
Gjesteby leitet ein Projekt zum Aufbau der Neuron Tracing and Lively Studying Atmosphere (NeuroTrALE), einer Software program-Pipeline, die maschinelles Lernen, Supercomputing sowie Benutzerfreundlichkeit und Zugriff auf diese Herausforderung der Gehirnkartierung vereint. NeuroTrALE automatisiert einen Großteil der Datenverarbeitung und zeigt die Ausgabe in einer interaktiven Schnittstelle an, die es Forschern ermöglicht, die Daten zu bearbeiten und zu manipulieren, um bestimmte Muster zu markieren, zu filtern und nach ihnen zu suchen.
Einen Wollknäuel entwirren
Eines der entscheidenden Merkmale von NeuroTrALE ist die maschinelle Lerntechnik, die es verwendet, das sogenannte aktive Lernen. Die Algorithmen von NeuroTrALE werden darauf trainiert, eingehende Daten automatisch anhand vorhandener Gehirnbilddaten zu kennzeichnen. Unbekannte Daten können jedoch Fehlerquellen darstellen. Aktives Lernen ermöglicht es Benutzern, Fehler manuell zu korrigieren und den Algorithmus so zu trainieren, sich beim nächsten Mal, wenn er auf ähnliche Daten stößt, zu verbessern. Diese Mischung aus Automatisierung und manueller Kennzeichnung gewährleistet eine genaue Datenverarbeitung bei wesentlich geringerer Belastung des Benutzers.
„Stellen Sie sich vor, Sie machen eine Röntgenaufnahme eines Wollknäuels. Sie würden all diese sich kreuzenden, überlappenden Linien sehen“, sagt Michael Snyder von der Homeland Choice Help Techniques Group des Labors. „Wenn sich zwei Linien kreuzen, bedeutet das, dass eines der Garnstücke eine 90-Grad-Kurve macht oder dass eines gerade nach oben und das andere gerade darüber geht? Mit dem aktiven Lernen von NeuroTrALE können Benutzer diese Garnstränge ein- oder zweimal verfolgen und den Algorithmus trainieren, ihnen in Zukunft korrekt zu folgen. Ohne NeuroTrALE müsste der Benutzer jedes Mal das Garnknäuel oder in diesem Fall die Axone des menschlichen Gehirns verfolgen.“ Snyder ist zusammen mit seinem Mitarbeiter David Chavez Softwareentwickler im NeuroTrALE-Staff.
Da NeuroTrALE dem Benutzer den Großteil der Beschriftungslast abnimmt, können Forscher mehr Daten schneller verarbeiten. Darüber hinaus nutzen die Axon-Tracing-Algorithmen paralleles Computing, um Berechnungen auf mehrere GPUs gleichzeitig zu verteilen, was zu einer noch schnelleren, skalierbaren Verarbeitung führt. Mit NeuroTrALE können die Staff demonstrierte eine 90-prozentige Verringerung der Rechenzeit, die zur Verarbeitung von 32 Gigabyte Daten im Vergleich zu herkömmlichen KI-Methoden benötigt wird.
Das Staff zeigte auch, dass eine erhebliche Zunahme des Datenvolumens nicht zu einer entsprechenden Zunahme der Verarbeitungszeit führt. In einem aktuelle Studie Sie zeigten, dass eine Erhöhung der Datensatzgröße um 10.000 Prozent lediglich zu einer Erhöhung der gesamten Datenverarbeitungszeit um 9 Prozent bzw. 22 Prozent führte. Dabei kamen zwei verschiedene Arten von Zentraleinheiten zum Einsatz.
„Bei den geschätzten 86 Milliarden Neuronen, die im menschlichen Gehirn 100 Billionen Verbindungen herstellen, würde die manuelle Kennzeichnung aller Axone in einem einzigen Gehirn ein Leben lang dauern“, fügt Benjamin Roop hinzu, einer der Algorithmenentwickler des Projekts. „Dieses Software hat das Potenzial, die Erstellung von Konnektomen nicht nur für ein Individuum, sondern für viele zu automatisieren. Das öffnet die Tür für die Erforschung von Hirnerkrankungen auf Bevölkerungsebene.“
Der Open-Supply-Weg zur Entdeckung
Das NeuroTrALE-Projekt wurde als intern finanzierte Zusammenarbeit zwischen dem Lincoln Laboratory und Professor Kwanghun Chungs Labor auf dem MIT-Campus. Das Staff des Lincoln Lab musste eine Methode entwickeln, mit der die Forscher des Chung Lab die große Menge an Gehirnbilddaten, die in das Labor fließen, analysieren und nützliche Informationen daraus extrahieren konnten. MIT SuperCloud — ein Supercomputer, der vom Lincoln Laboratory betrieben wird, um die Forschung des MIT zu unterstützen. Dank seiner Experience in Hochleistungsrechnen, Bildverarbeitung und künstlicher Intelligenz struggle das Lincoln Lab hervorragend für diese Herausforderung geeignet.
Im Jahr 2020 lud das Staff NeuroTrALE in die SuperCloud hoch und im Jahr 2022 lieferte das Chung Lab Ergebnisse. In einer Studie veröffentlicht in WissenschaftSie verwendeten NeuroTrALE, um die Zelldichte des präfrontalen Kortex in Bezug auf die Alzheimer-Krankheit zu quantifizieren. Dabei wiesen von der Krankheit betroffene Gehirne in bestimmten Regionen eine geringere Zelldichte auf als nicht betroffene. Dasselbe Staff lokalisierte auch, wo im Gehirn schädliche Neurofasern dazu neigen, sich in von Alzheimer betroffenem Gehirngewebe zu verwickeln.
Die Arbeit an NeuroTrALE wurde mit Mitteln des Lincoln Laboratory und der Nationwide Institutes of Well being (NIH) fortgesetzt, um die Fähigkeiten von NeuroTrALE auszubauen. Derzeit Werkzeuge für die Benutzeroberfläche werden in Googles Neuroglancer Programm – eine Open-Supply-Anwendung zur Anzeige neurowissenschaftlicher Daten auf Webbasis. NeuroTrALE bietet Benutzern die Möglichkeit, ihre annotierten Daten dynamisch zu visualisieren und zu bearbeiten, und mehreren Benutzern, gleichzeitig mit denselben Daten zu arbeiten. Benutzer können auch eine Reihe von Formen wie Polygone, Punkte und Linien erstellen und bearbeiten, um Annotationsaufgaben zu erleichtern, sowie die Farbanzeige für jede Annotation anpassen, um Neuronen in dichten Regionen zu unterscheiden.
„NeuroTrALE bietet eine plattformunabhängige Finish-to-Finish-Lösung, die einfach und schnell in Standalone-, virtuellen, Cloud- und Hochleistungsrechnerumgebungen über Container eingesetzt werden kann“, sagt Adam Michaleas, ein Hochleistungsrechneringenieur aus dem Labor Gruppe für Technologie der künstlichen Intelligenz. „Darüber hinaus verbessert es das Endbenutzererlebnis erheblich, indem es Möglichkeiten zur Echtzeit-Zusammenarbeit innerhalb der neurowissenschaftlichen Gemeinschaft durch Datenvisualisierung und gleichzeitige Inhaltsüberprüfung bietet.“
Zur Ausrichtung auf Die Mission des NIH Das Ziel des Groups besteht darin, Forschungsergebnisse zu teilen und NeuroTrALE zu einem vollständig quelloffenen Software zu machen, das jeder verwenden kann. Und ein solches Software, sagt Gjesteby, ist das, was wir brauchen, um das Endziel zu erreichen, das menschliche Gehirn in seiner Gesamtheit für die Forschung und schließlich für die Arzneimittelentwicklung abzubilden. „Es handelt sich um eine Basisinitiative der Group, bei der Daten und Algorithmen geteilt und von allen abgerufen werden sollen.“
Die Codebasen für die Axonverfolgung, DatenmanagementUnd interaktive Benutzeroberfläche von NeuroTrALE sind öffentlich über Open-Supply-Lizenzen verfügbar. Bitte kontaktieren Sie Lars Gjesteby für weitere Informationen zur Verwendung von NeuroTrALE.