Povzetek: Raziskovalci so s pomočjo umetne inteligence izmerili pretok tekočine okoli možganskih krvnih žil, kar je velik preboj, ki ima daljnosežne posledice za zdravljenje bolezni, kot je Alzheimerjeva bolezen.
Ekipa je razvila inovativne meritve hitrosti z umetno inteligenco za natančen izračun pretoka tekočine. Novo razvita tehnika združuje 2D-meritve s fizikalno informiranimi nevronskimi mrežami, kar omogoča vpogled v sistem v visoki ločljivosti.
Ta študija odpira nove meje pri razumevanju mehanizmov, ki poganjajo pretok tekočine v možganih.
Ključna dejstva:
- Multidisciplinarna ekipa, ki je razvila meritve hitrosti z umetno inteligenco, je edinstvena kombinacija strojnih inženirjev, nevroznanstvenikov in računalniških znanstvenikov, kar ponazarja pomen interdisciplinarnega sodelovanja pri napredku znanstvenega razumevanja.
- Raziskovalci so lahko izdelali tridimenzionalni model pretoka tekočine v perivaskularnih prostorih okoli možganov. To pomeni velik napredek v primerjavi s prejšnjimi dvodimenzionalnimi študijami, saj je dodana plast kompleksnosti, ki natančneje odraža zapletenost človeških možganov.
- Tehnika, ki temelji na umetni inteligenci, se lahko uporablja tudi pri drugih raziskavah, ne le pri Alzheimerjevi bolezni. Razumevanje dinamike pretoka tekočin okoli možganov lahko pomaga tudi pri razvoju zdravljenja drugih bolezni, povezanih s spremembami pretoka tekočin, kot so bolezni malih žil, kapi in travmatske poškodbe možganov.
Vir: Univerza v Rochestru
Nova tehnika za merjenje pretoka tekočine v možganskih žilah, ki temelji na umetni inteligenci, bi lahko imela velik pomen za razvoj zdravljenja bolezni, kot je Alzheimerjeva bolezen.
Perivaskularni prostori, ki obkrožajo možganske krvne žile, po možganih prenašajo tekočino, podobno vodi, in pomagajo odvajati odpadne snovi. Spremembe v pretoku tekočin so povezane z nevrološkimi boleznimi, vključno z Alzheimerjeva bolezen, bolezni malih žil, kapi in travmatskih poškodb možganov, vendar jih je težko izmeriti in vivo.
Multidisciplinarna skupina strojnih inženirjev, nevroznanstvenikov in računalniških znanstvenikov pod vodstvom izrednega profesorja Douglasa Kelleyja z Univerze v Rochestru je razvila nove meritve AI velocimetrije za natančen izračun pretoka možganske tekočine.
Rezultati so opisani v študiji, ki jo je objavila Zbornik Nacionalne akademije znanosti.
"V tej študiji smo združili nekatere meritve znotraj živalskih modelov z novim Tehnika umetne inteligence kar nam je omogočilo učinkovito merjenje stvari, ki jih doslej še nihče ni mogel izmeriti," pravi Kelley, član fakultete na oddelku za strojništvo v Rochestru.
Delo temelji na dolgoletnih poskusih, ki jih je vodila soavtorica študije Maiken Nedergaard, sourednica Rochesterskega centra za translacijsko nevromedicino.
Skupina je že prej lahko izvajala dvodimenzionalne študije pretoka tekočine v perivaskularnih prostorih z vbrizgavanjem drobnih delcev v tekočino ter merjenjem njihovega položaja in hitrosti v določenem času.
Vendar so znanstveniki potrebovali bolj zapletene meritve, da bi v celoti razumeli zapletenost sistema - in raziskovanje tako vitalnega, tekočega sistema je velik izziv.
Da bi rešili ta izziv, je ekipa sodelovala z Georgeem Karniadakisom z univerze Brown in uporabila umetno inteligenco. Obstoječe 2D-podatke so povezali s fizikalno informiranimi nevronske mreže in tako ustvarili edinstvene poglede na sistem visoke ločljivosti.
"S tem lahko razkrijemo tlake, sile in tridimenzionalni pretok z veliko večjo natančnostjo, kot jo lahko dosežemo sicer," pravi Kelley.
"Tlak je pomemben, ker še nihče ne ve natančno, kakšen črpalni mehanizem poganja vse te tokove okoli možganov. To je novo področje."
O tej novici o umetni inteligenci in raziskavah Alzheimerjeve bolezni
Avtor: Douglas Kelley
Vir: Univerza v Rochestru
Kontaktna oseba: Douglas Kelley - Univerza v Rochestru
Slika: Sliko je posodil Neuroscience News
Izvirna raziskava: Zaprti dostop.
"Velocimetrija z umetno inteligenco razkriva hitrosti pretoka, tlačne gradiente in strižne napetosti in vivo v perivaskularnih tokovih pri miših" Douglas Kelley in drugi. PNAS
Povzetek
Velocimetrija z umetno inteligenco razkriva hitrosti pretoka, tlačne gradiente in strižne napetosti in vivo v perivaskularnih tokovih pri miših
Kvantitativna določitev pretoka cerebrospinalne tekočine (CSF) je ključnega pomena za razumevanje odstranjevanja možganskih odpadkov in dostave hranil ter edema pri bolezenskih stanjih, kot je možganska kap.
Vendar so obstoječe tehnike in vivo omejene na redke meritve hitrosti v periovaskularnih prostorih (PVS) ali na meritve z nizko ločljivostjo pri slikanju celotnih možganov. Poleg tega je in vivo v bistvu nemogoče izmeriti spremembe prostorninskega pretoka, tlaka in strižnega stresa v PVS.
V tem prispevku smo pokazali, da lahko velocimetrija z umetno inteligenco (AIV) združuje redke meritve hitrosti z nevronskimi mrežami, ki temeljijo na fizikalnih podatkih, za količinsko opredelitev pretoka CSF v PVS. Z AIV izpeljemo tridimenzionalno (3D) hitrost, tlak in strižno napetost v visoki ločljivosti.
Potrditev izhaja iz usposabljanja s 70% meritev PTV in dokazovanja tesnega ujemanja s preostalimi 30%. Analiza občutljivosti vhodnih podatkov AIV kaže, da je negotovost v izpeljanih količinah AIV zaradi negotovosti v mejnih lokacijah PVS, ki so značilne za slikanje in vivo, manjša od 30%, negotovost zaradi inicializacije nevronske mreže pa je manjša od 1%.
V PVS iz N = 4 miši divjega tipa smo ugotovili povprečno hitrost pretoka 16,33 ± 11,09 µm/s, prostorninsko hitrost pretoka 2,22 ± 1,983 × 103 µm3/s, gradient aksialnega tlaka ( - 2,75 ± 2,01)×10-4 Pa/µm (-2,07 ± 1,51 mmHg/m) in strižno napetost na steni (3,00 ± 1,45)×10-3 Pa (vse povprečje ± SE).
Tlačni gradienti, pretoki in upori se ujemajo s predhodnimi napovedmi. AIV izredno podrobno določa tokove PVS in vivo, kar bo izboljšalo dinamične modele tekočin in morda pojasnilo, kako se tok CSF spreminja pri staranju, Alzheimerjevi bolezni in boleznih malih žil.
Viri: Neroscience Novice
