人工智能为脑损伤研究提供了“范式转变”
近年来,从橄榄球到战场,对创伤性脑损伤的研究呈爆炸式增长。理解脑损伤的关键是能够模拟压缩、拉伸和扭曲脑组织的机械力,造成从短暂到致命的损伤。
斯坦福大学(Stanford University)的研究人员现在表示,他们已经利用人工智能建立了一个更加准确的模型,可以解释变形如何转化为大脑中的压力,并相信他们的方法可以更明确地了解变形的时间和原因脑震荡有时会导致持久脑损伤,有时则不然。
“迄今为止,大脑建模的问题在于,大脑并不是一个单一的组织——它在大脑的每个部分都不一样。然而,创伤往往是普遍的,”机械工程教授、生命物质实验室主任艾伦·库尔说,她是一项发表在该杂志上的新研究的资深作者Acta Biomaterialia.“大脑也非常柔软,就像果冻一样,这使得测试和建模对大脑的物理影响都非常具有挑战性。”
去图书馆
想要研究脑外伤的研究人员被迫从数十个材料模型中进行选择,其中一些可以追溯到近一个世纪以前,以帮助计算大脑的压力。
几十年来,科学家们开发了这些具有神秘名字的软材料模型,如“塑料和橡胶的新胡克模型”、“软组织的德米雷模型”和“橡胶类固体的奥格登模型”。但是一个模型适用于某种类型的应力-拉伸、压缩或剪切-可能不适用于另一种类型的应力。同样,一个模型可能适用于大脑的一个区域,但不一定适用于另一个区域。
新方法采用模型的模型策略,使用人工智能在4000多种可能性中找出哪一种模型,最能解释大脑的行为。在过去,选择最佳模型是一个碰运气的过程,很大程度上取决于用户体验还有个人喜好。
“我们允许机器学习检查数据,并决定哪个模型最有效,从而将用户选择从等式中剔除,”库尔实验室的博士学者、该论文的合著者莎拉·圣皮埃尔(Sarah St. Pierre)补充道。“自动化这一过程降低了对大脑建模的障碍。现在,每个斯坦福的学生都能做到。”一次机器学习已经发现了最好的模型,很容易将它与几代研究人员提出的模型联系起来。
变革的见解
这种方法被称为“构成性人工神经网络”(Constitutive Artificial Neural Networks),是凯文·林卡(Kevin Linka)在加入生命物质实验室(Living Matter Lab)担任博士后之前开发的,他将这种方法应用于大脑。
“我们提供了上个世纪开发的所有现有本构模型的网络。人工智能会进行混合搭配,以找到最佳选择。这是不可能手工完成的,”Linka说。“现在,我们已经有效地发现了一个新模型,使我们更有信心研究大脑中的机械压力。”
不像传统的现货神经网络本构人工神经网络提供了对大脑物理的新见解。作为一个例子,研究小组指出,他们已经确定了物理上有意义的参数,比如大脑皮层、基底神经节、辐射冠和胼胝体四个不同区域的不同剪切刚度,每个区域的剪切刚度精确为1.82、0.88、0.94和0.54千帕。
剪切模量与头部受到撞击的力有关,例如,与头部产生的变形有关大脑组织.通过这些测量,大脑皮层(大脑的灰色外层)比胼胝体(连接大脑两个半球的神经网络)坚硬三倍多。
有了这些改进的知识,脑创伤研究人员可以更准确地模拟和理解脑损伤发生的位置大脑创伤产生。这可能会激发新的保护设备或治疗方法的设计,以促进愈合。为了将这些知识转化为工程实践,Kuhl的团队与大型仿真软件公司Dassault Systemès Simulia合作,将自动模型发现直接集成到他们的分析工作流程中。
“这项研究最令人兴奋的地方是,”库尔说,“构成性人工神经网络可以诱导一种新的神经网络思考模式的转移在软组织建模中,从用户定义的模型选择到自动模型发现。这可能永远改变我们模拟材料和结构的方式。”
更多信息:Kevin Linka等人,使用本构人工神经网络自动发现人脑模型,Acta Biomaterialia(2023)。DOI: 10.1016 / j.actbio.2023.01.055