A Magyar Tudományos Akadémia (MTA) Természettudományi Kutatóközpontjának (TTK) munkatársai a kóros agyi öregedés mesterséges intelligenciával történő hatékonyabb előrejelzésében értek el releváns előrelépést. A Nemzeti Agykutatási Program által támogatott vizsgálat eredményeiről a GigaScience című akadémiai folyóiratban számoltak be a TTK Agyi Képalkotó Center kutatói.
Az MTA információja alapján az Agyi Képalkotó Centrum munkatársai kutatásuk alatt azt vizsgálták, hogy hány éves az ember agya igazság szerint.
„Agyunk az életünk esetén szakadatlan változik, fiatalkorunkban az agy hálózatainak szerkezete és működése egyre összehangoltabbá és kifinomultabbá válik, amennyire mindazonáltal öregedni kezdünk, ellenkező irányú folyamatok játszódnak le benne. A változások nemcsak az agy fizikai szerkezetében tapasztalhatók, hanem az egyes agyterületek működése közti összehangoltság mértékében is, amely az agyterületek közt mérhető funkcionális kapcsolatok erősségének megváltozásával jól jellemezhető” – olvasható a közleményben.
A tudományos felmérés alapján e kapcsolatokat funkcionális mágneses rezonanciás képalkotással (fMRI) jól vizsgálhatóak, és az eredmények megmutathatják, hogy a vizsgált agy kapcsolati mintázatának tulajdonságai mennyire felelnek meg a vizsgált személy valós életkorának. Ha az eltérés fontos, az a kutatások alapján jól előre mutatja a kóros agyi öregedési folyamatokat, köztük a demenciát. Jelentős, hogy az efféle folyamatokra idejében fény derüljön, mivel a korai gyógyszeres beavatkozások és életmódváltás sokkal hatásosabb, mint a súlyosabb tünetek megjelenése utáni „tűzoltás”.
A tudományos felmérés alapján az agyterületek működése közti kapcsolatok meglehetősen bonyolult hálózatot alkotnak, mindent összevetve egyáltalán nem nyilvánvaló, hogy milyen tulajdonságaik vannak kapcsolatban az életkorral. Ennek elemzésére mesterséges intelligenciát vetettek be a tudósok.
Vidnyánszky Zoltán kutatócsoportja a mélytanulásos rendszerek működési elvét használta fel a vizsgálatok alatt. Az ilyen elven funkcionáló tanuló rendszerek mert több egymásra épülő absztrakciós szinten dolgozzák fel a bemenet információit. Amíg a legelső szinteken még sokat számítanak a bemenő adatok konkrét részletei, a felsőbb szinteken egyre elvontabb összefüggések jelennek meg a ismeretszerzés esetén.
A kutatócsoport eljárása sikeresnek bizonyult, eredményüket az egészségügyi informatika területének legrangosabb folyóirata, a GigaScience közölte múlt évben decemberben.
Az eljárás segédkezésével 5 évvel sikerült javítani a funkcionális konnektivitáson alapuló agyéletkorbecslés átlagos pontosságát.
„Ezt úgy sikerült elérnünk, hogy felhasználtuk az ezelőtt, más adatbázison elsajátított tudást a becsléshez használt mesterséges neurális hálózat tanítása alatt. Ezt az ezelőtt tanult kapcsolati súlyok átvételével és finomhangolásával végeztük a hálózat ideális rétegeiben. Kutatási eredményeink megoldást szolgáltattak az eltérő MRI-berendezéssel, mérési paraméterekkel és eltérő szempontok alapján beválogatott embercsoportokon gyűjtött adatbázisok közti tudástranszferre” – idézik a közleményben Vidnyánszky Zoltánt.
A módszer lényeges előrelépést jelent a kóros agyi öregedés mesterséges intelligenciával történő hatékonyabb előrejelzésében. Ezenfelül segítséget nyújthat olyan, idegrendszeri képalkotáson alapuló specifikus diagnosztikai feladatok megoldásában, ahol kevés adat áll rendelkezésre a mesterséges intelligenciák tanításához. A kutatócsoport, aminek munkájában jeles szerepet játszott két fiatal tudós, Meszlényi Regina és Vakli Pál, jövőbeli kutatásainak célja, hogy módszertani fejlesztéseik eredményeire építve kidolgozzanak egy multimodális, strukturális és funkcionális MRI-képalkotáson alapuló mesterséges intelligenciával támogatott eljárást a kóros agyi öregedés korai kiszűrésére és típusainak osztályozására – olvasható az MTA közleményében.
mti