Cuando nos damos un golpe en la cabeza, el tejido cerebral se estira y se tuerce causando daños en la corteza. Usualmente son cambios leves y fugaces, pero, en ocasiones, pueden desencadenar enfermedades crónicas como la encefalopatía traumática crónica (ETC) o una conmoción cerebral.
Los investigadores que desean estudiar una lesión en el cerebro se ven obligados a seleccionar entre una biblioteca de docenas de modelos, algunos con más de un siglo de antigüedad, para ayudar a calcular esas torceduras. Pero un modelo que funciona para un cierto tipo de estrés (tensión, compresión o corte) puede que no funcione para otro. Del mismo modo, un modelo que podría funcionar para una región del cerebro podría no funcionar para otra.
Es por eso que un equipo ha desarrollado un modelo mucho más preciso, con inteligencia artificial. Esta nueva alternativa analiza los tres tipos de estrés en el tejido cerebral, y creen que podría revelar por qué una conmoción a veces conduce a un daño permanente.
Un nuevo enfoque en el estudio de las lesiones
La IA en cuestión es un algoritmo de aprendizaje automático, que fue entrenado con los 4095 modelos cerebrales desarrollados previamente. Entre ellos, el “modelo Neo-Hookean para plásticos y caucho», el «modelo Demiray para tejidos blandos» y el «modelo Ogden para sólidos de goma”.
«Sacamos la selección de usuarios de la ecuación y permitimos que el aprendizaje automático examine los datos y decida qué modelo funciona mejor».
Sarah St. Pierre, académica en la Universidad de Stanford
Lo que hace este nuevo modelo de “un cerebro lesionado” es descubrir automáticamente los parámetros que mejor explican las tensiones en el tejido cerebral de un paciente. Todo ello gracias a que combina los datos de todos los modelos existentes.
Por lo tanto, se trata de un nuevo enfoque que resuelve el problema actual con el modelado de lesiones cerebrales: el hecho de que el cerebro no es un tejido homogéneo, por lo que cada parte es diferente.
“En el pasado, seleccionar el mejor modelo era un proceso impredecible que dependía en gran medida de la experiencia del usuario y la preferencia personal. La automatización de este proceso reduce las barreras para modelar el cerebro. Ahora, cada estudiante de Stanford puede hacer esto”.
Sarah St. Pierre
¿Necesitamos IA para entender el cerebro humano?
Eso parece. El cerebro es un órgano gelatinoso, lo que hace que la prueba y el modelado del estrés mecánico sea prácticamente imposible para los humanos. Pero la inteligencia artificial puede resolver este problema a través de las comparaciones de datos.
Una vez que el algoritmo ha descubierto el mejor modelo, es fácil relacionarlo con los modelos que las generaciones de investigadores han propuesto. Por lo tanto, el nuevo enfoque con redes neuronales artificiales constitutivas hace más seguro el estudio de deformaciones en el cerebro.
El equipo asegura que han identificado parámetros físicamente significativos con ayuda de esta IA, como las variables rigidez en cuatro regiones diferentes del cerebro: la corteza (1.82 kPa), los ganglios basales (0.88 kPa), la corona radiata (0.94 kPa) y el corpus callosum (0.54 kPa).
«Proporcionamos a la red todos los modelos constitutivos existentes desarrollados durante el siglo pasado. Y la IA hace una mezcla y combinación para encontrar la mejor opción. Esto es imposible de hacer a mano».
Kevin Linka, investigador en la Universidad de Stanford
Así que este nuevo modelo basado en inteligencia artificial podría no solo impulsar un cambio de paradigma en el modelado de tejidos blandos, sino también ayudarnos a entender cómo funciona nuestro cerebro antes, durante y después de una lesión.
Referencias:
Automated model discovery for human brain using Constitutive Artificial Neural Networks https://dx.doi.org/10.1016/j.actbio.2023.01.055
