Home Bots in Society Wetenschappers brengen menselijk brein in kaart met behulp van AI en ML

Wetenschappers brengen menselijk brein in kaart met behulp van AI en ML

door Pieter Werner

Neurowetenschappers hebben decennialang gewerkt aan de behandeling van hersenziekten zoals Alzheimer en Parkinson, maar de voortgang is traag. De hersenen, ons meest complexe orgaan, blijven moeilijk toegankelijk voor onderzoek. De datasets die worden verzameld voor hersenonderzoek zijn uitgebreid, maar heterogeen en ontbreken vaak een universele wetenschappelijke taal. Daarom gaat het Allen Institute for Brain Science een kennisplatform bouwen op basis van AI en ML.

Volgens het RIVM zullen naar verwachting ruim 1 miljoen Nederlanders in 2040 lijden aan (de gevolgen van) Parkinson, dementie en beroertes. In een poging dit te veranderen, leidt het Allen Institute met financiering van de National Institutes of Health (NIH) uit de Verenigde Staten en technologie van Amazon Web Services (AWS) een initiatief om een kennisplatform voor de hersenen te bouwen: het Brain Knowledge Platform.

“Ondanks enorme investeringen hebben we nog steeds geen oplossingen voor de belangrijkste hersenaandoeningen”, zegt Ed Lein, senior onderzoeker bij het Allen Institute for Brain Science in Seattle. “We worden overspoeld met informatie, maar het is niet gecentraliseerd of gesynthetiseerd.”

Het werk aan het Brain Knowledge Platform bestaat uit twee onderdelen. Het eerste onderdeel, geleid door Ed Lein en een netwerk van neurowetenschappelijke onderzoekers van 17 instituten wereldwijd, richt zich op het maken van een nieuwe gedetailleerde kaart van de gehele hersenen op cellulair niveau. Het andere onderdeel, onder leiding van Shoaib Mufti, hoofd van data en technologie bij het Allen Institute, in samenwerking met Amazon Web Services (AWS), omvat het gebruik van deze hersenkaart om ’s werelds grootste open source-database van hersencelgegevens te creëren. Dit zal de eerste dataset zijn die enorme hoeveelheden gestandaardiseerde gegevens over de structuur en functie van hersenen bevat.

Het uiteindelijke doel van het Allen Institute is het creëren van een hulpmiddel dat een betere diagnose en behandeling mogelijk maakt van neurologische aandoeningen, ziekten en mentale gezondheidsproblemen. Ed Lein zegt: “Scheikunde heeft het periodiek systeem. En genomica heeft de menselijke genoomkaart die een transformerende rol heeft gespeeld. Neurowetenschap heeft een vergelijkbare basis nodig, die het platform voor hersenkennis zal helpen creëren.” Het platform richt zich met name op eencellige genomics. Dankzij nieuwe technologieën die de genen meten die in individuele hersencellen worden gebruikt, kunnen onderzoekers nu de complexiteit van de hersencellen en de genen die deze cellen hun verschillende functies geven, beter begrijpen. Deze gedetailleerde celatlassen zullen onderzoekers helpen om de oorsprong van ziekten te begrijpen en uiteindelijk clinici in staat stellen om de oorzaken van ziekten zoals Alzheimer en Parkinson te achterhalen.

Shoaib Mufti benadrukt het belang van het verbinden van individuele informatie binnen het kennisplatform: “Zodra we gezonde hersengegevens kunnen verbinden met gegevens van zieke hersenen, zullen onderzoekers nieuwe ontdekkingen doen die met de huidige infrastructuur niet mogelijk zijn.” Het platform zal ook verbanden leggen tussen hersenonderzoek bij verschillende diersoorten, en uiteindelijk informatie integreren over de gehele biologie van zoogdieren.

Dankzij cloud computing kunnen de gegevens van de ongeveer 200 miljard hersencellen worden opgeslagen, geanalyseerd en gebruikt als een open source-tool die uiteindelijk zal worden gebruikt door artsen die behandelingen en genezing voor hersenziekten zoeken. Het Allen Institute maakt gebruik van high performance computing op AWS en Amazon SageMaker om deze enorme hoeveelheid data te beheren en meerdere workloads te schalen. Het instituut maakt gebruik van kunstmatige intelligentie (AI) en machine learning (ML) diensten van AWS en heeft plannen om in de toekomst generatieve AI te implementeren om grote, complexe multimodale data om te zetten in bruikbare inzichten voor artsen.

 

Misschien vind je deze berichten ook interessant